Neural Networks | Нейронные сети
11.6K subscribers
801 photos
182 videos
170 files
9.45K links
Все о машинном обучении

По всем вопросам - @notxxx1

№ 4959169263
Download Telegram
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
🎥 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
​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
🎥 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
​Evolution of word representations in NLP

🔗 Evolution of word representations in NLP
Information can be represented in multiple ways while keeping the same meaning. We may pass information through multiple languages, we may…
🎥 DATA: Илья Стариков - Deep learning для репрезентации пользователей социальных сетей
👁 2 раз 2783 сек.
В этом докладе я расскажу про подходы, которые применяются для репрезентации пользователей соцсетей на примере проекта, реализованного EPAM для рекрутеров. В рамках этого проекта мы создали систему автоматического поиска кандидатов на открытые позиции в EPAM по набору навыков. Я расскажу, как развивался проект, какие подходы были реализованы и протестированы (от простых - Logistic Regression до более интересных - Neural Network Embeddings и Graph Embeddings). Немного расскажу про архитектуру итогового решен
Deep learning (Ian Goodfellow Yoshua Bengio Aaron Courville)

📝 Deep learning (Ian Goodfellow Yoshua Bengio Aaron Courville).pdf - 💾22 717 311