🎥 Face editing with Generative Adversarial Networks
👁 4 раз ⏳ 1527 сек.
Link to Notebooks:
https://drive.google.com/open?id=1LBWcmnUPoHDeaYlRiHokGyjywIdyhAQb

Link to the StyleGAN paper: https://arxiv.org/abs/1812.04948

Link to GAN blogpost: http://hunterheidenreich.com/blog/gan-objective-functions/

If you want to support this channel, here is my patreon link:
https://patreon.com/ArxivInsights --- You are amazing!! ;)

--------------------------------

This episode covers one of the greatest ideas in Deep Learning of the past couple of years: Generative Adversarial Networks.

​What or Why in Machine Learning

🔗 What or Why in Machine Learning
A comprehensive guide to interpreting models using Python

🎥 Курс "Машинное обучение в R, Python и H2O". Модуль 1. Предподготовка данных (10-я лекция)
👁 2 раз ⏳ 2795 сек.
Поддержать канал:
Webmoney R362258289857
PayPal pilapi@yandex.ru
II. Знакомство с Python
II.7. scikit-learn
II.7.6. Наиболее часто используемые классы и функции
II.7.6.8. Написание собственных классов для применения в конвейере
II.7.6.9. Модификация классов библиотеки scikit-learn для работы с датафреймами

III. Знакомство с R
III.1. Загрузка данных
III.2. Предварительная подготовка данных
III.3. Построение модели и работа с прогнозами
III.4. Перекрестная проверка и комбинированная проверка
для подбо

🎥 DSC Podcast Series: Selecting an Enterprise Deep Learning System
👁 1 раз ⏳ 1008 сек.
Selecting an Enterprise Deep Learning System

Every organization wants to infuse the power of AI in its business. In this first of two parts, we’ll explore the journey from development to production deep learning. Learn how to enable an end-to-end workflow that’s optimized for the rigors of deep learning in an enterprise setting, with predictable performance as your neural network models and datasets grow.

Speaker: Tony Paikeday, Director of Product Marketing for Deep Learning Systems -- Nvidia

Hosted by

​Deep Mining: Detecting Anomalous Patterns in Neural Network Activations with Subset Scanning

https://github.com/hikayifix/adversarialdetector

https://openreview.net/forum?id=Skld1aVtPB

🔗 hikayifix/adversarialdetector
Deep Mining: Detecting Anomalous Patterns in Neural Network Activations with Subset Scanning - hikayifix/adversarialdetector

​Deep Learning Models
A collection of various deep learning architectures, models, and tips for TensorFlow and PyTorch in Jupyter Notebooks.
By Sebastian Raschka : https://github.com/rasbt/deeplearning-models
#ArtificialIntelligence #DeepLearning #MachineLearning

🔗 rasbt/deeplearning-models
A collection of various deep learning architectures, models, and tips - rasbt/deeplearning-models

Подборка книг по машинному обучению🎯

1- Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными (А. Мюллер, С. Гвидо)
https://tgme.pro/bfbook/1047

2- Крупномасштабное машинное обучение вместе с Python
(Бастиан Шарден, Лука Массарон, Альберто Боскетти)
https://tgme.pro/BookPython/259

3- Математические основы машинного обучения и прогнозирования
(Вьюгин В.В.)
https://tgme.pro/bfbook/967

4- Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка
(Бенгфорт Бенджамин, Билбро Ребекка, Охеда Тони)
https://tgme.pro/bfbook/945

5- Машинное обучение
(Хенрик Бринк, Джозеф Ричардс, Марк Феверолф)
https://tgme.pro/bfbook/700

6- Глубокое обучение на Python
(Франсуа Шолле)
https://tgme.pro/BookPython/99

7- Python и машинное обучение
(Рашка С.)
https://tgme.pro/BookPython/37

8- Глубокое обучение. Погружение в мир нейронных сетей
(С. Николенко, А. Кадурин, Е. Архангельская)
https://tgme.pro/bfbook/589

#book #MachineLearning

​Could Lab-Grown Brains Develop Consciousness?

https://singularityhub.com/2019/07/03/could-lab-grown-brains-develop-consciousness/

🔗 Could Lab-Grown Brains Develop Consciousness?
A week after transplant, the dissected neural clusters spontaneously formed multiple networks, and the team found synchronized waves throughout the network.

​Machine Learning 2020 - The Year of MI

Part 1 - Machine Learning For Beginners - Basics

https://youtu.be/E3l_aeGjkeI

Part 2 - MI environment

https://youtu.be/HqyrqxyDwPU

Part 3 - Python Decision Tree (Theory)

https://youtu.be/8isUCINSmys

Part 4 - Python Decision Tree (Coding)

https://youtu.be/24mxQzd3EsU

Part 5 - Python Decision Tree (Graphiviz)

https://youtu.be/aVEfKRfWjHc

Part 6 - Knn(Friend Recommender)

https://youtu.be/LK0zgA6Mr6k

Part 7- 5-Fold Cross Validation

https://youtu.be/Zx5cz8pXnOM

🔗 Machine Learning Tutorial Part 1 | Machine Learning For Beginners
This Machine Learning tutorial will introduce you to the different areas of Machine Learning and Artificial Intelligence. In this part of the course you will learn about the three different learning types (Unsupervised learning, Supervised Learning and Reinforcement Learning) For more see: https://www.Vinsloev.com Remember to Subscribe to the channel to see the upcoming parts of this Tutorial as well.

Лекции по Big Data

1 - BigData. Введение в машинное обучение
2 - BigData. Python
3 - BigData. Что такое BigData
4 - BigData. OLAP. What and why
5 - BigData. IoT и BigData
6 - BigData. Сhallenges of classification
7 - BigData. Formal Context Analysis
8 - BigData. Регрессия
9 - BigData. Хранение и анализ больших данных
10 - BigData. Deep learning

#BigData

🎥 01. 1 - BigData. Введение в машинное обучение
👁 3415 раз ⏳ 1959 сек.


🎥 2 - BigData. Python
👁 5 раз ⏳ 8499 сек.
Лекция 2 - Python, как язык анализа данных.
В лекции сделан небольшой обзор языков и программ для анализа данных. Рассказан базовый синтаксис языка...

🎥 3 - BigData. Что такое BigData
👁 4 раз ⏳ 3792 сек.
Лекция 3 - Что такое BigData?
В лекции рассказывается о том, что же это такое. Цели, проблемы и практическая польза результатов
анализа BD на приме...

🎥 4 - BigData. OLAP. What and why
👁 3 раз ⏳ 5766 сек.
Лекция 4 - OLAP. What and why. Lightning talk.
В лекции описание OLAP. Что это? Для чего? Каковы отличия от OLTP? Небольшой экскурс в анализ данных...

🎥 5 - BigData. IoT и BigData
👁 1 раз ⏳ 4183 сек.
Лекция 5 - IoT and BigData
В лекции рассказывается о IoT and BigData. Области их пересечения, применения, основные проблемы и методы решения. Lambd...

🎥 6 - BigData. Сhallenges of classification
👁 1 раз ⏳ 3923 сек.
Лекция 6 - Сhallenges of classification
The Internet is growing at a tremendous rate. The amount of information presented is beyond human comprehen...

🎥 7 - BigData. Formal Context Analysis
👁 1 раз ⏳ 6046 сек.
Лекция 7 - Formal Concept Analysis
В этой лекции рассказывается о том, откуда возник анализ формальных понятий, для чего он используется и какие за...

🎥 8 - BigData. Регрессия
👁 2 раз ⏳ 4118 сек.
Лекция 8 - Регрессия
В лекции рассказана задача регрессии на примере классической задачи предсказания цены дома в Силиконовой Долине. Также рассмот...

🎥 9 - BigData. Хранение и анализ больших данных
👁 1 раз ⏳ 8210 сек.
Лекция 9 - Хранение и анализ больших данных
Лекция дает ответы на такие вопросы как: что такое большие данные, откуда они берутся, как их хранить, ...

​SpeechBrain
A PyTorch-based Speech Toolkit

Video, by Mirco Ravanelli : https://youtube.com/watch?v=XETiKbN9ojE

: https://speechbrain.github.io

#speechbrain #NLP #DeepLearning

🔗 The SpeechBrain Project
SpeechBrain is an open-source and all-in-one speech toolkit relying on PyTorch. The goal is to create a single, flexible, and user-friendly toolkit that can be used to easily develop state-of-the-art speech technologies

​Deploying a Deep Learning Model using Facebook Messenger with Rasa

🔗 Deploying a Deep Learning Model using Facebook Messenger with Rasa
According to the old saying, if all you have is a hammer then everything looks like a nail. The corollary of this saying is that a hammer…

#book #python

Всем привет! Сегодня мы знакомим вас с книгой "Знакомство с PyTorch: глубокое обучение при обработке естественного языка" (авторы — Брайан Макмахан, Делип Рао, год издания — 2020).

Ссылка на скачивание в нашем Telegram-канале:

Обработка текстов на естественном языке (Natural Language Processing, NLP) — крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch — библиотеку глубокого обучения для языка Python — один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP.

Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста.

В этой книге
• Вычислительные графы и парадигма обучения с учителем.
• Основы оптимизированной библиотеки PyTorch для работы с тензорами.
• Обзор традиционных понятий и методов NLP.
• Упреждающие нейронные сети (многослойный перцептрон и другие).
• Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков
• Предсказание и модели преобразования последовательностей.
• Паттерны проектирования NLP-систем, используемых в продакшене.

📝 Макмахан Б., Рао Д. - Знакомство с PyTorch (Бестселлеры O’Reilly) - 2020.pdf - 💾6 563 868

​Network Deconvolution

https://github.com/deconvolutionpaper/deconvolution

Paper: https://openreview.net/forum?id=rkeu30EtvS

🔗 deconvolutionpaper/deconvolution
Contribute to deconvolutionpaper/deconvolution development by creating an account on GitHub.

Нейронные сети
#Нейросети

#video

🎥 Нейронные сети Лекция 1
👁 1152 раз ⏳ 4808 сек.


🎥 Нейронные сети Лекция 2
👁 103 раз ⏳ 4875 сек.


🎥 Нейронные сети Лекция 3
👁 54 раз ⏳ 3035 сек.


🎥 Нейронные сети Лекция 4
👁 59 раз ⏳ 4726 сек.


🎥 Нейронные сети Лекция 5
👁 65 раз ⏳ 4730 сек.
Сети с обратными связями. Сети Кохонена и Гроссберга, Хопфилда. Instar и Outstar. Устойчивость (Ляпунов) для сетей Хопфилда.

🎥 Нейронные сети Лекция 6
👁 90 раз ⏳ 3174 сек.

​How to share research data on Kaggle

🔗 How to share research data on Kaggle
Are you looking for an easy way to share your research data? In this video, Dr. Rachael Tatman walks you through how to use Kaggle Datasets to share your data and highlights some features the Kaggle team has added specifically to help researchers! SUBSCRIBE: https://www.youtube.com/c/kaggle?sub_confirmation=1&utm_medium=youtube&utm_source=channel&utm_campaign=yt-sub About Kaggle: Kaggle is the world's largest community of data scientists. Join us to compete, collaborate, learn, and do your data science

​Я создал свой собственный дипфейк за две недели и $552
Создавая это видео, я научился многому

Технология дипфейков использует глубокие нейронные сети для убедительной замены на видео одного лица другим. У этой технологии есть очевидный потенциал для злонамеренного использования, и она становится всё более распространённой. По поводу социальных и политических последствий этого тренда было написано уже много хороших статей.

И это не одна из них. Вместо этого я сам поближе ознакомлюсь с этой технологией: как работает ПО для дипфейков? Насколько сложно их создавать, и насколько хорошими получаются результаты?

Я решил, что лучше всего ответить на эти вопросы, создав собственное дипфейк-видео. Редакция выделила мне сколько дней на то, чтобы поиграться с ПО и $1000 на оплату облачных вычислений. Через пару недель я получил результат, представленный на видео в начале статьи. Начал я с видео Марка Цукерберга, выступающего перед конгрессом, и заменил его лицо на лейтенант-командера Дейту (Брента Спайнера) из фильма «Звёздный путь: следующее поколение». Всего было потрачено $552.

🔗 Я создал свой собственный дипфейк за две недели и $552
Создавая это видео, я научился многому Технология дипфейков использует глубокие нейронные сети для убедительной замены на видео одного лица другим. У этой техн...

🎥 Untitled
👁 1 раз ⏳ 1886 сек.

​Учёные автоматизируют исследования поведения животных, чтобы декодировать работу мозга
Машинное обучение и глубокие нейросети способны распознать и анализировать «язык поведения» животных способами, находящимися за пределами человеческих возможностей

Для отслеживания движений животных в природной среде учёные всё чаще обращаются к методам машинного обучения (МО). На этом видео алгоритм DeepPoseKit отслеживает движение и ориентацию пустынной саранчи в замкнутом пространстве, чтобы снабдить исследователей данными по совместному поведению насекомых.

В попытках понять, что происходит в головах у животных, отправляли нейробиологов по неожиданным путям: от подглядывания непосредственно в живой мозг до управления нейронами при помощи световых вспышек, создания сложных устройств и виртуальных окружений.

В 2013 году это привело нейробиолога Боба Датту вместе с коллегами из Гарвардской медицинской школы в супермаркет Best Buy, находящийся на той же улице, что и их лаборатория.

🔗 Учёные автоматизируют исследования поведения животных, чтобы декодировать работу мозга
Машинное обучение и глубокие нейросети способны распознать и анализировать «язык поведения» животных способами, находящимися за пределами человеческих возможност...