​Building Chatbots with Python - 2019
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Building_Chatbots_with_Python_Using_Natural_Language_Processing.pdf - 💾5 432 020

​Galaxy Zoo: Classifying Galaxies with Crowdsourcing and Active Learning

In this tutorial you will know how to use crowdsourcing and machine learning to investigate how galaxies evolve by classifying millions of galaxy images.

https://blog.tensorflow.org/2020/05/galaxy-zoo-classifying-galaxies-with-crowdsourcing-and-active-learning.html

Code: https://github.com/mwalmsley/galaxy-zoo-bayesian-cnn/blob/88604a63ef3c1bd27d30ca71e0efefca13bf72cd/zoobot/active_learning/acquisition_utils.py#L81

🔗 Galaxy Zoo: Classifying Galaxies with Crowdsourcing and Active Learning
The way we do science is changing; there’s exponentially more data every day but around the same number of scientists. The traditional approach of collecting data samples, looking through them, and drawing some conclusions about each one is often inadequate. One solution is to deploy algorithms to process the data automatically. Another solution is to deploy more eyeballs: recruit members of the public to join in and help. I work on the intersection between the two - combining crowdsourcing and machine learning to do better science than with either alone. In this article, I want to share how I’ve been using crowdsourcing and machine learning to investigate how galaxies evolve by classifying millions of galaxy images. Along the way, I’ll share some techniques we use to train CNNs that make predictions with uncertainty. I’ll also explain how to use those predictions to do active learning: labelling only the data which would best help you improve your models.

​A Gentle Introduction to Machine Learning and Artificial Intelligence

🔗 A Gentle Introduction to Machine Learning and Artificial Intelligence
A Data Scientist’s Perspective

​A Gentle Introduction to Machine Learning and Artificial Intelligence

🔗 A Gentle Introduction to Machine Learning and Artificial Intelligence
A Data Scientist’s Perspective

​Как мы искали кандидатов с помощью машинного обучения

🔗 Как мы искали кандидатов с помощью машинного обучения
Чтобы найти настоящие таланты, компаниям приходится придумывать самые необычные способы поиска. В EPAM тоже любят искать новые пути решения привычных задач. Этот...

​Как мы искали кандидатов с помощью машинного обучения

🔗 Как мы искали кандидатов с помощью машинного обучения
Чтобы найти настоящие таланты, компаниям приходится придумывать самые необычные способы поиска. В EPAM тоже любят искать новые пути решения привычных задач. Этот...

​Искусственный интеллект пишет картину сам, реально сам — без обучения на примерах других картин

🔗 Искусственный интеллект пишет картину сам, реально сам — без обучения на примерах других картин
25 октября на аукционе Christies ушел с молотка необычный лот за полмиллиона – картина, нарисованная искусственным интеллектом. Хотя само художество от ИИ стало...

​Искусственный интеллект пишет картину сам, реально сам — без обучения на примерах других картин

🔗 Искусственный интеллект пишет картину сам, реально сам — без обучения на примерах других картин
25 октября на аукционе Christies ушел с молотка необычный лот за полмиллиона – картина, нарисованная искусственным интеллектом. Хотя само художество от ИИ стало...

​3D ML. Часть 1: формы представления 3D-данных

🔗 3D ML. Часть 1: формы представления 3D-данных
Сегодня появляется все больше 3D датасетов и задач, связанных с 3D данными. Это связано с развитием робототехники и машинного зрения, технологий виртуальной и д...

​Machine Learning on Graphs: Why Should you Care?

🔗 Machine Learning on Graphs: Why Should you Care?
A basic overview of graphs and their intersection with machine learning.

​Machine Learning on Graphs: Why Should you Care?

🔗 Machine Learning on Graphs: Why Should you Care?
A basic overview of graphs and their intersection with machine learning.

​Как помнить всех в лицо, или эффективный поиск лиц в большой базе

🔗 Как помнить всех в лицо, или эффективный поиск лиц в большой базе
О себе Здравствуй, Хабр! Меня зовут Павел, я работаю техническим директором в компании, занимающейся производством IoT устройств. Производим много чего — начиная...

​Как помнить всех в лицо, или эффективный поиск лиц в большой базе

🔗 Как помнить всех в лицо, или эффективный поиск лиц в большой базе
О себе Здравствуй, Хабр! Меня зовут Павел, я работаю техническим директором в компании, занимающейся производством IoT устройств. Производим много чего — начиная...

​Determining a Quote’s Source Using Scikit-Learn

🔗 Determining a Quote’s Source Using Scikit-Learn
Voting with logistic regression and naive Bayes to determine if a message is more likely to be tweeted by Bernie Sanders or Donald Trump.

🎥 YOLOv4 Tutorial #3 - YOLOv4 on Webcam & Code Explanation
👁 5 раз ⏳ 576 сек.
In this installment of YOLOv4, we dive into the python code of the execution file and execute YOLOv4 with a webcam. Check out the tutorial.

►YOLOv4 Course + Github - https://augmentedstartups.info/yolov4release
►Ultimate AI-CV Webinar - https://augmentedstartups.info/Ultimate-AI-Webinar-Registration

So in the last lecture, I showed you how to install darknet as well as YOLOv4. And with our new sets of skills, we applied YOLOv4 to images and video. Today I will explain
1. The darknet.py code
2. How to sa

🎥 YOLOv4 Tutorial #3 - YOLOv4 on Webcam & Code Explanation
👁 5 раз ⏳ 576 сек.
In this installment of YOLOv4, we dive into the python code of the execution file and execute YOLOv4 with a webcam. Check out the tutorial.

►YOLOv4 Course + Github - https://augmentedstartups.info/yolov4release
►Ultimate AI-CV Webinar - https://augmentedstartups.info/Ultimate-AI-Webinar-Registration

So in the last lecture, I showed you how to install darknet as well as YOLOv4. And with our new sets of skills, we applied YOLOv4 to images and video. Today I will explain
1. The darknet.py code
2. How to sa

🎥 Stanford Seminar - Deep Learning for Symbolic Mathematics
👁 1 раз ⏳ 3191 сек.
Guillaume Lample & Francois Charton
Facebook AI Research

April 16, 2020

View the full playlist: https://www.youtube.com/playlist?list=PLoROMvodv4rMWw6rRoeSpkiseTHzWj6vu

🎥 Stanford Seminar - Deep Learning for Symbolic Mathematics
👁 1 раз ⏳ 3191 сек.
Guillaume Lample & Francois Charton
Facebook AI Research

April 16, 2020

View the full playlist: https://www.youtube.com/playlist?list=PLoROMvodv4rMWw6rRoeSpkiseTHzWj6vu

🎥 ml basic 031 936ccdea29db62eae26d8c8ec08d28e3
👁 1 раз ⏳ 369 сек.
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com

Понятно что чем выше точность и полнота, тем лучше. Но в реальной жизни максимальная точность и полнота не достижимы одновременно и приходится искать некий баланс. Поэтому, хотелось бы иметь некую метрику которая объединяла бы в себе информацию о точности и полноте нашего алгоритма. В этом случае нам будет проще принимать решение о том какую реализацию запускать в production (у кого больше тот и круче). Именно такой метр