Data Science от Академии яндекса
1) Чем отличаются data analyst, data engineer и data scientist
2) Карьера в data science: типичные ошибки на собеседовании
3) Дискуссия «Тренды data science»
4) От исследований к продакшену: TDD, CRISP DM, контроль версий 5) Как в YouDo машинное обучение катится в продакшен
6) Крафтим артефакты: о воспроизводимости и трекинге
7) Подходы для CV в проде: внедрить нельзя выпилить
8) Применение машинного обучения в страховании
9) Deep learning в рекомендательных системах
10) Практический RL: кнуты и пряники

🎥 074. Чем отличаются data analyst, data engineer и data scientist – Алексей Натёкин
👁 93 раз ⏳ 1205 сек.
- Как войти в сообщество data science?
- О различиях data scientist, data analyst, data engineer, кто из них чем занимается?
- В чём отличия между ...

🎥 075. Карьера в data science: типичные ошибки на собеседовании – Валерий Бабушкин
👁 37 раз ⏳ 1103 сек.
- Как найти работу в Data Science, если у тебя еще нет рабочего опыта?
- Стоит ли тратить время на kaggle?
- Какой путь должен пройти дата саентоло...

🎥 076. Дискуссия «Тренды data science»
👁 26 раз ⏳ 3548 сек.
- Кто и как диктует моду в data science?
- Какие прикладные задачи из области machine learning на данный момент самые актуальные? Какие не получает...

🎥 077. От исследований к продакшену: TDD, CRISP DM, контроль версий – Арсений Анисимович
👁 10 раз ⏳ 958 сек.
- Как организовать эффективное взаимодействие бизнеса, разработчиков и DS?
- Как версионировать данные и возможно ли это?
- Существует ли test driv...

🎥 078. Как в YouDo машинное обучение катится в продакшен – Адам Елдаров
👁 9 раз ⏳ 1471 сек.
- Как деплоить, скейлить и управлять жизненным циклом ML моделей?
- Как настроить процесс дообучения и переобучения модели?
- Как выстраивать масшт...

🎥 079. Крафтим артефакты: о воспроизводимости и трекинге зависимостей – Михаил Трофимов
👁 4 раз ⏳ 874 сек.
- Как организовать методологию экспериментов с данными?
- Зачем нужна воспроизводимость экспериментов и моделей?
- Как ее добиться?


* 21 октября ...

🎥 080. Kaggle подходы для CV в проде: внедрить нельзя выпилить – Арсений Кравченко vs Артур Кузин
👁 5 раз ⏳ 1494 сек.
В ходе дискуссии рассмариваются сильные и слабые стороны кэгглеров с точки зрения переноса их навыков в продакшен. Также будет произведено сравнени...

🎥 081. Применение машинного обучения в страховании – Фрэнк Шихалиев
👁 8 раз ⏳ 1291 сек.
Страховая отрасль всегда была достаточно консервативна, к тому же в финансовом секторе в России банки опередили страхование по развитию на десятиле...

🎥 082. Deep learning в рекомендательных системах – Андрей Зимовнов
👁 15 раз ⏳ 1757 сек.
- Deep learning в рекомендательных системах
- Collaborative Filtering (CF) в большой рекомендательной системе

* 21 октября 2018 г. в московском оф...

🎥 083. Практический RL: кнуты и пряники – Сергей Колесников
👁 6 раз ⏳ 1421 сек.
- Как начать изучать RL?
- Есть ли RL без DL?
- Соревнования по RL: полезно ли участвовать?
- Практика DRL в проде, есть ли какие успешные кейсы?
-...

🎥 005. Как работает ClickHouse, лекция в ШАД
👁 1 раз ⏳ 6991 сек.

​Interesting paper for game developers. it can be used to bug fix games just by watching user gameplay, or for example make them harder/simpler without breaking balance.
https://www.cc.gatech.edu/~riedl/pubs/ijcai17.pdf

🔗

​Dog Breed Classification using CNNs

https://medium.com/@denizdoruknuholu/dog-breed-classification-using-cnns-f042fbe0f333?source=topic_page---------1------------------1

🔗 Dog Breed Classification using CNNs – Deniz Doruk Nuhoglu – Medium
In today’s post, I will be showing you how to be make an exceptionally FUN application that detects whether a picture has a human or a dog…

​The Other Type of Machine Learning
A brief introduction to Reinforcement Learning

🔗 The Other Type of Machine Learning – Genevieve Hayes – Medium
A brief introduction to Reinforcement Learning

🎥 AI: The end of deep learning?
👁 3 раз ⏳ 1539 сек.
Patrick Ehlen, Chief Scientist at Loop AI Labs Cognitive Computing, explains what is the next frontier to better approximate human capacity with quantum mechanics.

Event: DIGILITY 2018
26-27 September 2018, Cologne, Germany

Speakers:
Cindy Chin, Artificial Intelligence and Machine Learning (AI + ML) program curator of the DIGILITY Conference and Expo
Patrick Ehlen, Chief Scientist at Loop AI Labs Cognitive Computing

​Dropout on convolutional layers is weird
Why dropout on convolutional layers is fundamentally different from dropout on fully-connected layers.

https://medium.com/@jcreinhold/dropout-on-convolutional-layers-is-weird-5c6ab14f19b2?source=topic_page---------1------------------1

🔗 Dropout on convolutional layers is weird – Jacob Reinhold – Medium
Why dropout on convolutional layers is fundamentally different from dropout on fully-connected layers.

Mathematics of Backpropagation II - How Neural Network Learns? Deep Learning

🎥 Mathematics of Backpropagation II - How Neural Network Learns? Deep Learning
👁 2 раз ⏳ 1733 сек.
Check courses on - http://online.codingblocks.com [Free Trial Available]

Coding Blocks India's best Programming and software training institute offers courses like C++ and Java, Data Structures and Algorithms, Web and Android Development(Java and Kotlin), Competitive Programming, Coding Interview Preparation and Machine Learning, AI and more. Registration open for Online and Offline Coding classes.Take advantage of the professionals who have worked with bigwigs like Sony, Cyanogen, Micromax.

#CodingBlock

​Principal Component Analysis (PCA)

🔗 Principal Component Analysis (PCA)
A conceptual description of principal component analysis, including: - variance and covariance - eigenvectors and eigenvalues - applications As usual, very l...

🎥 CMU Neural Nets for NLP 2019 (6): Conditioned Generation
👁 1 раз ⏳ 4320 сек.
This lecture (by Antonios Anastasopolous) for CMU CS 11-747, Neural Networks for NLP (Spring 2019) covers:

* Encoder-Decoder Models
* Conditional Generation and Search
* Ensembling
* Evaluation
* Types of Data to Condition On

Class Site: http://phontron.com/class/nn4nlp2019/schedule/conditioned-generation.html

MIT 6.S191: Recurrent Neural Networks
https://www.youtube.com/watch?v=_h66BW-xNgk

🎥 MIT 6.S191: Recurrent Neural Networks
👁 1 раз ⏳ 2191 сек.
MIT Introduction to Deep Learning 6.S191: Lecture 2
*New 2019 Edition*
Deep Sequence Modeling with Recurrent Neural Networks
Lecturer: Ava Soleimany
January 2019


For all lectures, slides and lab materials: http://introtodeeplearning.com

​Сезон чемпионатов 2019 открыт! Стартует SNA Hackathon аля ML Boot Camp 8

Многие из читателей уже знают, что мы стараемся постоянно проводить различные IT-чемпионаты по самым разным тематикам. Только в прошлом году провели более 10 разных крупных соревнований (Russian AI Cup, ML Boot Camp, Технокубок и другие). В них приняло участие не менее 25 000 человек, а с 2011 года — более 150 000.

Если вы только сейчас узнали об этом, то поздравляем: именно с этой минуты вы стали частью большого сообщества людей, участвующих в наших соревнованиях и обменивающихся опытом друг с другом. Уже сейчас вы можете присоединиться к Telegram-группам сообществ по искусственному интеллекту, спортивному программированию, высоконагруженным проектам и администрированию, машинному обучению и анализу данных. Это поможет вам быстрее втянуться в серьёзную тусовку!

🔗 Сезон чемпионатов 2019 открыт! Стартует SNA Hackathon аля ML Boot Camp 8
Привет! Многие из читателей уже знают, что мы стараемся постоянно проводить различные IT-чемпионаты по самым разным тематикам. Только в прошлом году провели б...

Урок на основе FastAI

https://youtu.be/8j9aN8aKd9Y

🎥 Fast AI: создаем нейронную сеть быстро
👁 1 раз ⏳ 1166 сек.
В этом видео мы с нуля создадим нейронную сеть, которая будет классифицировать изображения. Мы будем использовать Google Colab, а для этого нужен лишь браузер.

​Обзор AI & ML решений в 2018 году и прогнозы на 2019 год: Часть 2 — Инструменты и библиотеки, AutoML, RL, этика в AI

https://habr.com/ru/post/439724/

🔗 Обзор AI & ML решений в 2018 году и прогнозы на 2019 год: Часть 2 — Инструменты и библиотеки, AutoML
Всем привет! Представляю вам перевод статьи Analytics Vidhya с обзором событий в области AI / ML в 2018 году и трендов 2019 года. Материал довольно большой, поэт...

​Обзор AI & ML решений в 2018 году и прогнозы на 2019 год: Часть 1 — NLP, Computer Vision

Последние несколько лет для AI энтузиастов и профессионалов в области машинного обучения прошли в погоне за мечтой. Эти технологии перестали быть нишевыми, стали мейнстримом и уже влияют на жизни миллионов людей прямо сейчас. В разных странах были созданы AI министерства [подробнее тут — прим. пер.] и выделены бюджеты чтобы не отставать в этой гонке.

То же самое справедливо и для профессионалов в области data science. Еще пару лет назад вы могли комфортно себя чувствовать, зная пару инструментов и приёмов, но это время прошло. Количество событий, произошедших за последнее время в data science и объем знаний, который требуется, чтобы идти в ногу со временем в этой области, поражают воображение.

Я решил сделать шаг назад и взглянуть на разработки в некоторых ключевых областях в сфере искусственного интеллекта с точки зрения специалистов по data science. Какие прорывы произошли? Что случилось в 2018 и чего ждать в 2019 году? Прочитайте эту статью, чтобы получить ответы!

https://habr.com/ru/post/439688/

🔗 Обзор AI & ML решений в 2018 году и прогнозы на 2019 год: Часть 1 — NLP, Computer Vision
Всем привет! Представляю вам перевод статьи Analytics Vidhya с обзором событий в области AI / ML в 2018 году и трендов 2019 года. Материал довольно большой, поэт...

​До главной российской конференции по искусственному интеллекту OpenTalks.AI осталось 3 дня!!!

Сегодня последний день льготной регистрации: http://opentalks.ai
для членов сообщества Машинное обучение, AI, нейронные сети, Big Data - спец скидка, код в комментарии.

🔗 OpenTalks.AI - Главная
Открытая конференция по Искусственному интеллекту, Москва, фев 2019

​Deep Learning Drizzle

Drench yourself in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision, and NLP by learning from these exciting lectures!!

GitHub by Marimuthu Kalimuthu

https://github.com/kmario23/deep-learning-drizzle?fbclid=IwAR0Q9BtyvfFUApwIIHoWZm6sYx1V78--aUXSpbheMAMO9Yab6vQWEiNzTCU

🔗 kmario23/deep-learning-drizzle
Drench yourself in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision, and NLP by learning from these exciting lectures!! - kmario23/deep-learning-drizzle

Applications of Deep Learning in Aerospace

🎥 Applications of Deep Learning in Aerospace... - Kishore Reddy, Amit Surana, PhD | ODSC East 2018
👁 1 раз ⏳ 4862 сек.
Recent advances in machine learning techniques such as deep learning (DL) has rejuvenated data-driven analysis in aerospace and integrated building systems. DL algorithms have been successful due to the presence of large volumes of data and its ability to learn the features during the learning process.
The performance improvement is significant from the features learnt from DL techniques as compared to the hand crafted features. This talk demonstrates using deep belief networks (DBN), deep auto encoders (DA

​CESMA: Centralized Expert Supervises Multi-Agents

Lin et al.: https://arxiv.org/abs/1902.02311

#MultiagentSystems #ArtificialIntelligence #MachineLearning #Systems #Control

🔗 CESMA: Centralized Expert Supervises Multi-Agents
We consider the reinforcement learning problem of training multiple agents in order to maximize a shared reward. In this multi-agent system, each agent seeks to maximize the reward while interacting with other agents, and they may or may not be able to communicate. Typically the agents do not have access to other agent policies and thus each agent observes a non-stationary and partially-observable environment. In order to resolve this issue, we demonstrate a novel multi-agent training framework that first turns a multi-agent problem into a single-agent problem to obtain a centralized expert that is then used to guide supervised learning for multiple independent agents with the goal of decentralizing the policy. We additionally demonstrate a way to turn the exponential growth in the joint action space into a linear growth for the centralized policy. Overall, the problem is twofold: the problem of obtaining a centralized expert, and then the problem of supervised learning to train the multi-agents. We demonstra

​ML helping not only with sales or finding cats/cars, it also useful in other areas of science
https://phys.org/news/2019-02-machine-reveals-hidden-turtle-pattern.html

🔗 Machine learning reveals hidden turtle pattern in quantum fireworks
Two years ago, physicists at the University of Chicago were greeted with fireworks—atoms shooting out in jets—when they discovered a new form of quantum behavior. But the patterns underlying the bright ...

​Суперпозиционное линейно-нелинейное моделирование мультиагентных систем методами тропической алгебры

🔗 Суперпозиционное линейно-нелинейное моделирование мультиагентных систем методами тропической алгебры
Введение в рассмотрение суперпозиционных линейно-нелинейных моделей, известных как искусственные нейронные сети, стало одним из самых значимых событий в обла...