​This Robot Arm Learned To Assemble Objects It Hasn’t Seen Before

🔗 This Robot Arm Learned To Assemble Objects It Hasn’t Seen Before
❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambdalabs.com/papers 📝 The paper "Form2Fit: Learning Shape Priors for Generalizable Assembly from Disassembly" is available here: https://form2fit.github.io/ ❤️ Watch these videos in early access on our Patreon page or join us here on YouTube: - https://www.patreon.com/TwoMinutePapers - https://www.youtube.com/channel/UCbfYPyITQ-7l4upoX8nvctg/join  🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possi

​2019’s Top Open Source Machine Learning Projects
https://heartbeat.fritz.ai/2019s-top-open-source-machine-learning-projects-3cd082a02f78

🔗 2019’s Top Open Source Machine Learning Projects
Voice cloning, GANs, adaptive learning rates, and more

🎥 Базовые команды Linux [ping, pwd, mkdir, cd ]
👁 1 раз ⏳ 116 сек.
Рассмотрим на дистрибутиве Kali Linux самые базовые команды и утилиты, такие как:
1)uname -a
2)clear
3)whoami
4)top
5)ping
6)su -
7)exit
8)sudo apt update
9)sudo apt upgrade
10)history
11)df
12)pwd
13)ls
14)touch
15)echo
16)nano
17)cd
18)cp
19)mv
20)rm
21)mkdir
22)rmdir
23)cat

​The Decade of Deep Learning
https://leogao.dev/2019/12/31/The-Decade-of-Deep-Learning/

🔗 The Decade of Deep Learning
As the 2010’s draw to a close, it’s worth taking a look back at the monumental progress that has been made in Deep Learning in this decade.[1] Driven by the development of ever-more powerful compute

​From deep learning to mechanistic understanding in neuroscience: the structure of retinal prediction

Tanaka et al.: https://papers.nips.cc/paper/9060-from-deep-learning-to-mechanistic-understanding-in-neuroscience-the-structure-of-retinal-prediction

🔗 From deep learning to mechanistic understanding in neuroscience: the structure of retinal prediction
Electronic Proceedings of Neural Information Processing Systems

​Живой бот, часть 1
Представляю новый рассказ о том, как один разработчик создал чат-бот самого себя и что из этого вышло. Pdf версию можно скачать здесь.

У меня был друг. Единственный друг. Таких друзей больше не может быть. Они появляются только в юности. Мы вместе учились еще в школе, в параллельных классах, но общаться начали, когда поняли, что поступили на один факультет нашего университета. Сегодня его не стало. Ему было, как и мне, 35. Его звали Макс. Мы все делали вместе, он всегда был веселым и легкомысленным, а я был его угрюмым антиподом, поэтому мы могли спорить часами. К сожалению, легкомысленно Макс относился не только к происходящему, но и к своему здоровью. Ел один фастфуд за редким исключением, когда его приглашали в гости. Это была его философия – он не хотел тратить время на примитивные биологические потребности. Он не обращал внимания и на свои болячки, считая их личным делом своего организма, поэтому не стоит ему мешать. Но однажды ему пришлось пойти в поликлинику, а после обследования ему поставили фатальный диагноз. Максу оставалось жить не больше года. Это был удар для всех, но больше всего для меня. Я не знал, как теперь с ним общаться, когда знаешь, что через несколько месяцев его не станет. Но он неожиданно сам перестал общаться, на все попытки поговорить отвечал, что ему некогда, надо успеть сделать какое-то очень важное дело. На вопрос «какое дело?» отвечал, что я узнаю сам, когда придет время. Когда вся в слезах позвонила его сестра, я все понял и сразу спросил, не оставил ли он что-то для меня. Ответ был отрицательным. Тогда я спросил, знает ли она чем он был занят в последние месяцы. Ответ был тем же.

🔗 Живой бот, часть 1
Представляю новый рассказ о том, как один разработчик создал чат-бот самого себя и что из этого вышло. Pdf версию можно скачать здесь. У меня был друг. Единстве...

​Multiprocessing и реконсиляция данных из различных источников
Привет, Хабр!

В условиях многообразия распределенных систем, наличие выверенной информации в целевом хранилище является важным критерием непротиворечивости данных.

На этот счет существует немало подходов и методик, а мы остановимся на реконсиляции, теоретические аспекты которой были затронуты вот в этой статье. Предлагаю рассмотреть практическую реализацию данной системы, масштабируемой и адаптированной под большой объем данных.

Как реализовать этот кейс на старом-добром Python — читаем под катом! Поехали!

(Источник картинки)

🔗 Multiprocessing и реконсиляция данных из различных источников
Привет, Хабр! В условиях многообразия распределенных систем, наличие выверенной информации в целевом хранилище является важным критерием непротиворечивости дан...

​Form2Fit: Learning Shape Priors for Generalizable Assembly

https://form2fit.github.io/

🔗 Form2Fit
Learning generalizable policies for robotic kit assembly.

​Athena: A Framework for Defending Machine Learning Systems Against Adversarial Attacks

https://github.com/softsys4ai/athena

Paper: https://arxiv.org/abs/2001.00308v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 softsys4ai/athena
Athena: A Framework for Defending Machine Learning Systems Against Adversarial Attacks - softsys4ai/athena

​2019 — Year of BERT and Transformer

🔗 2019 — Year of BERT and Transformer
A short post about BERT and NLP projects in 2019

​14 Deep Learning Uses that blasted me away 2019

🔗 14 Deep Learning Uses that blasted me away 2019
BigGAN, CycleGAN, StyleGAN, GauGAN, Artbreeder, DeOldify etc.: My very personal list (incl. BONUS).

🎥 PyTorch Tutorial 09 - Dataset and DataLoader - Batch Training
👁 4 раз ⏳ 927 сек.
Learn all the basics you need to get started with this deep learning framework! In this part we see how we can use the built-in Dataset and DataLoader classes and improve our pipeline with batch training. See how we can write our own Dataset class and use available built-in datasets.

- Dataset and DataLoader
- Automatic batch calculation
- Batch optimization in training loop

Part 09: Dataset and DataLoader

If you enjoyed this video, please subscribe to the channel!

Official website:
https://pytorch.org

​MattiooFR/log-maker-100-days

🔗 MattiooFR/log-maker-100-days
This is a log.md generator for 100DaysOfCode Challenge. - MattiooFR/log-maker-100-days

​Are LSTMs Always Effective At Time Series Analysis? A Case Study of Oil Prices

🔗 Are LSTMs Always Effective At Time Series Analysis? A Case Study of Oil Prices
There has been much speculation as to whether models such as LSTM can be used to forecast asset prices — in this example, oil.

​Twitter analysis of the #AIDebate

By Samira A.Rahimi and Peyman Ghasemi, GitHub : https://github.com/rahimi-s-lab/Twitter-AI-Debate

#Emotion #Twitter #Visualization #WordsCloud

🔗 rahimi-s-lab/Twitter-AI-Debate
Contribute to rahimi-s-lab/Twitter-AI-Debate development by creating an account on GitHub.

​Scanned Document Classification using Computer Vision

🔗 Scanned Document Classification using Computer Vision
A deep learning approach to address the scanned document classification problem

Neural Style Transfer : From Theory to Pytorch Implementation

https://www.youtube.com/watch?v=c3kL9yFGUOY

🎥 Neural Style Transfer : From Theory to Pytorch Implementation
👁 4 раз ⏳ 3085 сек.
In this video I'll introduce you to neural style transfer, a cool way to use deep neural network to manipulate photo to yield beautiful automatically generated new photos! This is a fairly lengthy videos so here is the breakdown if you need to move around a bit:


Introduction: 0:00:00
Tools: 0:00:32
Resource: 0:01:01
Paper Overview from Leon A. Gatys, Alexander S. Ecker, Matthias Bethge: 0:02:30
Code from Pytorch Documentation Walkthrough: 0:20:23
Conclusion: 0:50:00

Here are the resources used in this v

🎥 What Needs to be Added to Machine Learning?
👁 1 раз ⏳ 3607 сек.
Leslie Valiant (Harvard)

TAU Theory-Fest
Tel Aviv University
29-30.12.19

Stacked DeBERT: All Attention in Incomplete Data for Text Classification

https://github.com/gcunhase/StackedDeBERT

Papaer https://arxiv.org/abs/2001.00137v1

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

​Можно ли доверять медицинским советам ботов? Доктора пока не уверены в этом
Компания Babylon Health, капитализация которой оценивается в $2 млрд, предлагает услуги чатбота, дающего медицинские советы на основе описываемых симптомов. Его использовали уже 1,7 млн раз. Однако эксперты волнуются, что он работает не совсем так, как обещают в рекламе.

Хэмиш Фрейзер впервые столкнулся с Babylon Health в 2017 году, когда они с коллегой для статьи в Wired помогали проверять точность диагнозов нескольких систем на базе ИИ, работающих по симптомам, и предназначенных для выдачи советов любому человеку, имеющему смартфон. Среди конкурентов с распознаванием распространённых болезней, включая астму и опоясывающий лишай, худшей оказалась программа проверки симптомов от Babylon Health. Фрейзер, который тогда работал инспектором по информатике здоровья в Лидском университете в Англии, заключил, что компании нужно очень серьёзно улучшать свой сервис, чтобы не уйти с рынка.

🔗 Можно ли доверять медицинским советам ботов? Доктора пока не уверены в этом
Компания Babylon Health, капитализация которой оценивается в $2 млрд, предлагает услуги чатбота, дающего медицинские советы на основе описываемых симптомов. Его...