😻 Блин парни ❤ ❤

​DeepMind Research

This repository contains implementations and illustrative code to accompany DeepMind publications

https://github.com/deepmind/deepmind-research

https://arxiv.org/abs/1910.14481v1

🔗 deepmind/deepmind-research
This repository contains implementations and illustrative code to accompany DeepMind publications - deepmind/deepmind-research

​Syncing your blog with your PC, and using your word processor

🔗 Syncing your blog with your PC, and using your word processor
With GitHub Pages you can synchronize your blog with your computer, and write posts with MS Word or Google Docs

​Lightning Fast XGBoost on Multiple GPUs

🔗 Lightning Fast XGBoost on Multiple GPUs
Without a lot of code changes

​Using Google BigQuery to Analyze Data from the EBI Small Molecules Database

🔗 Using Google BigQuery to Analyze Data from the EBI Small Molecules Database
Analyzing the European Bioinformatics Institute CheMBL Dataset

​Optuna: A hyperparameter optimization framework

Optuna is an automatic hyperparameter optimization software framework, particularly designed for machine learning.

Code: https://github.com/optuna/optuna

Paper: https://arxiv.org/abs/1907.10902v1

Tutorial: https://optuna.org/

🔗 optuna/optuna
A hyperparameter optimization framework. Contribute to optuna/optuna development by creating an account on GitHub.

​ИИ-система предупреждает пешеходов в наушниках о приближающемся автомобиле
Система безопасности для пешеходов распознаёт находящиеся неподалёку автомобили на основе производимых ими звуков

Как пешеходу в наушниках отключиться от окружающего его хаотичного мира, не поступаясь собственной безопасностью? Одно из решений может дать эквивалент системы предупреждения столкновений для пешеходов, направленный на обнаружение находящихся неподалёку автомобилей исключительно на основе звуков.

Умная система работы с наушниками использует алгоритмы машинного обучения для интерпретации звуков и предупреждения пешеходов о расположении автомобилей, находящихся на расстоянии до 60 м от них. Прототип Pedestrian Audio Wearable System (PAWS) [носимой звуковой системы для пешеходов] может определять местоположение, но не траекторию находящегося поблизости автомобиля — не говоря уже о траектории нескольких машин. И всё-таки это первый шаг к созданию вероятной системы безопасности, направленной в первую очередь на пешеходов, учитывая, что количество пешеходов, погибших на дорогах США в 2018 году достигло максимума за три последних десятилетия [в России число погибших в ДТП падает уже несколько лет подряд на фоне роста автопарка / прим. перев.].

🔗 ИИ-система предупреждает пешеходов в наушниках о приближающемся автомобиле
Система безопасности для пешеходов распознаёт находящиеся неподалёку автомобили на основе производимых ими звуков Как пешеходу в наушниках отключиться от окруж...

​DiffTaichi: Differentiable Programming for Physical Simulation

https://github.com/yuanming-hu/difftaichi

https://arxiv.org/abs/1910.00935v2

🔗 yuanming-hu/difftaichi
10 differentiable physical simulators built with Taichi differentiable programming (DiffTaichi, ICLR 2020) - yuanming-hu/difftaichi

​Apparently Groq hardware is already in the cloud
https://groq.com/nimbix/

🔗 Groq | Nimbix
Simplify Compute, Everywhere.

Как Open Source проект помогает найти заблудившихся в лесу людей с помощью нейросетей и компьютерного зрения:

https://habr.com/ru/company/ods/blog/483616/

​Data project checklist

🔗 Data project checklist
There's a lot more to creating useful data projects than just training an accurate model

​PointRend: Image Segmentation as Rendering

https://github.com/JamesQFreeman/PointRend

https://arxiv.org/abs/1912.08193v1

🔗 JamesQFreeman/PointRend
an numpy-based implement of PointRend. Contribute to JamesQFreeman/PointRend development by creating an account on GitHub.

​A Primer on the Fundamental Concepts of Neuroevolution

🔗 A Primer on the Fundamental Concepts of Neuroevolution
An extensive introduction into neuroevolution, its theoretic foundations and the landmark research of the field.

​Reducing Tensorflow Debugging Time by 90 Percent

🔗 Reducing Tensorflow Debugging Time by 90 Percent
Introduce the VeriTensor code method that you can apply to your Tensorflow code to make debugging more effective.

🎥 Privacy Preserving AI (Andrew Trask) | MIT Deep Learning Series
👁 1 раз ⏳ 4431 сек.
Lecture by Andrew Trask in January 2020, part of the MIT Deep Learning Lecture Series.

Website: https://deeplearning.mit.edu
Slides: http://bit.ly/38jzide
Playlist: http://bit.ly/deep-learning-playlist

LINKS:
Andrew Twitter: https://twitter.com/iamtrask
OpenMined: https://www.openmined.org/
Grokking Deep Learning (book): http://bit.ly/2RsxlUZ

OUTLINE:
0:00 - Introduction
0:54 - Privacy preserving AI talk overview
1:28 - Key question: Is it possible to answer questions using data we cannot see?
5:56 - Too

​How to Use Undersampling Algorithms for Imbalanced Classification

🔗 How to Use Undersampling Algorithms for Imbalanced Classification
Resampling methods are designed to change the composition of a training dataset for an imbalanced classification task. Most of the attention of resampling methods for imbalanced classification is put on oversampling the minority class. Nevertheless, a suite of techniques has been developed for undersampling the majority class that can be used in conjunction with effective …

​DeeperForensics-1.0: A Large-Scale Dataset for Real-World Face Forgery Detection

https://github.com/EndlessSora/DeeperForensics-1.0

https://arxiv.org/abs/2001.03024v1

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 EndlessSora/DeeperForensics-1.0
Code, model and data of DeeperForensics-1.0 will be made publicly available here. - EndlessSora/DeeperForensics-1.0

Введение в ML для Java-разработчиков https://www.youtube.com/watch?v=OhRlXym5oCE

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 Введение в ML для Java-разработчиков #4 / Spark [Технострим]
👁 1 раз ⏳ 5922 сек.
Лекция №4 "Spark"
Курс "Введение в ML для Java-разработчиков"
Технополис Mail.Ru Group, СПбПУ Петра Великого

Другие лекции курса: http://bit.ly/2NoqZ83

📝ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/36S2U17

Цель курса — познакомить начинающих java-разработчиков со сферой машинного обучения и основным стеком технологий и инструментами, которые используются исследователями при работе в высоконагруженных системах.

👨‍💻ВМЕСТЕ С ЭТИМ КУРСОМ РЕКОМЕНДУЕМ ИЗУЧИТЬ:
Курс "Безопасность интернет-приложени

​Machine Learning and Security — C. Chio, D. Freeman 2019

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Chio C., Freeman D. - Machine Learning and Security.pdf - 💾6 673 606