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...

​"Top 100 most discussed academic papers" (across all fields) this year:

Explore the list of the most discussed and shared research of 2019. The world’s climate emergency, vaccinations, and developments in AI all feature heavily in this year’s list. https://www.altmetric.com/top100/ #AltmetricTop100 https://xn--r1a.website/ArtificialIntelligenceArticles

🔗 The Altmetric Top 100 – 2019
What research caught the public imagination in 2019? Check out our annual list of papers with the most attention.

​Pendragon Four: Multi-Agent Reinforcement Learning with Fate Grand Order

🔗 Pendragon Four: Multi-Agent Reinforcement Learning with Fate Grand Order
Multi-agent reinforcement learning in a custom game environment to train 4 agents and have them play the mobile phone game Fate Grand Order

🎥 [part4]|Python Crash Course|Python for Data Science and Machine Learning Bootcamp
👁 1 раз ⏳ 5059 сек.
Python for Data Science and Machine Learning Bootcamp

Learn how to use NumPy, Pandas, Seaborn , Matplotlib , Plotly , Scikit-Learn , Machine Learning, Tensorflow , and more!

#python #Data #science #ml #machinelearning #datascience

What you'll learn!

Use Python for Data Science and Machine Learning

Use Spark for Big Data Analysis

Implement Machine Learning Algorithms

Learn to use NumPy for Numerical Data

Learn to use Pandas for Data Analysis

Learn to use Matplotlib for Python Plotting

Learn to use

​Causal Inference that’s not A/B Testing: Theory & Practical Guide

🔗 Causal Inference that’s not A/B Testing: Theory & Practical Guide
How to establish causality when you can’t run A/B tests? 5 methods to choose from, with theory, industry application and code examples.