​Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8

🔗 dair.ai
Democratizing Artificial Intelligence Research, Education, and Technologies

​Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8

🔗 dair.ai
Democratizing Artificial Intelligence Research, Education, and Technologies

​Развитие DATA VAULT и переход к BUSINESS DATA VAULT

🔗 Развитие DATA VAULT и переход к BUSINESS DATA VAULT
В предыдущей статье я рассказал об основах DATA VAULT, описал основные элементы DATA VAULT и их назначение. На этом нельзя считать тему DATA VAULT исчерпанной, н...

​Развитие DATA VAULT и переход к BUSINESS DATA VAULT

🔗 Развитие DATA VAULT и переход к BUSINESS DATA VAULT
В предыдущей статье я рассказал об основах DATA VAULT, описал основные элементы DATA VAULT и их назначение. На этом нельзя считать тему DATA VAULT исчерпанной, н...

​Генерация рандомных ветвлений на Питоне

🔗 Генерация рандомных ветвлений на Питоне
Вспоминая Докинза, основную идею можно выразить так: если долго держать смерч над помойкой, то может собраться Боинг-747. Появление структуры из хаоса дуриком:...

​TensorFlow 2.0 Pocket Primer
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 tensorflow-2-pocket-primer@NetworkArtificial (1).pdf - 💾5 777 269

​TensorFlow 2.0 Pocket Primer
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 tensorflow-2-pocket-primer@NetworkArtificial (1).pdf - 💾5 777 269

​Обширный курс по математическому анализу.

https://proglib.io/w/5e185a98

🔗 Introduction to Calculus: The Greeks, Newton, and Leibniz
You've been dreading this for a long time, but there's no getting around it! Once we wrap up algebra and trigonometry, it's time to start learning calculus. ...

​Обширный курс по математическому анализу.

https://proglib.io/w/5e185a98

🔗 Introduction to Calculus: The Greeks, Newton, and Leibniz
You've been dreading this for a long time, but there's no getting around it! Once we wrap up algebra and trigonometry, it's time to start learning calculus. ...

​Быстрая загрузка большого количества данных в Google Colab

🔗 Быстрая загрузка большого количества данных в Google Colab
Доброго времени суток, Хабр. Решил поделиться своим знанием, как можно быстро загрузить большое количество файлов в Google Colab с Google Drive. Всем известно,...

​Быстрая загрузка большого количества данных в Google Colab

🔗 Быстрая загрузка большого количества данных в Google Colab
Доброго времени суток, Хабр. Решил поделиться своим знанием, как можно быстро загрузить большое количество файлов в Google Colab с Google Drive. Всем известно,...

​Снижаем размер ML модели без регистрации и смс

🔗 Снижаем размер ML модели без регистрации и смс
Любой человек сталкивающийся с машинным обучением, понимает, что для этого требуются серьезные вычислительные мощности. В этой статье мы попробуем применить ал...

🎥 GrafanaCONline: Reducing wine waste with Grafana and machine learning
👁 1 раз ⏳ 3311 сек.
The GrafanaCONline schedule is here: https://grafana.com/about/events/grafanacon/2020/#schedule

Presenters will take and answer questions after the presentations in our #grafanaconline channel in our public slack: https://slack.grafana.com/

Can't hear us? Can't see us? Ask for help in #grafanaconline slack channel or DM us on any social network.

🎥 What you always wanted to know about Deep Learning, but were afraid to ask - Wei Meng Lee
👁 1 раз ⏳ 3505 сек.
By now, you should have heard of these buzzwords - AI, Machine Learning, and more recently, Deep Learning. But what exactly is Deep Learning, how it works, and more importantly, how do you actually get started with it?

In this session, Wei-Meng will explain Deep Learning so that it is easy to understand. You will learn what it means by back-propagation, gradient descent, loss functions, optimizers, and more. You will walk away from this session with a practical example on how to train a deep learning model

​How to Use Polynomial Feature Transforms for Machine Learning - Machine Learning Mastery

🔗 How to Use Polynomial Feature Transforms for Machine Learning - Machine Learning Mastery
Often, the input features for a predictive modeling task interact in unexpected and often nonlinear ways. These interactions can be identified and modeled by a learning algorithm. Another approach is to engineer new features that expose these interactions and see if they improve model performance. Additionally, transforms like raising input variables to a power can help to better expose the important

​Towards computer-aided severity assessment: training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity

The COVID-Net models provided here are intended to be used as reference models that can be built upon and enhanced as new data becomes available.

Github: https://github.com/lindawangg/COVID-Net

Paper: https://arxiv.org/abs/2005.12855v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 lindawangg/COVID-Net
COVID-Net Open Source Initiative. Contribute to lindawangg/COVID-Net development by creating an account on GitHub.