​Solving Optimization Problems with JAX

🔗 Solving Optimization Problems with JAX
Learn how to use matrix methods to solve complex optimization problems at ease with JAX!

​Solving Optimization Problems with JAX

🔗 Solving Optimization Problems with JAX
Learn how to use matrix methods to solve complex optimization problems at ease with JAX!

🎥 Machine Learning Classification Week 11 Cohort 8
👁 1 раз ⏳ 10961 сек.
Classification is a task that requires the use of machine learning algorithms that learn how to assign a class label to examples from the problem domain. An easy to understand example is classifying emails as “spam” or “not spam.”

There are many different types of classification tasks that you may encounter in machine learning and specialized approaches to modeling that may be used for each.

In this tutorial, you will discover different types of classification predictive modeling in machine learning.

Aft

🎥 Machine Learning Classification Week 11 Cohort 8
👁 1 раз ⏳ 10961 сек.
Classification is a task that requires the use of machine learning algorithms that learn how to assign a class label to examples from the problem domain. An easy to understand example is classifying emails as “spam” or “not spam.”

There are many different types of classification tasks that you may encounter in machine learning and specialized approaches to modeling that may be used for each.

In this tutorial, you will discover different types of classification predictive modeling in machine learning.

Aft

🎥 Introduction to Machine Learning for Mobile Developers
👁 2 раз ⏳ 644 сек.
Speaker: Khanh LeViet
Designation: Developer Advocate, TensorFlow
Topic: Introduction to machine learning for mobile developers

Machine Learning is very different from traditional programming in that you do not define instructions for the computer but letting it learn from examples and find out the instructions by itself. In this session, you will learn about the approach of machine learning and see some examples of how it is used in mobile applications.

*

Want host your virtual meetup next? Reach out to

🎥 Introduction to Machine Learning for Mobile Developers
👁 2 раз ⏳ 644 сек.
Speaker: Khanh LeViet
Designation: Developer Advocate, TensorFlow
Topic: Introduction to machine learning for mobile developers

Machine Learning is very different from traditional programming in that you do not define instructions for the computer but letting it learn from examples and find out the instructions by itself. In this session, you will learn about the approach of machine learning and see some examples of how it is used in mobile applications.

*

Want host your virtual meetup next? Reach out to

​Идентификация зараженных людей с помощью пересечения GPS-треков

🔗 Идентификация зараженных людей с помощью пересечения GPS-треков
В преддверии старта курса «PostgreSQL» подготовили перевод интересной статьи. Во времена пандемии COVID-19 правительства предусматривают жесткие меры по выявле...

​Идентификация зараженных людей с помощью пересечения GPS-треков

🔗 Идентификация зараженных людей с помощью пересечения GPS-треков
В преддверии старта курса «PostgreSQL» подготовили перевод интересной статьи. Во времена пандемии COVID-19 правительства предусматривают жесткие меры по выявле...

​Point2Mesh in PyTorch

Point2Mesh, a technique for reconstructing a surface mesh from an input point cloud.

https://ranahanocka.github.io/point2mesh/

Github: https://github.com/ranahanocka/point2mesh

Paper: https://arxiv.org/abs/2005.11084

🔗 Point2Mesh

​Zonked on Vicodin in the Presidential Race: Generating Fake Headlines With Markov Chains

🔗 Zonked on Vicodin in the Presidential Race: Generating Fake Headlines With Markov Chains
Walking the fine line between satire and reality

​Zonked on Vicodin in the Presidential Race: Generating Fake Headlines With Markov Chains

🔗 Zonked on Vicodin in the Presidential Race: Generating Fake Headlines With Markov Chains
Walking the fine line between satire and reality

​28 мая 2020 пройдёт бесплатный вебинар "Применение машинного обучения для анализа работы процессов".

Мы привыкли к тому, что исполнение процессов и работу исполнителей мы оцениваем посредством KPI. Однако такой подход показывает только часть картины, поскольку KPI позволяют оценивать только те области, над которыми уже установлен контроль. Для выявления новых областей, требующих контроля, необходимы другие данные. Применение техник data mining / process mining позволяет по-другому взглянуть на процессы, провести альтернативный анализ накопленных данных, получить новые представления о возможных узких местах или особенностях исполнения процессов.

Программа:
- Задачи оптимизации процессов
- Возможные сценарии решения задач
- Чего не могут люди
- Чего не стоит ожидать от роботов

Ведущий: Евгений Шилов, Директор по консалтингу Cleverics, ITIL Expert, Leading SAFe 4.0, SAFe 4.0 Agilist, аккредитованный тренер

Начало вебинара: 11.00 (MSK)

https://ml.cleverics.ru/

🔗 CleverTALK

​28 мая 2020 пройдёт бесплатный вебинар "Применение машинного обучения для анализа работы процессов".

Мы привыкли к тому, что исполнение процессов и работу исполнителей мы оцениваем посредством KPI. Однако такой подход показывает только часть картины, поскольку KPI позволяют оценивать только те области, над которыми уже установлен контроль. Для выявления новых областей, требующих контроля, необходимы другие данные. Применение техник data mining / process mining позволяет по-другому взглянуть на процессы, провести альтернативный анализ накопленных данных, получить новые представления о возможных узких местах или особенностях исполнения процессов.

Программа:
- Задачи оптимизации процессов
- Возможные сценарии решения задач
- Чего не могут люди
- Чего не стоит ожидать от роботов

Ведущий: Евгений Шилов, Директор по консалтингу Cleverics, ITIL Expert, Leading SAFe 4.0, SAFe 4.0 Agilist, аккредитованный тренер

Начало вебинара: 11.00 (MSK)

https://ml.cleverics.ru/

🔗 CleverTALK

🎥 Building an End-to-End ML Pipeline for Big Data | INT136C
👁 1 раз ⏳ 1822 сек.
This demo-based session walks through each step in the pipeline, emphasizing best practices ranging from combining Azure Machine Learning with an Apache Spark component, such as Azure Databricks, to managing data and models across environments.


Microsoft Learn -- https://docs.microsoft.com/en-us/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=Build2020_presentation_additionalresources
Microsoft Docs -- https://docs.microsoft.com/en-us/azure/machine-learning/?WT.mc_id=Build2020_presentation_

🎥 Building an End-to-End ML Pipeline for Big Data | INT136C
👁 1 раз ⏳ 1822 сек.
This demo-based session walks through each step in the pipeline, emphasizing best practices ranging from combining Azure Machine Learning with an Apache Spark component, such as Azure Databricks, to managing data and models across environments.


Microsoft Learn -- https://docs.microsoft.com/en-us/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=Build2020_presentation_additionalresources
Microsoft Docs -- https://docs.microsoft.com/en-us/azure/machine-learning/?WT.mc_id=Build2020_presentation_

​Алгоритм AdaBoost

🔗 Алгоритм AdaBoost
Перевод статьи подготовлен в преддверии старта продвинутого курса «Математика для Data Scienсe». Введение Алгоритм AdaBoost можно использовать для повышения...

​Алгоритм AdaBoost

🔗 Алгоритм AdaBoost
Перевод статьи подготовлен в преддверии старта продвинутого курса «Математика для Data Scienсe». Введение Алгоритм AdaBoost можно использовать для повышения...

​Твой первый шаг в Data Science. Титаник

🔗 Твой первый шаг в Data Science. Титаник
Небольшое вступительное слово Я считаю, что бОльшее количество дел мы бы могли совершать, если бы нам предоставляли пошаговые инструкции, которые скажут что и к...

​Building the Eat or No Eat AI for Managing Weight Loss

🔗 Building the Eat or No Eat AI for Managing Weight Loss
In a previous blog post I wrote about building an AI that could help users track their eating habits. In the concept I proposed using…

​Predicting Home Prices: Using Regression with Categorical Factors

🔗 Predicting Home Prices: Using Regression with Categorical Factors
Introduction to Regression Analysis