​Kaggle Days Tokyo: Highlights | Kaggle Days

🔗 Kaggle Days Tokyo: Highlights | Kaggle Days
Kaggle Days Tokyo took place on December 11-12, 2019 at Mori Tower, Roppongi Hills, Tokyo. This was the 6th edition of our signature two-day event featuring Master and Grandmaster speakers, and a live, all-day Kaggle Competition. Visit the "Kaggle Days Tokyo" Playlist for specific sessions from this event. This edition was sponsored by Google Cloud (GCP), Data Science Dojo, and DeNA. Kaggle Days is produced by LogicAI and Kaggle. About LogicAI: LogicAI is a boutique Data Science consultancy company o

​New results in photo colorization
https://twitter.com/citnaj/status/1219156481762713602?s=19

🔗 Jason Antic on Twitter
1/ This time I just have a single image here. It was taken in 1900 in New York City, and it's of course colorized by my latest and greatest and unreleased DeOldify model. I've done this one before but it's great to test the model on high resolution renders.

🎥 Нейронная сеть обучение без учителя (алгоритм обучения Хебба) на JavaScript
👁 1 раз ⏳ 1815 сек.
Вот мы дошли до обучения нейронных сетей без учителя. В данном видео представлен алгоритм обучения Хебба.

Geoffrey Hinton - On the Nature of Intelligence

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

🎥 Geoffrey Hinton - On the Nature of Intelligence
👁 1 раз ⏳ 894 сек.
This talk is from the Creative Destruction Lab's fourth annual conference, "Machine Learning and the Market for Intelligence", hosted at the University of Toronto's Rotman School of Management on October 23, 2018.

​Мониторинг работы кредитного скоринга в Power BI
В условиях когда большая часть заявок на кредит рассматривается автоматически, мониторинг становится особенно важным. Всё ли работает в штатном режиме, как меняются ключевые показатели, какие изменения нужно внести, чтобы добиться нужного результата?

В статье я расскажу, как мы мониторим кредитный конвейер с помощью Power BI, какие отчеты и метрики используем для оценки качества выдач.

Ключевые показатели внутри дня

🔗 Мониторинг работы кредитного скоринга в Power BI
В условиях когда большая часть заявок на кредит рассматривается автоматически, мониторинг становится особенно важным. Всё ли работает в штатном режиме, как меняю...

​PySpark Training | PySpark Tutorial For Beginners | Apache Spark With Python Tutorial | Simplilearn

🔗 PySpark Training | PySpark Tutorial For Beginners | Apache Spark With Python Tutorial | Simplilearn
This video on PySpark Tutorial will help you understand what PySpark is, the different features of PySpark, and the comparison of Spark with Python and Scala. Then, you will learn the various PySpark contents - SparkConf, SparkContext, SparkFiles, RDD, StorageLevel, DataFrames, Broadcast and Accumulator. You will get an idea about the various subpackages in PySpark. Finally, you will look at a demo using PySpark SQL to analyze Walmart Stocks data. Now, let's dive into learning PySpark in detail.

1. What is PySpark? 00:31
2. PySpark Features 06:30
3. PySpark with Python and Scala 07:22
4. PySpark Contents 09:03
5. PySpark Subpackages 48:39
6. Companies using PySpark 49:45
7. Demo using PySpark 50:17

To learn more about Spark, subscribe to our YouTube channel: https://www.youtube.com/user/Simplilearn?sub_confirmation=1

Watch more videos on Spark Training: https://www.youtube.com/playlist?list=PLEiEAq2VkUUK3tuBXyd01meHuDj7RLjHv

#SparkTutorial #SparkTut

​Интеллект — способность объекта адаптировать свое поведение к окружающей среде с целью своего сохранения (выживания)
Аннотация
Весь мир только и делает, что говорит об Искусственном Интеллекте, но при этом — вот же парадокс! — определения, собственно, «интеллекта» (даже не искусственного, а вообще) — общепринятого, понятного, логично структурированного и глубокого до сих пор нет! Почему бы не взять на себя смелость — попытаться найти и предложить такое определение? Ведь определение — это фундамент, на котором выстраивается все остальное, верно? Как же мы строим ИИ, если всяк по-разному видит то, что должно лежать в основе? Поехали…

Ключевые слова: интеллект, способность, свойство, объект, адаптация, поведение, окружающая среда, сохранение, выживание.

Для описания существующих определений интеллекта использована статья «A Collection of Definitions of Intelligence» (S. Legg, M. Hutter. A Collection of Definitions of Intelligence (2007), arxiv.org/abs/0706.3639), цитаты из которой представлены вместе с комментариями (курсив).

🔗 Интеллект — способность объекта адаптировать свое поведение к окружающей среде с целью своего сохранения (выживания)
Аннотация Весь мир только и делает, что говорит об Искусственном Интеллекте, но при этом — вот же парадокс! — определения, собственно, «интеллекта» (даже не иску...

​The Reciprocal Bayesian LASSO

https://github.com/himelmallick/BayesRecipe

https://arxiv.org/abs/2001.08327v1

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 himelmallick/BayesRecipe
Bayesian Reciprocal Regularization. Contribute to himelmallick/BayesRecipe development by creating an account on GitHub.

​Amazon Uses Self-Learning to Teach Alexa to Correct its Own Mistakes

🔗 Amazon Uses Self-Learning to Teach Alexa to Correct its Own Mistakes
The digital assistant incorporates a reformulation engine that can learn to correct responses in real time based on customer interactions .

​Validation Set Over-fitting because of Random Initialization & Selection Bias

🔗 Validation Set Over-fitting because of Random Initialization & Selection Bias
Does “Early-Stopping” really ensure the AI model generalization?

​GANs and Inefficient Mappings

🔗 GANs and Inefficient Mappings
How GANs tie themselves in knots and why that impairs both training and quality

​Oracle Machine Learning Overview

🔗 Oracle Machine Learning Overview
Oracle Machine Learning: Overview
Introduction to Oracle Machine Learning
Autonomous Database
OML
Components for Machine Learning

​In today’s brand new tutorial you will learn how to utilize YOLO and Tiny-YOLO for near real-time object detection on the Raspberry Pi with a Movidius NCS (with source code):

https://www.pyimagesearch.com/2020/01/27/yolo-and-tiny-yolo-object-detection-on-the-raspberry-pi-and-movidius-ncs/

🔗 YOLO and Tiny-YOLO object detection on the Raspberry Pi and Movidius NCS - PyImageSearch
Learn how to utilize YOLO and Tiny-YOLO for near real-time object detection on the Raspberry Pi with a Movidius NCS.

​Как преодолеть страх и начать использовать Azure Machine Learning
Я знаю многих Data Scientist-ов — да и пожалуй сам к ним отношусь — которые работают на машинах с GPU, локальных или виртуальных, расположенных в облаке, либо через Jupyter Notebook, либо через какую-то среду разработки Python. Работая в течение 2 лет экспертом-разработчиком по AI/ML я делал именно так, при этом подготавливал данные на обычном сервере или рабочей станции, а запускал обучение на виртуалке с GPU в Azure.
Конечно, мы все слышали про Azure Machine Learning — специальную облачную платформу для машинного обучения. Однако после первого же взгляда на вводные статьи, создаётся впечатление, что Azure ML создаст вам больше проблем, чем решит. Например, в упомянутом выше обучающем примере обучение на Azure ML запускается из Jupyter Notebook, при этом сам обучающий скрипт предлагается создавать и редактировать как текстовый файл в одной из ячеек — при этом не используя автодополнение, подсветку синтаксиса и другие преимущества нормальной среды разработки. По этой причине мы долгое время всерьез не использовали Azure ML в своей работе.
Однако недавно я обнаружил способ, как начать эффективно использовать Azure ML в своей работе! Интересны подробности?

🔗 Как преодолеть страх и начать использовать Azure Machine Learning
Я знаю многих Data Scientist-ов — да и пожалуй сам к ним отношусь — которые работают на машинах с GPU, локальных или виртуальных, расположенных в облаке, либо че...

​Как научить телефон видеть красоту

Недавно я читал книгу о математике и о красоте людей и задумался о том, что еще десятилетие назад представление о том, как понять, что такое красота человека были достаточно примитивными. Рассуждения о том, какое лицо считается красивым с точки зрения математики сводились к тому, что оно должно быть симметричным. Также со времен эпохи возрождения были попытки описать красивые лица при помощи соотношений между расстояниями в каких-то точках на лице и показать, например, что у красивых лиц какое-то отношение близко к золотому сечению. Подобные идеи о расположении точек сейчас используются как один из способов идентификации лиц (face landmarks search). Однако как показывает опыт, если не ограничивать набор признаков положением специфичных точек на лице, можно допиться лучших результатов в целом ряде задач, включая определение возраста, пола или даже сексуальной ориентации. Уже тут видно, что острым может стоять вопрос этики публикации результатов таких исследований.

🔗 Как научить телефон видеть красоту
Недавно я читал книгу о математике и о красоте людей и задумался о том, что еще десятилетие назад представление о том, как понять, что такое красота человека бы...

​6 февраля в 20:00 мск OTUS приглашает на бесплатный вебинар онлайн-курса «Machine learning» - «Как я взял золото на Kaggle. Разбор задач» для аналитиков и разработчиков. Для регистрации пройдите тест (необходимо знание Python и математики): https://otus.pw/MQ5z/

На вебинаре Валерий Бабушкин (Competitions Grandmaster на Kaggle, top 30) разберёт несколько задач с соревнований, на которых он взял золото, и поделится секретами побед.

Будут разобраны задачи: IEEE kaggle camera identification; carvana masking challenge. Не упустите возможность задать преподавателю все интересующие вопросы!

Чтобы попасть на курс с welcome-скидкой прямо сейчас, пройдите вступительный тест: https://otus.pw/ubps/

🔗 Machine learning: современные методы анализа данных и инструменты Data Science
Курс Machine learning в OTUS с возможностью трудоустройства!

🎥 Probabilistic Deep Learning in TensorFlow: The Why and How | ODSC Europe 2019
👁 1 раз ⏳ 1740 сек.
Bayesian probabilistic techniques allow machine learning practitioners to encode expert knowledge in otherwise-uninformed models and support uncertainty in model output. Probabilistic deep learning models take this further by fitting distributions rather than point estimates to each of the weights in a neural network, allowing its builder to inspect the prediction stability for any given set of input data. Following a slew of recent technical advancements, it's never been easier to apply probabilistic model

​How to succeed in code (kernel) competitions | Dmitry Gordeev | Kaggle Days

🔗 How to succeed in code (kernel) competitions | Dmitry Gordeev | Kaggle Days
Content note: The presenter references 'Kaggle Kernels' which have recently been renamed to 'Notebooks'. Kaggle Days Tokyo took place on December 11-12, 2019 at Mori Tower, Roppongi Hills, Tokyo. This was the 6th edition of our signature two-day event featuring Master and Grandmaster speakers, and a live, all-day Kaggle Competition. This edition was sponsored by Google Cloud (GCP), Data Science Dojo, and DeNA. Kaggle Days is produced by LogicAI and Kaggle. About LogicAI: LogicAI is a boutique Data Scie

​Методы регрессионного анализа в Data Science
Накануне запуска курса «Математика для Data Science. Продвинутый курс» мы провели открытый вебинар на тему «Методы регрессионного анализа в Data Science». На нём познакомились с понятием линейных регрессий, изучили, где и как их можно применять на практике, а также узнали, какие темы и разделы математического анализа, линейной алгебры и теории вероятностей используются в этой области. Преподаватель — Петр Лукьянченко, преподаватель НИУ ВШЭ, руководитель технологических проектов.

Если мы говорим о математике в контексте Data Science, мы можем выделить три наиболее часто решаемые задачи (хотя задач, разумеется, больше):

🔗 Методы регрессионного анализа в Data Science
Накануне запуска курса «Математика для Data Science. Продвинутый курс» мы провели открытый вебинар на тему «Методы регрессионного анализа в Data Science». На нём...

​Augmenting Self-attention with Persistent Memory

It includes LSH attention, reversible network, and chunking. It has been validated with an auto-regressive task (enwik8). It also includes additional features to make the entire network pure attention all the way down.

https://github.com/lucidrains/reformer-pytorch

https://arxiv.org/abs/1907.01470v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 lucidrains/reformer-pytorch
Reformer, the efficient Transformer, in Pytorch. Contribute to lucidrains/reformer-pytorch development by creating an account on GitHub.