🎥 PyTorch: A Modern Library for Machine Learning
👁 1 раз ⏳ 3745 сек.
TITLE: PyTorch: A Modern Library for Machine Learning
SPEAKER: Adam Paszke
DATE: 12/16/19

ABSTRACT
The recent explosion in the power and popularity of machine learning techniques has been fueled in part by the ecosystem of open source Python libraries. One of those was PyTorch, a successor to Torch7, which is rapidly becoming one of the most essential tools in every ML researcher’s toolbox.

However, research is not the end of the story. Machine learning is transforming entire fields, meaning that efficien

​Herding cats, or how not to organise your data science team.

🔗 Herding cats, or how not to organise your data science team.
Different ways of organising your data science team bring different problems and opportunities,

​AEI: Artificial ‘Emotional’ Intelligence

https://towardsdatascience.com/aei-artificial-emotional-intelligence-ea3667d8ece

🔗 AEI: Artificial ‘Emotional’ Intelligence
It all began about 2,000 years ago when Plato wrote, “All learning has an emotional base.”

🎥 DataSphere: How to build an AI from zero to learn to play and solve a tough game by Juantomás García
👁 1 раз ⏳ 1984 сек.
AbadIA: How to build an AI from zero to learn to play and solve a tough game

The process of building an AI looks like it is so glamorous but is a long process, and at the end of the day, the tasks related to the AI model are just 5% or less of the project.
We will see how to start an AI project from zero: defining the objectives, creating the architecture, building the game interfaces, massive data pipelines, defining model strategies, how to parallelize everything, etc.
The “the abbey of crime” is an adam

🎥 Machine Learning vs Artificial Intelligence | AI vs ML | Intellipaat
👁 1 раз ⏳ 1316 сек.
🔥Intellipaat Artificial Intelligence Master's course: https://intellipaat.com/artificial-intelligence-masters-training-course/
In this Machine Learning vs Artificial Intelligence or ai vs ml video you will learn about the difference between ai and machine learning also known as ml vs ai.
#machinelearningvsartificialintelligence #aivsml #ai #intellipaat #machinelearning #intellipaat

📌 Do subscribe to Intellipaat channel & get regular updates on videos: http://bit.ly/Intellipaat

🔗 Watch AI video tutorials

​Machine Learning Web Application deployment in 5 steps

🔗 Machine Learning Web Application deployment in 5 steps
You’ve built a model and an application; now it’s time to let the world see! Learn to deploy an ML web application — for free — using AWS.

🎥 Causality, Independence, and Adaptive Prediction #ibmresearch
👁 1 раз ⏳ 4173 сек.
Causality, Independence, and Adaptive Prediction

This video is published under the license of Creative common (reused allow)
Publisher: IBM Research
Source: https://www.youtube.com/watch?v=AMr7RJ4pjAQ

Invited talk at First Workshop on Bridging Causal inference, Reinforcement learning, and Transfer learning (CRT 2019) https://crt2019.github.io/

No ADS!
Continue to support the channel: https://paypal.me/aipursuit
-----------------------------------------------------------------------------------------

​Paraphrase Generation with Latent Bag of Words

Paper: https://arxiv.org/abs/2001.01941v1

Code: https://github.com/FranxYao/dgm_latent_bow/

🔗 FranxYao/dgm_latent_bow
The latent bag of words model for paraphrase generation - FranxYao/dgm_latent_bow

​From Open Set to Closed Set: Supervised Spatial Divide-and-Conquer for Object Counting

https://github.com/xhp-hust-2018-2011/S-DCNet

https://github.com/xhp-hust-2018-2011/SS-DCNet

Paper https://arxiv.org/abs/2001.01886v1

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 xhp-hust-2018-2011/S-DCNet
Implementaion of S-DCNet (ICCV 2019). Contribute to xhp-hust-2018-2011/S-DCNet development by creating an account on GitHub.

🎥 Python warm up: Blockbuster movie prediction using Machine Learning
👁 1 раз ⏳ 7101 сек.
-Introduction to Python Programming with a case study
-Data cleaning and visualization using Python
-End to End EDA and Predictive modeling with Decision trees
-Case study: Analysis of Box Office Revenue worldwide
-LIVE walk-through of Python code with Movie Blockbuster dataset
-Q&A

​Создаём SnapChat линзы с использованием pix2pix
Почти такой же заголовок носит и моя предыдущая статья, с той лишь разницей, что тогда я создавал SnapChat линзы алгоритмически, используя dlib и openCV, а сегодня хочу показать, как можно добиться результата, используя машинное обучение. Этот подход позволит не заниматься ручным проектированием алгоритма, а получать итоговое изображение прямо из нейронной сети.
Вот что мы получим:

🔗 Создаём SnapChat линзы с использованием pix2pix
Почти такой же заголовок носит и моя предыдущая статья, с той лишь разницей, что тогда я создавал SnapChat линзы алгоритмически, используя dlib и openCV, а сегод...

​Decrappifying brain images with deep learning

https://www.eurekalert.org/pub_releases/2020-01/uota-dbi010820.php

🔗 Decrappifying brain images with deep learning
To understand brain functions, it is necessary to first map how different cells and cell parts interact in three-dimensions. Doing so with existing equipment and methods has been a challenge. Researchers from the Salk Institute developed an approach using deep learning that can speed up brain image microscopy by 16 times. The team trained the deep learning system using data from University of Texas researchers and supercomputers at the Texas Advanced Computing Center.

Полный туториал по NumPy в Python для новичков.

https://youtu.be/GB9ByFAIAH4

🎥 Complete Python NumPy Tutorial (Creating Arrays, Indexing, Math, Statistics, Reshaping)
👁 4 раз ⏳ 3521 сек.
This video overviews the NumPy library. It provides background information on how NumPy works and how it compares to Python's Built-in lists. This video goes through how to write code with NumPy. It starts with the basics of creating arrays and then gets into more advanced stuff. A full video timeline can be found in the comments.

Link to code used in video: https://github.com/KeithGalli/NumPy

Feel free to watch at 1.5x to learn more quickly!

If you enjoyed this video, please consider subscribing :).

L

​SlowFast Networks for Video Recognition

https://github.com/facebookresearch/SlowFast

https://arxiv.org/abs/1812.03982v3

🔗 facebookresearch/SlowFast
PySlowFast: video understanding codebase from FAIR for reproducing state-of-the-art video models. - facebookresearch/SlowFast

​Understanding Singular Value Decomposition and its Application in Data Science
In linear algebra, the Singular Value Decomposition (SVD) of a matrix is a factorization of that matrix into three matrices.

🔗 Understanding Singular Value Decomposition and its Application in Data Science
In linear algebra, the Singular Value Decomposition (SVD) of a matrix is a factorization of that matrix into three matrices. It has some…

​How I found my current job

🔗 How I found my current job
From the debt collection agency to autonomous vehicles

🎥 Oracle Machine Learning for Python, with Demos
👁 3 раз ⏳ 4248 сек.
We learned about the Oracle Machine Learning for Python and how it integrates the advantages of Python with the scalability and performance of Oracle Database while enabling Python functionality on database data as if they were native Python objects.

Users transparently move from Python functions written for single core to overloaded functions leveraging database parallelism and scalability. Oracle Machine Learning for Python allows users to manipulate data in Oracle Database tables and views using Python

​Some of the brightest minds in #AI express their hopes for 2020🔝

Good read https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher

🔗 The Batch: Happy New Year! Hopes for AI in 2020: Yann LeCun, Kai-Fu Lee, Anima Anandkumar, Richard S
I’ve been reflecting on the NeurIPS 2019 conference, which ended on Saturday. It’s always a wonderful event, but this year I found it a bittersweet experience.

​Как обучить нейронную сеть DeepPavlov на ноутбуке с использованием GPU
В этой статье я хочу поделиться своим опытом использования данной open-source библиотеки на примере реализации одной задачи с парсингом файлов PDF/DOC/DOCX содержащих резюме специалистов.

Здесь я также опишу этапы реализации инструмента для подготовки датасета. После чего можно будет обучить модель BERT на полученном датасете в рамках задачи распознавания сущностей из текстов (Named Entity Recognition – в дальнейшем NER).

Итак, с чего начать. Естественно для начала нужно установить и настроить среду для запуска нашего инструмента. Установку я буду выполнять на Windows 10.

На Хабре уже есть несколько статей от разработчиков этой библиотеки, где как раз есть подробная инструкция по установке. А в этой статье я хотел бы собрать все воедино, от запуска и до обучения модели. Также я укажу решения некоторых проблем, с которыми я столкнулся при работе с этой библиотекой.

🔗 Как обучить нейронную сеть DeepPavlov на ноутбуке с использованием GPU
В этой статье я хочу поделиться своим опытом использования данной open-source библиотеки на примере реализации одной задачи с парсингом файлов PDF/DOC/DOCX содер...

​Эксперименты с нейронными сетями на данных сейсморазведки
Сложность интерпретации данных сейсмической разведки связана с тем, что к каждой задаче необходимо искать индивидуальный подход, поскольку каждый набор таких данных уникален. Ручная обработка требует значительных трудозатрат, а результат часто содержит ошибки, связанные с человеческим фактором. Использование нейронных сетей для интерпретации может существенно сократить ручной труд, но уникальность данных накладывает ограничения на автоматизацию этой работы.

Данная статья описывает эксперимент по анализу применимости нейронных сетей для автоматизации выделения геологических слоев на 2D-изображениях на примере полностью размеченных данных из акватории Северного моря.

Рисунок 1. Проведение акваториальной сейсморазведки (источник)

🔗 Эксперименты с нейронными сетями на данных сейсморазведки
Сложность интерпретации данных сейсмической разведки связана с тем, что к каждой задаче необходимо искать индивидуальный подход, поскольку каждый набор таких дан...