​Modelling the coronavirus epidemic spreading in a city with Python

🔗 Modelling the coronavirus epidemic spreading in a city with Python
Are cities prepared for epidemics?

🎥 (Deep) RL Stream #2: Let's make a system that solves a maze by looking at it
👁 1 раз ⏳ 0 сек.
Continuation of the last reinforcement learning stream, we're going to reformulate the maze class so that it can output images for every state. Then we will put together and train a Deep RL based agent that will only receive an image of the maze rather than being given its internal state. I will probably use Keras to design and fit the neural net. So excited to learn how to do this :).

SOME OF MY OTHER VIDOES:
○ Stream #1: https://www.youtube.com/watch?v=psDlXfbe6ok
○ Explaining RL to a baby: https://www.y

🎥 Yixing Huang - Compressed Sensing and Machine Learning for Limited Angle Tomography
👁 1 раз ⏳ 1606 сек.
Presentation by Yixing Huang on iterative and deep learning reconstruction summarising his Ph.D. work. The presentation includes an introduction to the iteratively re-weighted image reconstruction and dee learning reconstruction.

If you want to toggle between video and slide view, please visit this website: https://www.video.uni-erlangen.de/clip/id/12785

​ML-fairness-gym: A Tool for Exploring Long-Term Impacts of Machine Learning Systems

🔗 ML-fairness-gym: A Tool for Exploring Long-Term Impacts of Machine Learning Systems
Posted by Hansa Srinivasan, Software Engineer, Google Research Machine learning systems have been increasingly deployed to aid in high-i...

​Как заработать на распознавании эмоций

Расскажу о сабже на примере одного из проектов, которым занимался в 2019-м году, когда я ещё работал в одной известной онлайн-школе английского языка.
Вы узнаете, как мы научились по изображениям с камеры во время урока в реальном времени распознавать эмоции учителей и учеников, как использовали это в продукте, чтобы повысить удовлетворенность клиентов, сколько денег на этом потратили и заработали.
Заодно покажу, как устроен цикл разработки и внедрения моделей машинного обучения.

🔗 Как заработать на распознавании эмоций
Расскажу о сабже на примере одного из проектов, которым занимался в 2019-м году, когда я ещё работал в одной известной онлайн-школе английского языка. Вы узнает...

​Using ‘radioactive data’ to detect if a data set was used for training

https://zen.yandex.ru/media/id/5e048b1b2b616900b081f1d9/using-radioactive-data-to-detect-if-a-data-set-was-used-for-training-5e3bb0f4e92ebe152b6cad95

🔗 Using ‘radioactive data’ to detect if a data set was used for training
We have developed a new technique to mark the images in a data set so that researchers can determine whether a particular machine learning model has been trained using those images. This can help researchers and engineers to keep track of which data set was used to train a model so they can better understand how various data sets affect the performance of different neural networks. We call this

​Creating Interactive Dashboards from Jupyter Notebooks

🔗 Creating Interactive Dashboards from Jupyter Notebooks
This article discusses how to build an interactive dashboard to analyze reddit content and display interactive graphs of the result using Voilà.

​25 Lines of Python Code for Face Detection-OpenCV Technical Tutorial

https://morioh.com/p/f490fdc285b1

🔗 Morioh - Connecting with Programmers and Developers all over the World
Morioh is the place to create a Great Personal Brand, connect with Developers around the World and Grow your Career!

🎥 Moscow Python Meetup №72 in Kaspersky 30.01.2020
👁 4 раз ⏳ 8446 сек.
30 января в нашем офисе прошла встреча сообщества Moscow Python.

Программа:

25:00 "C++ Corehard Autumn 2018. Обучаем на Python, применяем на C++" — Павел Филонов, Kaspersky

1:03:42 "NLP cookbook: анализируем тексты на Python с минимальными знаниями о машинном обучении" — Петр Ермаков, Lamoda Senior Data Scientist, DataGym.ru — DataCoach

1:43:50 "Django в стартапе: от 0 до 150 000 строк кода, не жертвуя качеством" - Фёдор Борщёв, CTO ГдеМатериал

​FREE Course
Getting Started with DeepStream for Video Analytics on Jetson Nano. Here is one more free Deep learning course, you'll learn how to build an AI application for video understanding, configure multiple video streams simultaneously, and convert raw video to useful insights, using JetsonNano and DeepStream SDK.

https://courses.nvidia.com/courses/course-v1:DLI+C-IV-02+V1/

🔗 C-IV-02 Course Info | Deep Learning Institute

​A Machine Learning Project — Predicting Used Car Prices

🔗 A Machine Learning Project — Predicting Used Car Prices
A step by step guide to your first machine learning project!

​Modelling the coronavirus epidemic spreading in a city with Python

🔗 Modelling the coronavirus epidemic spreading in a city with Python
Are cities prepared for epidemics?

​Building a Deep-Learning-Powered (Baby) Name Generator

🔗 Building a Deep-Learning-Powered (Baby) Name Generator
What can Wikipedia biographies and Deep Neural Networks tell us about what’s in a name?

🎥 neural network and deep learning - 7- Geoffrey Hinton interview deeplearning ai Coursera
👁 1 раз ⏳ 2423 сек.
please subscribe my channel to get more videos
you can contact me on
email- tilahunamanuel0gmail.com
phone= +251943667727 (telegram, viber, whats up)

🎥 AI & Deep Learning with Tensor flow Tutorial with examples | IQ Trainings
👁 1 раз ⏳ 1647 сек.

​Как использовать камеры видеонаблюдения не только для слежки за злоумышленниками
Практика установки камер видеонаблюдения в городах под эгидой противодействия терроризму и предотвращения преступлений распространилась уже глобально и все набирает обороты. Например, в начале 2019 года в Москве насчитывалось более 167 тысяч камер слежения, хотя в Китае или Великобритания эту цифру могли бы посчитать смешной (для сравнения в Лондоне в 2018 году их было 642 тысячи, по Пекину актуальных данных в открытом доступе нет, но по всему Китаю сейчас работает более 176 миллионов камер).

Такое количество объективов вокруг нас невольно навевает мысли о 1984. Особенно тревожно становится, когда вспоминаешь, что развитие искусственного интеллекта вывело видеонаблюдение на новый уровень. Ведь глубокое обучение позволяет ИИ с большой точностью отличить на изображении один объект от другого. Кроме того, искусственному интеллекту не нужно спать, он не отвлекается и ничего не пропускает.

🔗 Как использовать камеры видеонаблюдения не только для слежки за злоумышленниками
Практика установки камер видеонаблюдения в городах под эгидой противодействия терроризму и предотвращения преступлений распространилась уже глобально и все набир...

​📗 Книга Agile Machine Learning: Effective Machine Learning Inspired by the Agile Manifesto (2019)

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Agile Machine Learning.pdf - 💾4 253 558

​The Data Science Interview Study Guide

🔗 The Data Science Interview Study Guide
121 resources to help you land your data science dream job

​Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 34 и 35
предыдущие главы
34. Как определить уровень качества, доступный человеку
Предположим, вы работаете над приложением обработки медицинских снимков, которое должно делать автоматическую диагностику рентгеновских снимков. Ошибка обычного человека без медицинского образования, за исключением некоторой базовой подготовки, составляет порядка 15%. Ошибка начинающего доктора около 10%. Опытный доктор ошибается в 5% случаев. Ошибка небольшой команды врачей, изучающих и обсуждающих каждый снимок не превышает 2%. Какую из этих цифр принять за «уровень качества человека»?
В этом случае, я бы принял за уровень качества, доступный человеку 2% и установил бы соответствующее оптимальное значение ошибки. Так же имеет смысл установить 2% в качестве желаемого уровня ошибки для нашей системы, поскольку это значение ошибки соответствует всем трем критериям, описанным в предыдущей главе для систем, которые позволяют сравнивать качество работы алгоритма с качеством выполнения задачи человеком:

🔗 Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 34 и 35
предыдущие главы 34. Как определить уровень качества, доступный человеку Предположим, вы работаете над приложением обработки медицинских снимков, которое должно...