Машинное обучение, AI, нейронные сети, Big Data (VK)

Multi-Agent Deep Reinforcement Learning in 13 Lines of Code Using PettingZoo

Машинное обучение, AI, нейронные сети, Big Data (VK)

Importance of Data Preprocessing and Scaling in Machine Learning

 Машинное обучение, AI, нейронные сети, Big Data (VK)

Model Search by Google

Automatically build and deploy state-of-the-art machine learning models on structured data.

Github: https://github.com/google/model_search

Paper: https://pdfs.semanticscholar.org/1bca/d4cdfbc01fbb60a..

Project: https://cloud.google.com/automl-tables

Наш телеграм канал - https://xn--r1a.website/ai_machinelearning_big_data

Машинное обучение, AI, нейронные сети, Big Data (VK)

Google открыли фреймворк для автоматического поиска архитектуры ML-моделей

 Data Science / Machine Learning / AI / Big Data (VK)

Intel проводит серию вебинаров CV Academy для опытных разработчиков! Узнать подробнее и зарегистрироваться можно по ссылке: https://jsc-intel.timepad.ru/event/1446273/

Машинное обучение, AI, нейронные сети, Big Data (VK)

Обучение трансформера на синтетическом датасете

Машинное обучение, AI, нейронные сети, Big Data (VK)

Распознавание потребителей электричества в сети

Машинное обучение, AI, нейронные сети, Big Data (VK)

«Большие данные: не хайп, а индустрия». Митап 1 марта

Машинное обучение, AI, нейронные сети, Big Data (VK)

Немного о параллельных вычислениях в R

 Машинное обучение, AI, нейронные сети, Big Data (VK)

Объяснение работы нейронных сетей для начинающих.

https://proglib.io/w/4d167e31

Машинное обучение, AI, нейронные сети, Big Data (VK)

Deep Learning with PyTorch Quick Start Guide

Машинное обучение, AI, нейронные сети, Big Data (VK)

How To Train ML Models With Mislabeled Data

Машинное обучение, AI, нейронные сети, Big Data (VK)

The Three Decoding Methods For NLP

DeepLearning (Глубокие нейронные сети) (VK)

Для решения ваших задач через ML не всегда нужно выбирать и запускать нейронные сети. Не всегда надо ресерчить на просторах интернета и сравнивать разные подходы. Обычно можно взять что-то простое и быстро проверить.
Но порой приходиться все же запариться и начать копать. Где копать? На что смотреть? Для специалиста в теме это глупые вопросы. У каждого свой подход. Кто-то идет на Papers With Code, кто-то на Reddit кто-то в ODS.
Рассказал что делаю сам.

 Data Science / Machine Learning / AI / Big Data (VK)

MolCLR: Molecular Contrastive Learning of Representations via Graph Neural Networks

Wang et al.: https://arxiv.org/abs/2102.10056

#MachineLearning #ChemicalPhysics #GraphNeuralNetwor