​Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 30 — 31
предыдущие главы
30 Интерпретация кривой обучения: Большое смещение
Предположим, ваша кривая ошибок на валидационной выборке выглядит следующим образом:

Мы уже говорили, что если ошибка алгоритма на валидационной выборке вышла на плато, вы вряд ли сможете достигнуть желаемого уровня качества просто добавляя данные.
Но трудно предположить, как будет выглядеть экстраполяция кривой зависимости качества алгоритма на валидационной выборке (Dev error) при добавлении данных. А если валидационная выборка маленькая, то ответить на этот вопрос еще сложнее из-за того, что кривая может быть зашумлена (иметь большой разброс точек).
Предположим, мы добавили на наш график кривую зависимости величины ошибки от количества данных тестовой выборки и получили следующую картину:

🔗 Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 30 — 31
предыдущие главы 30 Интерпретация кривой обучения: Большое смещение Предположим, ваша кривая ошибок на валидационной выборке выглядит следующим образом: Мы уже...

​Tableau в рознице, реально?
Время отчётности в Excel стремительно уходит — тренд на удобные инструменты представления и анализа информации виден во всех сферах. Мы давно обсуждали внутри цифровизацию построения отчётности и выбрали систему визуализации и self-service аналитики Tableau. Александр Безуглый, руководитель отдела аналитических решений и отчётности Группы «М.Видео-Эльдорадо», рассказал об опыте и итогах построения боевого дашборда.

Скажу сразу, не все, что было задумано, удалось реализовать, но опыт был интересный, надеюсь, он будет полезен и вам. А если у кого-то возникнут идеи, как можно было сделать лучше – буду очень признателен за советы и идеи.

Под катом о том, с чем мы столкнулись и о чем узнали.

🔗 Tableau в рознице, реально?
Время отчётности в Excel стремительно уходит — тренд на удобные инструменты представления и анализа информации виден во всех сферах. Мы давно обсуждали внутри ци...

​Keras Functional API в TensorFlow

В Keras есть два API для быстрого построения архитектур нейронных сетей Sequential и Functional. Если первый позволяет строить только последовательные архитектуры нейронных сетей, то с помощью Functional API можно задать нейронную сеть в виде произвольного направленного ациклического графа, что дает намного больше возможностей для построения сложных моделей. В материале перевод руководства, посвященного особенностям Functional API, с сайта TensorFlow.

🔗 Keras Functional API в TensorFlow
В Keras есть два API для быстрого построения архитектур нейронных сетей Sequential и Functional. Если первый позволяет строить только последовательные архитект...

​Что влияет на выдачу кредита. Обзор Home Credit Default Risk
Рассмотрим, как работают алгоритмы в банковском скоринге, какие метрики используются и какие параметры заемщика влияют на то, выдадут кредит или нет. В статье описывается прошедший конкурс с kaggle по предсказанию вероятности дефолта и приводятся влияющие на риск дефолта параметры.

Ошибка первого и второго рода
Цель банка – заработать деньги. Первый риск, с которым сталкивается кредитная организация — дать кредит заемщику, который допустит дефолт. Дефолт может иметь разным причины, от финансовых трудностей заемщика, и заканчивая фродом.

Для банка это — ошибка первого рода.

Но если банк будет вести жесткую политику, и никому не выдает кредиты, даже тем, кто вернул бы деньги, то банк не заработает на процентах. Отказ в кредите ответственному заемщику – ошибка второго рода.

Для оценки качества принимаемых алгоритмом решений, используется коэффициент Джини (GINI). В экономике и в Data Science коэффициент Gini имеет разную интерпретацию. Для кредитного скоринга он рассчитывается, как

GINI = 2 ROC AUC — 1

Для оценки банковского скоринга используется стандартная ROC AUC кривая!

🔗 Что влияет на выдачу кредита. Обзор Home Credit Default Risk
Рассмотрим, как работают алгоритмы в банковском скоринге, какие метрики используются и какие параметры заемщика влияют на то, выдадут кредит или нет. В статье оп...

​How To Get Free GPU Hardware

🔗 How To Get Free GPU Hardware
And what to do when you outgrow it

​Top 3 Resources to Learn Machine Learning

🔗 Top 3 Resources to Learn Machine Learning
Looking for a course in applied machine learning? Or something bit more theoretical? Start here.

​Peering into the genome of brain tumor - Neuroscience News

🔗 Peering into the genome of brain tumor - Neuroscience News
A new convolutional neural network that utilizes MRI brain scans can forecast genetic mutations in glioma brain tumors.

​Named-Entity-Recognition-NER-Papers
By Pengfei Liu, Jinlan Fu and other contributors: https://github.com/pfliu-nlp/Named-Entity-Recognition-NER-Papers

🔗 pfliu-nlp/Named-Entity-Recognition-NER-Papers
An elaborate and exhaustive paper list for Named Entity Recognition (NER) - pfliu-nlp/Named-Entity-Recognition-NER-Papers

​THE AMALGAMATION OF DATA SCIENCE AND NEUROSCIENCE
https://www.analyticsinsight.net/the-amalgamation-of-data-science-and-neuroscience/

🔗 The Amalgamation of Data Science and Neuroscience | Analytics Insight
The key neuro- science idea driving the weakness of minds is "normal statistics." It would seem animal brains advanced to work in natural habitats, and they likewise adapt best in those equivalent situations.

Как стать Data Engineer в 2020 году.

https://youtu.be/vNNoNs_VeWc

🎥 How to Become a Data Engineer in 2020
👁 1 раз ⏳ 502 сек.
How to Become a Data Engineer in 2020? | Check out the ultimate guide http://bit.ly/34DPiFj to find out or watch this video. We'll talk about becoming a data engineer in 2020, focusing on who the data engineer is, what they do, how much they make, and what education and skills you need to become one.

0:58 ENROLL THE 365 DATA SCIENCE PROGRAM WITH 20% OFF DISCOUNT http://bit.ly/2CfNztx

8:05 LINK TO ‘’STARTING A CAREER IN DATA SCIENCE: THE ULTIMATE GUIDE’’ http://bit.ly/34DPiFj

Who’s the data engineer and

​Top 21 Machine Learning Project Ideas for 2020 [Source Code Included] - DataFlair

🔗 Top 21 Machine Learning Project Ideas for 2020 [Source Code Included] - DataFlair
Check out machine learning project ideas for beginners, intermediates, and experts to gain practical experience and to make yourself job ready.

​Роботы DogBot компании React Robotics готовят революцию в строительной отрасли
Сегодня СМИ нередко пишут о четвероногих роботах. Сообщается, какие новые функции и возможности они получили и насколько приблизились к своим прототипам. Но один вопрос всегда оставался не раскрытым до конца: как наделить их интеллектом, научить самостоятельно ориентироваться в окружающем мире? Как и где можно применять подобные четвероногие машины помимо подключения этих роботов к разбору завалов в результате различных чрезвычайных происшествий и катастроф, а также военного использования? Компания Boston Dynamics уже показала, как один из ее роботов SpotMini проводит инспекцию на строительной площадке. И это не единственный подобный пример.

🔗 Роботы DogBot компании React Robotics готовят революцию в строительной отрасли
Сегодня СМИ нередко пишут о четвероногих роботах. Сообщается, какие новые функции и возможности они получили и насколько приблизились к своим прототипам. Но один...

​Detectron2 is Facebook AI Research's next generation software system that implements state-of-the-art object detection algorithms. It is a ground-up rewrite of the previous version, Detectron, and it originates from maskrcnn-benchmark.

https://github.com/facebookresearch/detectron2

https://detectron2.readthedocs.io/

https://github.com/facebookresearch/maskrcnn-benchmark/

🔗 facebookresearch/detectron2
Detectron2 is FAIR's next-generation research platform for object detection and segmentation. - facebookresearch/detectron2

​On the Relationship between Self-Attention and Convolutional Layers

https://github.com/epfml/attention-cnn

https://arxiv.org/abs/1911.03584v2

🔗 epfml/attention-cnn
Source code for "On the Relationship between Self-Attention and Convolutional Layers" - epfml/attention-cnn

​op free Data Science resources

1. CS109 Data Science
http://cs109.github.io/2015/pages/videos.html

2. Data Science Essentials
https://www.edx.org/course/data-science-essentials

3. Learning From Data from California Institute of Technology
http://work.caltech.edu/telecourse

4. Mathematics for Machine Learning by University of California, Berkeley
https://gwthomas.github.io/docs/math4ml.pdf?fbclid=IwAR2UsBgZW9MRgS3nEo8Zh_ukUFnwtFeQS8Ek3OjGxZtDa7UxTYgIs_9pzSI

5. Foundations of Data Science by Avrim Blum, John Hopcroft, and Ravindran Kannan
https://www.cs.cornell.edu/jeh/book.pdf?fbclid=IwAR19tDrnNh8OxAU1S-tPklL1mqj-51J1EJUHmcHIu2y6yEv5ugrWmySI2WY

6. Python Data Science Handbook
https://jakevdp.github.io/PythonDataScienceHandbook/?fbclid=IwAR34IRk2_zZ0ht7-8w5rz13N6RP54PqjarQw1PTpbMqKnewcwRy0oJ-Q4aM

7. CS 221 ― Artificial Intelligence
https://stanford.edu/~shervine/teaching/cs-221/

8. Ten Lectures and Forty-Two Open Problems in the Mathematics of Data Science
https://ocw.mit.edu/courses/mathematics/18-s096-topics-in-mathematics-of-data-science-fall-2015/lecture-notes/MIT18_S096F15_TenLec.pdf

9. Python for Data Analysis by Boston University
https://www.bu.edu/tech/files/2017/09/Python-for-Data-Analysis.pptx

10. Data Mining bu University of Buffalo
https://cedar.buffalo.edu/~srihari/CSE626/index.html?fbclid=IwAR3XZ50uSZAb3u5BP1Qz68x13_xNEH8EdEBQC9tmGEp1BoxLNpZuBCtfMSE

🔗 Class Material

🎥 Семинар 3 - Time Series в акселерометрии: RIDI, IONet и RoNIN
👁 1 раз ⏳ 611 сек.
Запись на следующие семинары: http://mipt.ai/seminar
По всем вопросам пишите нам на info@mipt.ai
В этом мини-семинаре Тамаз Гадаев (исследователь группы Time Series Analysis Лаборатории машинного интеллекта) рассказывает про машинное обучение в задаче восстановления траектории объекта по IMU системе. Рассматриваются Robust IMU Double Integration(RIDI), IONet и Robust Neural Inertial Navagation in the Wild(RONIN).

https://vk.com/miptai - презентации и полезные материалы можно найти в нашей группе ВКонтакте

​A marriage of microscopy and machine learning

https://www.broadinstitute.org/news/marriage-microscopy-and-machine-learning

🔗 A marriage of microscopy and machine learning
Anne Carpenter and her lab are helping to transform cell imaging into a data science.

🎥 Choosing the best language for your machine learning solution: From R to Python | BRK2019
👁 2 раз ⏳ 2689 сек.
Creating a machine learning solution involves a number of complex decisions, from architecture, to algorithm selection, to the program and modeling language you choose. With varying capabilities, packages, and community support how do you know which language will best fit your need? This session introduces you to two of the most popular modeling languages - R and Python - and helps you understand

🎥 Марафон по HTML верстке 13-16 января. День 2. Как зарабатывать на фрилансе
👁 1 раз ⏳ 0 сек.
День 2. Вы узнаете, как зарабатывать на фрилансе, и получите пошаговый план. Сверстаем внутреннюю страницу сайта-порфолио.

Участвовать в марафоне: https://vk.com/app5898182_-40137828#u=837802&s=598630&force=1
Группа интенсива: https://vk.com/webstart1
Чат участников: https://vk.me/join/AJQ1d/UMVxZ4BuojBWW32OCV
Макет для 2-го дня: https://vk.cc/afcANs


::: О ПРОЕКТЕ :::::::::::::::::::::::::::::::::::::

Меня зовут Юрий Ключевский. Я занимаюсь разработкой сайтов уже много лет, специализируюсь на front-en

​Deep Learning for Person Re-identification: A Survey and Outlook

https://github.com/mangye16/ReID-Survey

ModeL: https://github.com/mangye16/Cross-Modal-Re-ID-baseline

Paper: https://arxiv.org/abs/2001.04193v1

🔗 mangye16/ReID-Survey
Deep Learning for Person Re-identification: A Survey and Outlook - mangye16/ReID-Survey