​🐍 Neural Network learns to play Snake!

Code: https://github.com/greerviau/SnakeAI
Video: https://youtu.be/zIkBYwdkuTk

🔗 greerviau/SnakeAI
Train a Neural Network to play Snake using a Genetic Algorithm - greerviau/SnakeAI

🎥 PyData Ireland Virtual Summer Season Meetup #2.1 with Tatiana Gabruseva
👁 1 раз ⏳ 2108 сек.
Tatiana Gabruseva is a Data scientist, artist, Machine learning/ Computer Vision engineer, a doctor in physics and who knows what else. In this talk she explains the basics of Computer Vision, in particular:
* Deep learning libraries in python: Keras vs Pytorch
* Basic computer vision pipeline (on the example of a kaggle competition)
* Choosing metrics and losses for computer vision tasks
* Useful computer vision libraries: openCV, PIL, imgaug, torchvision, etc.

* Images preprocessing and augmentations wit

​Building the “Hello World” of Kaggle projects using AutoAI

🔗 Building the “Hello World” of Kaggle projects using AutoAI
Start your Kaggle journey with this blog and take it to fullest using Watson AutoAI

​PandaSet Open Datasets - Scale

🔗 PandaSet Open Datasets - Scale
Brought to you by Hesai and Scale, PandaSet combines state of the art LiDAR with high quality data annotation for autonomous vehicle research.

​Спарсили и собрали в одну таблицу все пейперы, которые презентовали на восьмой International Conference on Learning Representation (ICLR 2020). Пейперы можно фильтровать по фреймворкам, задачам, которые затрагивает исследование, а также по количеству "звездочек" на GitHub. Ссылки на код тоже присутствуют 💻

https://airtable.com/shrXrjNRoZ7iLdUA9/tblp9bF9pTv07Ufm1/viwxEKTcRvwB2ECbx

🔗 ICLR-2020 - Airtable
Explore the "ICLR-2020" base on Airtable.

​PCA clearly explained — How, when, why to use it and feature importance: A guide in Python

🔗 PCA clearly explained — How, when, why to use it and feature importance: A guide in Python
In this post I explain what PCA is, when and why to use it and how to implement it in Python using scikit-learn. Also, I explain how to…

🎥 Artificial Intelligence, Machine Learning, Deep Learning, and Internet of Things​
👁 1 раз ⏳ 1404 сек.
This Concept Module reviews the development of Artificial Intelligence and how it is used in applications and tools for geospatial technology. It also defines and reviews Machine Learning, Deep Learning, and the Internet of Things with real-world examples of how they are used.

V7

​Don’t look backwards, LookAhead!

🔗 Don’t look backwards, LookAhead!
How to make your optimizer less sensitive to the choice of hyperparameters

​Grokking Deep Learning
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Grokking Deep Learning by Andrew W. Trask (z-lib.org).pdf - 💾14 570 866

🎥 Speed up XGBoost model training performance
👁 1 раз ⏳ 733 сек.
#machinelearning #datascience #xgboost

As datascientist we deal with huge dataset and sometime it requires hours of training the model.
Every model has to go through multiple training iterations before right model with hyperparameter is selected that fits the data well. In this video I show you ways of speeding up model training process

You will see comparison of model training with CPU against GPU

Link to code in video - https://github.com/srivatsan88/YouTubeLI/blob/master/Benchmarking_XGBoost_on_GPU.ip

​Полное руководство по линейной регрессии.

https://learningwithdata.com/posts/tylerfolkman/the-ultimate-guide-to-linear-regression/

🔗 The Ultimate Guide to Linear Regression · Learning With Data
Thoughts on data science, AI, and leadership

​Краткий обзор NLP библиотеки SpaСy

🔗 Краткий обзор NLP библиотеки SpaСy
Обработка естественного языка(Natural Language Processing — NLP) сегодня становится очень востребованной, так как людям несомненно проще общаться с машинами, так...

🎥 Как думают роботы. Интерпретация ML-моделей
👁 2 раз ⏳ 7171 сек.
На "Сборке" рассказывал про интерпретацию моделей машинного обучения. Акцент получился на интерпретации нейронок. Выступление было в Zoom, задавали интересные вопросы, хочется съездить к ним вживую после коронавируса - ребята классные.

🎥 Как думают роботы. Интерпретация ML-моделей
👁 2 раз ⏳ 7171 сек.
На "Сборке" рассказывал про интерпретацию моделей машинного обучения. Акцент получился на интерпретации нейронок. Выступление было в Zoom, задавали интересные вопросы, хочется съездить к ним вживую после коронавируса - ребята классные.

​ГИС на машинном обучении: магазины в лучших локациях и развитие «последней мили»

🔗 ГИС на машинном обучении: магазины в лучших локациях и развитие «последней мили»
Каждый год «М.Видео» и «Эльдорадо» открывают десятки новых магазинов в разных регионах России. Ремонт, системы безопасности и ИТ, оборудование для магазина в 150...

​Как мужик квазигруппы искал (или Учи Python, а то будешь руками работать)

🔗 Как мужик квазигруппы искал (или Учи Python, а то будешь руками работать)
Совсем немного теории Латинский квадрат — табличка, заполненная буквами так, что в каждой строке и в каждом столбце никакая не повторяется дважды.

​7 PyTorch functions for your next Machine Learning project

🔗 7 PyTorch functions for your next Machine Learning project
Exploring various PyTorch Functions

​7 PyTorch functions for your next Machine Learning project

🔗 7 PyTorch functions for your next Machine Learning project
Exploring various PyTorch Functions