​Нано-нейрон — 7 простых JavaScript функций, показывающих, как машина может «учиться»
Нано-нейрон — это упрощенная версия нейрона из концепции нейронной сети. Нано-нейрон выполняет простейшую задачу и натренирован на конвертацию температуры из градусов Целься в градусы Фаренгейта.
Код NanoNeuron.js состоит из 7 простых JavaScript функций, затрагивающих обучение, тренировку, предсказание, прямое и обратное распространение сигнала модели. Целью написания этих функций было дать читателю минимальное, базовое объяснение (интуицию) того, как же все-таки машина может «обучаться». В коде не используются сторонние библиотеки. Как-говорится, только простые «vanilla» JavaScript функции.
Эти функци ни в коей мере не являются исчерпывающим руководством по машинному обучению. Множество концепций машинного обучения в них пропущено или же упрощено! Это упрощение допущено с единственной целью — дать читателю самое базовое понимание и интуицию о том, как машина в принципе может «учиться», чтобы в итоге «МАГИЯ машинного обучения» звучала для читателя все более как «МАТЕМАТИКА машинного обучения».

🔗 Нано-нейрон — 7 простых JavaScript функций, показывающих, как машина может «учиться»
Нано-нейрон — это упрощенная версия нейрона из концепции нейронной сети. Нано-нейрон выполняет простейшую задачу и натренирован на конвертацию температуры из гра...

Сepвиc Godriver24 coздaн пo инициативe неcкoльких трaнcпoртных кoмпaний, чтобы закoнчить с бeccмыслeнными побoрами и кoмисcиями 2
Публикaции тpанcпоpтa и гpузов, просмотp всех контактов будут бecплaтными вceгда 2
Тaк жe нa сeрвисе плaниpуетcя безoпаcнaя cделка !
Толькo от нac c Вами зaвиcит paзвитие этoй молодой площaдки d
Paзмещaйтe любые гpузы, oт личных вещeй до oгрoмных нeгaбapитoв
Пеpeдайте, пожaлyйстa, эту инфoрмaцию вcем дpyзьям и пapтнeрaм 😽
Cделаем миp гpузoпepевoзoк доcтупным и безoпacным ВМEСТЕ!!! 😡

​An Algorithm-Agnostic NAS Benchmark

https://openreview.net/forum?id=HJxyZkBKDr

🔗 An Algorithm-Agnostic NAS Benchmark
Neural architecture search (NAS) has achieved breakthrough success in a great number of applications in the past few years. It could be time to take a step back and analyze the good and bad aspects...

​Приводим уравнение линейной регрессии в матричный вид

Цель статьи — оказание поддержки начинающим датасайнтистам. В предыдущей статье мы на пальцах разобрали три способа решения уравнения линейной регрессии: аналитическое решение, градиентный спуск, стохастический градиентный спуск. Тогда для аналитического решения мы применили формулу . В этой статье, как следует из заголовка, мы обоснуем применение данной формулы или другими словами, самостоятельно ее выведем.

Почему имеет смысл уделить повышенное внимание к формуле ?

Именно с матричного уравнения в большинстве случаев начинается знакомство с линейной регрессией. При этом, подробные выкладки того, как формула была выведена, встречаются редко.

🔗 Приводим уравнение линейной регрессии в матричный вид
Цель статьи — оказание поддержки начинающим датасайнтистам. В предыдущей статье мы на пальцах разобрали три способа решения уравнения линейной регрессии: анали...

​NeurIPS 2019 Paper Awards
Neural Information Processing Systems Conference :
https://medium.com/@NeurIPSConf/neurips-2019-paper-awards-807e41d0c1e

🔗 NeurIPS 2019 Paper Awards
With this blog post, it is our pleasure to unveil the NeurIPS paper awards for 2019, and share more information on the selection process…

​The second version of StarGAN allows changing faces with reference styles feed-forward.

github.com/clovaai/stargan-v2

arxiv.org/abs/1912.01865

🔗 clovaai/stargan-v2
StarGAN v2 - Official PyTorch Implementation. Contribute to clovaai/stargan-v2 development by creating an account on GitHub.

​Illustrating Online Learning through Temporal Differences

🔗 Illustrating Online Learning through Temporal Differences
Fundamentals of Reinforcement Learning

​Байесовский анализ на Python [2019] Освальдо Мартин

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Байесовский анализ на Python [2019] Освальдо Мартин.pdf - 💾21 423 244

​Facebook Builds an AI Agent to Master the Hanabi Challenge: The New Frontier for AI Research

🔗 Facebook Builds an AI Agent to Master the Hanabi Challenge: The New Frontier for AI Research
Hanabi is a new game that combines cooperation between players with imperfect information.

​The Complete Hands-On Machine Learning Crash Course

🔗 The Complete Hands-On Machine Learning Crash Course
From linear regression to unsupervised learning, this guide covers everything you need to know to get started in machine learning. Theory…

🎥 AIR Distinguished Seminar: Maria-Florina Balcan, Machine Learning: New Challenges and Connections
👁 1 раз ⏳ 3503 сек.
Over the past decades, machine learning has evolved into a highly successful discipline that has significantly influenced several fields, including vision, information retrieval, and biology. Many of these advances are based on standard learning techniques where classifiers are trained based on large amounts of fully annotated data. As the field of machine learning is maturing, new opportunities await for fundamentally new training paradigms that could significantly broaden its impact and applicability. The

​Kafdrop

🔗 Kafdrop
An Open-Source Kafka UI

​Машины уже опережают людей в тестах на чтение; но понимают ли они прочитанное?
Инструмент под названием BERT способен обогнать людей в тестах на чтение и понимание. Однако он же демонстрирует, какой путь ещё нужно пройти ИИ

Осенью 2017 года Сэм Боумен, вычислительный лингвист из Нью-Йоркского университета, решил, что компьютеры до сих пор ещё не очень хорошо понимают текст. Конечно, они достаточно неплохо научились симулировать это понимание в определённых узких областях, вроде автоматических переводов или анализа чувств (к примеру, определять, является ли предложение «грубым или милым», как он сказал). Однако Боумен хотел получить измеримое свидетельство: настоящее понимание написанного, изложенное человеческим языком. И он придумал тест.

🔗 Машины уже опережают людей в тестах на чтение; но понимают ли они прочитанное?
Инструмент под названием BERT способен обогнать людей в тестах на чтение и понимание. Однако он же демонстрирует, какой путь ещё нужно пройти ИИ Осенью 2017 го...

​Как мы рекомендуем новинки каталога в онлайн-кинотеатре ivi (+ код на Python)
В блоге онлайн-кинотеатра ivi накопилось достаточно статей про архитектуру рекомендательной системы Hydra. Однако рекомендации — это не только внешний API, но и алгоритмы, которые живут «под капотом» и реализуют достаточно сложную бизнес-логику.

В этой статье я расскажу о проблеме «холодного старта» контента. Если вам интересно узнать, как мы рекомендуем контент, который недавно добавился в каталог и не успел набрать фидбэк от пользователей — добро пожаловать под кат.

Статья будет содержать воспроизводимый пример кода на языке Python с использованием Keras.

🔗 Как мы рекомендуем новинки каталога в онлайн-кинотеатре ivi (+ код на Python)
В блоге онлайн-кинотеатра ivi накопилось достаточно статей про архитектуру рекомендательной системы Hydra. Однако рекомендации — это не только внешний API, но и...

​Как написать свой транслитератор
Выпускница CS центра 2018 года, Дарья Родионова, рассказывает о транслитерации: что это такое, какие есть подходы к транслитерации, как создать свой транслитератор и как усовершенствовать модель.

🔗 Как написать свой транслитератор
Выпускница CS центра 2018 года, Дарья Родионова, рассказывает о транслитерации: что это такое, какие есть подходы к транслитерации, как создать свой транслитерат...

​#NeurIPS2019_2019-12-09_19-49-34.xlsx

View an interactive version of this graph (experimental)

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=218538

🔗 #NeurIPS2019_2019-12-09_19-49-34.xlsx
The graph represents a network of 4,349 Twitter users whose recent tweets contained "#NeurIPS2019", or who were replied to or mentioned in those tweets, taken from a data set limited to a maximum of 18,000 tweets. The network was obtained from Twitter on Tuesday, 10 December 2019 at 04:17 UTC. The tweets in the network were tweeted over the 9-day, 3-hour, 2-minute period from Sunday, 01 December 2019 at 00:42 UTC to Tuesday, 10 December 2019 at 03:45 UTC. Additional tweets that were mentioned in this data set were also collected from prior time periods. These tweets may expand the complete time period of the data. There is an edge for each "replies-to" relationship in a tweet, an edge for each "mentions" relationship in a tweet, and a self-loop edge for each tweet that is not a "replies-to" or "mentions". The graph is directed. The graph's vertices were grouped by cluster using the Clauset-Newman-Moore cluster algorithm. The graph was laid out using the Ha

​NVIDIA’s Top 10 AI Research Papers of 2019

https://news.developer.nvidia.com/nvidias-top-10-ai-developer-stories-of-2019/

🔗 NVIDIA’s Top 10 AI Developer Stories of 2019 – NVIDIA Developer News Center

🎥 OpenCV Python Tutorial For Beginners 39 - How to Use Background Subtraction Methods in OpenCV
👁 5 раз ⏳ 786 сек.
code - https://gist.github.com/pknowledge/e1e0e87dcae282d0d0913605bd12ced6
In this video on OpenCV Python Tutorial For Beginners, we are going to see How to Use Background Subtraction Methods in OpenCV. Corner detection with Harris Corner Detection method using OpenCV and python is very easy. Shi Tomasi Corner Detector is the modification of Harris Corner Detection.

OpenCV is an image processing library created by Intel and later supported by Willow Garage and now maintained by Itseez. opencv is available

​Using Bayesian Modeling to Improve Price Elasticity Accuracy

🔗 Using Bayesian Modeling to Improve Price Elasticity Accuracy
Using a Bayesian approach to improve price elasticity with an example from the Consumer Packaged Goods Industry