​AI Journey: доклады и результаты соревнования
Всем привет! С октября по декабрь проходила серия конференций по искусственному интеллекту – AI Journey. Чуть раньше в ноябре мы подвели итоги международного соревнования по созданию общего или сильного ИИ – artificial general intelligence (AGI). Хотим сразу вас успокоить, что мы не создали сильный ИИ, но приблизились к этому с помощью robot college student test. Участники должны были натренировать свои алгоритмы так, чтобы те смогли сдать выпускной экзамен по русскому языку. В итоге решения победителей получили "четвёрки".

Под катом среди прочих вы найдёте записи выступлений Юргена Шмидхубера — автора работы о LISP; Анны Вероники Дорогуш — руководительницы разработки библиотеки машинного обучения CatBoost; Бена Герцеля, который и ввёл термин robot college student test.

🔗 AI Journey: доклады и результаты соревнования
Всем привет! С октября по декабрь проходила серия конференций по искусственному интеллекту – AI Journey. Чуть раньше в ноябре мы подвели итоги международного сор...

​52 датасета для тренировочных проектов

Mall Customers Dataset — данные посетителей магазина:id, пол, возраст, доход, рейтинг трат. (Вариант применения: Customer Segmentation Project with Machine Learning)
Iris Dataset — датасет для новичков, содержащий размеры чашелистиков и лепестков для различных цветков.
MNIST Dataset — датасет рукописных цифр. 60 000 тренировочных изображений и 10 000 тестовых изображений.
The Boston Housing Dataset — популярный датасет для распознавания паттернов. Содержит информацию о домах в Бостоне: количество квартир, стоимость аренды, индекс преступлений.
Fake News Detection Dataset — содержит 7796 записей с разметкой новостей: правда или ложь. (Вариант применения с исходником на Python: Fake News Detection Python Project )
Wine quality dataset — содержит информацию о вине: 4898 записей с 14 параметрами.

🔗 52 датасета для тренировочных проектов
Mall Customers Dataset — данные посетителей магазина:id, пол, возраст, доход, рейтинг трат. (Вариант применения: Customer Segmentation Project with Machine Lear...

​Как уровень безубыточности майнинга позволяет определить точку разворота биткоина
В последние дни цена биткоина сильно обвалилась, что повлекло за собой уменьшение хэшрэйта сети на 20%. Это говорит об оттоке майнеров из-за начавшихся убытков, что случалось уже не раз. Мы решили исследовать, где находятся точки безубыточности майнинга на самых популярных устройствах и как они коррелируют с ценой.

Уровень безубыточности майнеров

Один из самых известных и распространенных майнеров в мире, Asic S9, имеет самые худшие показатели по безубыточности: чтобы получать прибыль от этого устройства, необходимо, чтобы цена биткоина была выше $7,643.

🔗 Как уровень безубыточности майнинга позволяет определить точку разворота биткоина
В последние дни цена биткоина сильно обвалилась, что повлекло за собой уменьшение хэшрэйта сети на 20%. Это говорит об оттоке майнеров из-за начавшихся убытков,...

​NeurIPS 2019 paper summaries

https://github.com/vlgiitr/papers_we_read/blob/master/summaries/uniform_convergence.md

🔗 vlgiitr/papers_we_read
Summaries of the papers that are discussed by VLG. Contribute to vlgiitr/papers_we_read development by creating an account on GitHub.

A Beginner's Guide to the Mathematics of Neural Networks

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.161.3556&rep=rep1&type=pdf

​Word Embedding Using BERT In Python

🔗 Word Embedding Using BERT In Python
Embedding Words Into Vectors Using a Deep Learning NLP Model (BERT)

​How Fast Numpy Really is and Why?

🔗 How Fast Numpy Really is and Why?
A comparison with standard Python Lists.

​Visualizing Suicide Rates and World Happiness

🔗 Visualizing Suicide Rates and World Happiness
Is there a relationship between the two?

​Сможет ли Julia побороть Python так же, как Python поборол Java

Язык программирования Python прошел большой путь с момента своего появления в 1990-х. Едва ли Гвидо Ван Россум знал, что Python станет одним из самых популярных языков в мире, в то время, когда он его разрабатывал. На сегодняшний день Python является одним из наиболее широко используемых языков программирования на планете и имеет множество различных применений. Будь то приложения корпоративного уровня, машинное обучение, модели искусственного интеллекта или работа в области Data Science, Python активно используется практически во всех процветающих отраслях и областях.

Текущий сценарий для Python
В мире более 8 миллионов разработчиков на Python, которые регулярно используют этот язык для самых разных целей. Благодаря своей гибкости и простой масштабируемости, Python уже стал предпочтительным языком для многих разработчиков. Это стало причиной, по которой Python смог обойти Java, которая долгое время была любимым языком у разработчиков. Но это также может быть связано с естественным процессом старения языка, с которым Java приближается к своему концу. Большинство новых языков предназначены для решения современных задач. Хотя языки, разработанные давно, наиболее эффективны для решения задач своего времени, им становится чрезвычайно трудно оставаться актуальными для меняющихся отраслей и сценариев.

🔗 Сможет ли Julia побороть Python так же, как Python поборол Java
Язык программирования Python прошел большой путь с момента своего появления в 1990-х. Едва ли Гвидо Ван Россум знал, что Python станет одним из самых популярны...

​The Hyperparameter Cheat Sheet

🔗 The Hyperparameter Cheat Sheet
A quick guide to hyperparameter tuning utilizing Scikit Learn’s GridSearchCV

​Python Machine Learning Blueprints

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Python Machine Learning Blueprints (en) (1).pdf - 💾39 356 955

​Как подружить PyTorch и C++. Используем TorchScript
Около года назад разработчики PyTorch представили сообществу TorchScript — инструмент, который позволяет с помощью пары строк кода и нескольких щелчков мыши сделать из пайплайна на питоне отчуждаемое решение, которое можно встроить в систему на C++. Ниже я делюсь опытом его использования и постараюсь описать встречающиеся на этом пути подводные камни. Особенное внимание уделю реализации проекта на Windows, поскольку, хотя исследования в ML обычно делаются на Ubuntu, конечное решение часто (внезапно!) требуется под "окошками".
Примеры кода для экспорта модели и проекта на C++, использующего модель, можно найти в репозиториии на GitHub.

🔗 Как подружить PyTorch и C++. Используем TorchScript
Около года назад разработчики PyTorch представили сообществу TorchScript — инструмент, который позволяет с помощью пары строк кода и нескольких щелчков мыши сдел...

​Anomaly Detection - Another Challenge for Artificial Intelligence

https://www.experfy.com/blog/anomaly-detection-another-challenge-for-artificial-intelligence

🔗

​4 крутых функции Numpy, которые я использую постоянно
В этой статье я хочу рассказать о нескольких функциях Numpy, которые я использую для анализа данных постоянно. Это ни в коем случае не исчерпывающий список, но думаю, что инструменты, о которых пойдёт речь, пригодятся каждому без исключения.

https://habr.com/ru/post/480740/

🔗 4 крутых функции Numpy, которые я использую постоянно
В этой статье я хочу рассказать о нескольких функциях Numpy, которые я использую для анализа данных постоянно. Это ни в коем случае не исчерпывающий список, но д...