​The Agony and the Ecstasy of my First Open Source Contribution

🔗 The Agony and the Ecstasy of my First Open Source Contribution
My first open source contribution wasn’t all smooth sailing, but it sure was thoroughly rewarding

​Using Convolutional Neural Networks to Generate Harmony

🔗 Using Convolutional Neural Networks to Generate Harmony
Explores the data representation and temporal resolution on subjective quality and the negative log-likelihood of generated notes.

🎥 Microsoft SEAL
👁 1 раз ⏳ 4494 сек.
The Private AI Bootcamp offered by Microsoft Research (MSR) focused on tutorials of building privacy-preserving machine learning services and applications with homomorphic encryption (HE). Around 30 PhD students were invited to gather at the Microsoft Research Lab in Redmond on Dec 2nd – 4th, 2019. The program contents were specifically designed for training. Participants mastered the use of HE, the Microsoft SEAL library, and the methodology behind building privacy-preserving machine learning solutions. As

​ИИ, пытающийся избежать проблем, научился сложному поведению

В обучении с подкреплением (Reinforcement Learning) часто используется любопытство в качестве мотивации для ИИ. Заставляющее его искать новые ощущения и исследовать окружающий мир. Но жизнь полна неприятных сюрпризов. Можно упасть с обрыва и с точки зрения любопытства это всегда будут очень новые и интересные ощущения. Но явно не то, к чему надо стремиться.
Разработчики из Berkeley перевернули задачу для виртуального агента с ног на голову: главной мотивирующей силой сделали не любопытство, а наоборот — стремление всеми силами избегать любой новизны. Но "ничего не делать" оказалось сложнее, чем кажется. Будучи помещенным в постоянно меняющийся окружающий мир, ИИ пришлось обучиться сложному поведению, чтобы избегать новых ощущений.

🔗 ИИ, пытающийся избежать проблем, научился сложному поведению
В обучении с подкреплением (Reinforcement Learning) часто используется любопытство в качестве мотивации для ИИ. Заставляющее его искать новые ощущения и исследо...

​Python code for Artificial Intelligence: Foundations of Computational Agents — D. L. Poole, A. K. Mackworth (en) 2018

📝 Python code for Artificial Intelligence (en).pdf - 💾1 062 018

​FREE udemy course

Master Python Complete Course
Python for Data Science and Machine Learning
https://www.udemy.com/course/master-python-complete-course/

🔗 Бесплатное учебное руководство по теме "Python" — Master Python Complete Course
Python for Data Science and Machine Learning - Бесплатный курс

🎥 Прикладное машинное обучение 14. Сегментация изображений.
👁 1 раз ⏳ 3850 сек.
Лекция от 06.12.2019
Лектор: Владислав Гончаренко

Снимал: Михаил Кревский
Монтировал: Артём Сапожников

​Small analysis of ICLR submissions:
https://colab.research.google.com/drive/12uwh2wI8bsxgF69XxpYbmE7rhu7EJ6Rb

🔗 Google Colaboratory

​Optimal Real-time Scheduling for Black Hole Imaging

🔗 Optimal Real-time Scheduling for Black Hole Imaging
How to coordinate 11 telescopes in order to observe the black hole?

​Idea Behind LIME and SHAP

🔗 Idea Behind LIME and SHAP
Intuition behind ML interpretation models

​The book to really start you on Machine Learning

🔗 The book to really start you on Machine Learning
Take your Machine Learning knowledge to the next level

Машинное Обучение
Лекция 1. Введение в машинное обучение
Лекция 2. Методы обработки данных. Задача классификации
Лекция 3. Линейные модели
Лекция 4. Отбор признаков и понижение размерности
Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
Лекция 6. Кластеризация
#video #ai


#video ( интересные видеоуроки https://vk.com/videos-3183750 )

🎥 Машинное обучение. Лекция 1. Введение в машинное обучение
👁 455 раз ⏳ 2829 сек.
Все введенные на лекции понятия опираются на конспект К.В. Воронцова: http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf

🎥 Машинное обучение. Лекция 2
👁 179 раз ⏳ 2180 сек.


🎥 Машинное обучение. Лекция 3. Линейные модели
👁 105 раз ⏳ 2867 сек.
В данном видео речь идёт о линейных моделях в задачах регрессии и классификации. Введены такие понятия, как регуляризация, функция правдоподобия и ...

🎥 Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
👁 59 раз ⏳ 2803 сек.


🎥 Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
👁 58 раз ⏳ 1936 сек.
https://github.com/miptmlschool/mlschl/tree/master/Seminars/Seminar_5

🎥 Машинное обучение. Лекция 6. Кластеризация
👁 67 раз ⏳ 1130 сек.
https://github.com/miptmlschool/mlschl/blob/master/lections/Lection%206.pdf

​Datasets: 23,000 NHS Doctor Jobs Postings
Download: https://www.kaggle.com/homelesssandwich/nhs-jobs

🔗 NHS Jobs
23k+ Jobs from the NHS Jobs Website

​Truly Creative Robots

🔗 Truly Creative Robots
Why inventiveness in art is a human activity (for now)

🎥 Vehicle Detection Tracking And Counting Using Deep Learning Final Product
👁 2 раз ⏳ 76 сек.
in this we trained out own custom YOLOv3 for object detection and classification and then using SORT tracker we finally track each vehicle and assign Unique ID's to each vehicle but there was problem of ID's changing because of missing detection and also because of Dynamic Range of scene so we finally use additionally marker base approach to keep count of tracked and classified vehicles.

​Scarcity of the Digital Age

🔗 Scarcity of the Digital Age
How to allocate the most important resource of the 21st century

​Python Machine Learning Case Studies — Danish Haroon

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Python Machine Learning Case Studies (en).pdf - 💾8 336 682

​Какой стартап мне запустить завтра?

«Космические корабли бороздят просторы Вселенной» — Armada by tkdrobert

Меня регулярно спрашивают: «вот ты о стартапах пишешь, но их повторять уже поздно, а что сейчас запускать надо, где новый Facebook?» Если бы я знал точный ответ, то никому бы не сказал, а сам сделал, но направление поисков достаточно прозрачно, о нем можно говорить открыто.

Всё уже изобретено до нас
Все гиперуспешные стартапы основаны на очень простых идеях. Google вырос за счет того, что учитывал в ранжировании ссылки. Booking.com в едином интерфейсе показывает все отели мира. Tinder позволяет предложить знакомство одним свайпом. Uber — это заказ такси в мобильном приложении. Сейчас в этих компаниях работают десятки тысяч сотрудников, они каждый день усложняют продукт и добавляют новые сервисы, но тогда, на старте, всё было очень просто.

🔗 Какой стартап мне запустить завтра?
«Космические корабли бороздят просторы Вселенной» — Armada by tkdrobert Меня регулярно спрашивают: «вот ты о стартапах пишешь, но их повторять уже поздно, а чт...