Small analysis of ICLR submissions:
https://colab.research.google.com/drive/12uwh2wI8bsxgF69XxpYbmE7rhu7EJ6Rb
🔗 Google Colaboratory
https://colab.research.google.com/drive/12uwh2wI8bsxgF69XxpYbmE7rhu7EJ6Rb
🔗 Google Colaboratory
Google
ICLR20data.ipynb
Colaboratory notebook
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?
🔗 Optimal Real-time Scheduling for Black Hole Imaging
How to coordinate 11 telescopes in order to observe the black hole?
Medium
Optimal Real-time Scheduling for Black Hole Imaging
How to coordinate 11 telescopes in order to observe the black hole?
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
🔗 The book to really start you on Machine Learning
Take your Machine Learning knowledge to the next level
Medium
The book to 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.
🎥 Машинное обучение. Лекция 2
👁 179 раз ⏳ 2180 сек.
🎥 Машинное обучение. Лекция 3. Линейные модели
👁 105 раз ⏳ 2867 сек.
🎥 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.
🎥 Машинное обучение. Лекция 6. Кластеризация
👁 67 раз ⏳ 1130 сек.
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.pdfVK Видео
Видеозаписи Веб программист - PHP, JS, Python, Java, HTML 5 | ВКонтакте
Datasets: 23,000 NHS Doctor Jobs Postings
Download: https://www.kaggle.com/homelesssandwich/nhs-jobs
🔗 NHS Jobs
23k+ Jobs from the NHS Jobs Website
Download: https://www.kaggle.com/homelesssandwich/nhs-jobs
🔗 NHS Jobs
23k+ Jobs from the NHS Jobs Website
Kaggle
NHS Jobs
23k+ Jobs from the NHS Jobs Website
🎥 Vehicle Detection Tracking And Counting Using Deep Learning Final Product
👁 2 раз ⏳ 76 сек.
👁 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.VK Видео
Vehicle Detection Tracking And Counting Using Deep Learning Final Product
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…
Scarcity of the Digital Age
🔗 Scarcity of the Digital Age
How to allocate the most important resource of the 21st century
🔗 Scarcity of the Digital Age
How to allocate the most important resource of the 21st century
Medium
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
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...
«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...
Хабр
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
🔗 Deep Learning to Predict US Inflation
A Convolutional Neural Network Analysis
Medium
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.
👁 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 deplVk
Scaling Data Science Across A "Traditional" Enterprise by Eliano Marques
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,…
🎥 Aleksey Okhrimenko - The most soft and fluffy intro into Machine Learning and Deep Neural Networks
👁 1 раз ⏳ 2721 сек.
👁 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 :)Vk
Aleksey Okhrimenko - The most soft and fluffy intro into Machine Learning and Deep Neural Networks
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…
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…
🎥 Easy Cat/Dog Tensorflow Classification - Convolutional Neural Network
👁 1 раз ⏳ 583 сек.
👁 1 раз ⏳ 583 сек.
In this video, I show how to use Machine Learning with Tensorflow in Python to classify images between cats and dogs. We use convolutional neural networks with convolution, MaxPooling, and Dense layers. We also use Dropout and Image Augmentation to prevent overfitting. In the end, we get ~76% validation accuracy, which is not too bad, but we will see how to improve this in the next video.
Link to data: https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip
Link to code: https://github.comVk
Easy Cat/Dog Tensorflow Classification - Convolutional Neural Network
In this video, I show how to use Machine Learning with Tensorflow in Python to classify images between cats and dogs. We use convolutional neural networks with convolution, MaxPooling, and Dense layers. We also use Dropout and Image Augmentation to prevent…
How to create your personal habit tracker on google assistant
🔗 How to create your personal habit tracker on google assistant
The laziest way to track your habits, by a programmer for all programmers!
🔗 How to create your personal habit tracker on google assistant
The laziest way to track your habits, by a programmer for all programmers!
Medium
How to create your personal habit tracker on google assistant
The laziest way to track your habits, by a programmer for all programmers!
Understanding CNN (Convolutional Neural Network)
🔗 Understanding CNN (Convolutional Neural Network)
Your first baby step to learn Deep Learning for Image Classification
🔗 Understanding CNN (Convolutional Neural Network)
Your first baby step to learn Deep Learning for Image Classification
Medium
Understanding CNN (Convolutional Neural Network)
Your first baby step to learn Deep Learning for Image Classification
Искусственный интеллект простыми словами
✅Как учатся машины | Искусственный интеллект
✅Искусственный интеллект и машинное обучение
✅Искусственный интеллект и нейронные сети
✅Искусственный интеллект в юриспруденции
✅Искусственный интеллект в филологии и журналистике
✅Искусственный интеллект в сельском хозяйстве
✅Искусственный интеллект в бизнесе и финансах
✅Искусственный интеллект в медицине и биологии
✅Искусственный интеллект в педагогике и психологии
#video #ai
🎥 Как учатся машины | Искусственный интеллект
👁 125 раз ⏳ 483 сек.
🎥 Искусственный интеллект и машинное обучение
👁 61 раз ⏳ 718 сек.
🎥 Искусственный интеллект и нейронные сети
👁 51 раз ⏳ 686 сек.
🎥 Искусственный интеллект в юриспруденции
👁 37 раз ⏳ 378 сек.
🎥 Искусственный интеллект в филологии и журналистике
👁 16 раз ⏳ 308 сек.
🎥 Искусственный интеллект в сельском хозяйстве
👁 14 раз ⏳ 188 сек.
🎥 Искусственный интеллект в бизнесе и финансах
👁 14 раз ⏳ 248 сек.
🎥 Искусственный интеллект в медицине и биологии
👁 20 раз ⏳ 146 сек.
🎥 Искусственный интеллект в педагогике и психологии
👁 22 раз ⏳ 173 сек.
✅Как учатся машины | Искусственный интеллект
✅Искусственный интеллект и машинное обучение
✅Искусственный интеллект и нейронные сети
✅Искусственный интеллект в юриспруденции
✅Искусственный интеллект в филологии и журналистике
✅Искусственный интеллект в сельском хозяйстве
✅Искусственный интеллект в бизнесе и финансах
✅Искусственный интеллект в медицине и биологии
✅Искусственный интеллект в педагогике и психологии
#video #ai
🎥 Как учатся машины | Искусственный интеллект
👁 125 раз ⏳ 483 сек.
Искусственный интеллект простыми словами🎥 Искусственный интеллект и машинное обучение
👁 61 раз ⏳ 718 сек.
Про машинное обучение простыми словами🎥 Искусственный интеллект и нейронные сети
👁 51 раз ⏳ 686 сек.
Про нейронные сети простыми словами🎥 Искусственный интеллект в юриспруденции
👁 37 раз ⏳ 378 сек.
Примеры использования искусственного интеллекта в юриспруденции🎥 Искусственный интеллект в филологии и журналистике
👁 16 раз ⏳ 308 сек.
Примеры использования искусственного интеллекта в журналистике и филологии🎥 Искусственный интеллект в сельском хозяйстве
👁 14 раз ⏳ 188 сек.
Примеры использования искусственного интеллекта в сельском хозяйстве🎥 Искусственный интеллект в бизнесе и финансах
👁 14 раз ⏳ 248 сек.
Примеры использования искусственного интеллекта в бизнесе и финансах🎥 Искусственный интеллект в медицине и биологии
👁 20 раз ⏳ 146 сек.
Примеры использования искусственного интеллекта в медицине и биологии🎥 Искусственный интеллект в педагогике и психологии
👁 22 раз ⏳ 173 сек.
Примеры использования искусственного интеллекта в педагогике и психологии🎥 Build A Python Speech Assistant App
👁 1 раз ⏳ 1607 сек.
👁 1 раз ⏳ 1607 сек.
In this video we will build a speech assistant app using the speech regonition library and Google's text-to-speech API.
Download Kite free:
https://kite.com/download/?utm_medium=referral&utm_source=youtube&utm_campaign=TechGuyWeb&utm_content=speech-assistant-tutorial
Code:
https://github.com/bradtraversy/alexis_speech_assistant
💖 Become a Patron: Show support & get perks!
http://www.patreon.com/traversymedia
Website & Udemy Course Links:
https://www.traversymedia.com
Follow Traversy Media:
https://wwwVK Видео
Build A Python Speech Assistant App
In this video we will build a speech assistant app using the speech regonition library and Google's text-to-speech API.
Download Kite free:
https://kite.com/download/?utm_medium=referral&utm_source=youtube&utm_campaign=TechGuyWeb&utm_content=speech-assistant…
Download Kite free:
https://kite.com/download/?utm_medium=referral&utm_source=youtube&utm_campaign=TechGuyWeb&utm_content=speech-assistant…