​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...

​Deep Learning to Predict US Inflation

🔗 Deep Learning to Predict US Inflation
A Convolutional Neural Network Analysis

🎥 Scaling Data Science Across A "Traditional" Enterprise by Eliano Marques
👁 1 раз ⏳ 1581 сек.
During this talk, it will be described methods to scale Data Science across a "traditional" enterprise. Such methods will include end-to-end use-cases life cycle, from demand creation towards deployment, including frameworks for prioritisating use-cases, developing use-cases and path-to-production. Several technical components will be addressed during this session, from standard DevOps methods to build a Data Science Platform that scales on the cloud to standard docker images to accelerate and automate depl

🎥 Aleksey Okhrimenko - The most soft and fluffy intro into Machine Learning and Deep Neural Networks
👁 1 раз ⏳ 2721 сек.
Video recorded at GDG DevFest Gorky 2019. All about Mobile, Web and Cloud.
Learn more at https://devfest.gdgnn.ru/

If you tried to master a Machine Learning yourself but failed, if you have read ML-for-Dummies from cover to cover, but didn’t understand anything, if you paid for the most expensive Deep Neural Networks courses but nothing came of it ... then this talk is for you! We will learn basics of Machine Learning and Deep Neural Networks using Tensorflow.js and discover a way to have an easy start :)