​Causal inference for data scientists: a skeptical view

🔗 Causal inference for data scientists: a skeptical view
How and why causal inference fails us

​Еженедельные семинары IBM — май 2020

🔗 Еженедельные семинары IBM — май 2020
Офис IBM продолжает серию еженедельных семинаров от ведущих российских и европейских экспертов. На это неделе нас ждем много всего интересного: 18 мая 10:00-...

​5 визуализаций, который помогут улучшить Data Story

🔗 5 визуализаций, который помогут улучшить Data Story
Статья переведена в преддверии запуска курса «Разработчик Python». Сторителлинг – один из важнейших навыков для специалистов, которые занимаются анализом данны...

​Искусственный интеллект с примерами на Python
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Искусственный интеллект с примерами на Python.pdf - 💾72 984 400

​Understanding Neural Networks

🔗 Understanding Neural Networks
This article focuses on in-depth understanding of Neural Network architecture. Later we will try to implement this in a jupyter notebook.

​End-to-End Machine Learning Project: Part-1

🔗 End-to-End Machine Learning Project: Part-1
End-to-End machine learning is concerned with preparing your data, training a model on it, and then deploying that model. The goal of this…

​Building A Simple Convolution Layer From Scratch

🔗 Building A Simple Convolution Layer From Scratch
I am going to walk through a way to implement convolution layers in C++ without the aid of any machine learning libraries. I will go over…

🎥 Лекция: суммаризация текста (03.05.2020)
👁 1 раз ⏳ 3886 сек.
Занятие ведёт Антон Астахов.
---

Deep Learning School при ФПМИ МФТИ

Официальный сайт: https://www.dlschool.org
Официальная группа ВК: https://vk....

🎥 Predictive Analysis Using Python | Learn to Build Predictive Models | Python Training | Edureka
👁 1 раз ⏳ 1657 сек.
🔥 Python Certification Training: https://www.edureka.co/data-science-python-certification-course
This Edureka video on 'Predictive Analysis Using Python' covers the concept of making predictions based on data analysis and modeling using machine learning. Following are the topics discussed in this session:
What is Predictive Analysis?
Applications of Predictive Analysis
Steps Involved in Predictive Analysis
Predictive Analysis Using Python

🔹Python Tutorial Playlist: https://goo.gl/WsBpKe
🔹Blog Series: http:

🎥 Семинар: суммаризация текста (03.05.2020)
👁 1 раз ⏳ 5552 сек.
Занятие ведёт Артём Чумаченко.

---

Deep Learning School при ФПМИ МФТИ

Официальный сайт: https://www.dlschool.org
Официальная группа ВК: https://vk.com/dlschool_mipt
Github-репозиторий: https://github.com/DLSchool/dlschool

ФПМИ МФТИ

Официальный сайт: https://mipt.ru/education/departments...
Проекты для школьников: https://mipt.ru/education/departments...
Магистратура: https://mipt.ru/education/departments...
Онлайн-магистратура "Современная комбинаторика": http://omscmipt.ru/
Онлайн-магистратура "Цифров

​Short over view of Artificial Neural Networks with examples
Page:
https://www.infinitycodex.in/

🔗 InfinityCodeX
Learn Python, Data Science, Data Analytics, Machine Learning, Deep Learning...etc & start your Artificial Intelligence career today.

​How Hugging Face achieved a 2x performance boost for Question Answering with DistilBERT in Node.js

🔗 How Hugging Face achieved a 2x performance boost for Question Answering with DistilBERT in Node.js
The TensorFlow blog contains regular news from the TensorFlow team and the community, with articles on Python, TensorFlow.js, TF Lite, TFX, and more.

Здравствуйте.
Хотел узнать алгоритм действий по следующей задаче компьютерного зрения:
Необходимо осуществить достаточно тривиальную задачу по распознаванию номерных знаков в режиме реального времени.
Имеется датасет из фотографий авто в размере 3761шт.
Подскажите, пожалуйста, с чего начать и как это реализовать ?
Спасибо.

​Сознание это просто или что не так с временем

🔗 Сознание это просто или что не так с временем
В данной статье простым языком объясняется, почему некоторые аспекты сознания на самом деле легко поддаются понимаю. Можно даже приблизиться к пониманию физичес...

​3 ловушки, в которые попадают начинающие Data Scientist

🔗 3 ловушки, в которые попадают начинающие Data Scientist
Вот что может случиться, если плохо знаешь математику. Привет! Это Петр Лукьянченко, автор и руководитель онлайн-курсов «Математика для Data Science» в OTUS.

🎥 A Spatiotemporal Epidemic Model to Quantify the Effects of Contact Tracing, Testing, and Containment
👁 1 раз ⏳ 2430 сек.
Motivated by the current COVID-19 outbreak, we introduce a novel epidemic model based on marked temporal point processes that is specifically designed to make fine-grained spatiotemporal predictions about the course of the disease in a population. Our model can make use and benefit from data gathered by a variety of contact tracing technologies and it can quantify the effects that different testing and tracing strategies, social distancing measures, and business restrictions may have on the course of the di

​Scaling up real-time inference with online regression and more

🔗 Scaling up real-time inference with online regression and more
Value of regression for decision making, how to scale it to massive data in realtime, and paving the way for other exciting methods.

​Identifying Statistical Bias in Dataset Replication

🔗 Identifying Statistical Bias in Dataset Replication
Research highlights and perspectives on machine learning and optimization from MadryLab.

​Google Says It Will Not Build Custom A.I. for Oil and Gas Extraction

🔗 Google Says It Will Not Build Custom A.I. for Oil and Gas Extraction
A Greenpeace report details Silicon Valley’s ties to Big Oil — and spurs Google to take a step towards opting out

🎥 Infrastructure for Machine Learning by Natalie Pistunovich
👁 1 раз ⏳ 2919 сек.
During our April Talks we have Natalie talking about Machine Learning!


TensorFlow 2.0 is the new version of the end-to-end open-source platform for Machine Learning, where researchers can push the state-of-the-art in ML and developers can build and deploy ML and AI powered intermediate applications. But the ML code, that is at the heart of an ML system in production, usually accounts for a few percents of the entire codebase. In this talk, Natalie will share from her experience the infrastructure side of