IBM Project Debater. The AI system that can debate with humans in realtime, with using global information and based on facts and principles that it learned. Its really big step in the way of fully autonomous systems.
https://youtu.be/m3u-1yttrVw

🎥 LIVE DEBATE – IBM Project Debater
👁 16 раз ⏳ 3473 сек.
At Intelligence Squared U.S., we’ve debated AI before – the risks, the rewards, and whether it can change the world – but for the first time, we’re debating with AI.

In partnership with IBM, Intelligence Squared U.S. is hosting a unique debate between a world-class champion debater and an AI system. IBM Project Debater is the first AI system designed to debate humans on complex topics using a combination of pioneering research developed by IBM researchers, including: data-driven speechwriting and delivery

​Во что инвестировать разработчику?

Все классные разработчики всегда открыты к общению и обмену знаниями. Это позволяет им лучше понимать тему обсуждения, а также они мотивируют джуниоров развиваться дальше. Однако все они инвестируют свое время и деньги в две простые вещи: образование и комфорт. Об этом мы и поговорим ниже.

#программирование #разработка #developer #IT #карьера #MadDevs

https://blog.maddevs.io/investment-plan-for-developers-20bc784b3b72

🔗 Во что инвестировать разработчику? – Mad Devs

«Избавляемся от проклятия Sklearn: пишем XGBoost с нуля», Артём Хапкин, Mail.ru Group

🎥 «Избавляемся от проклятия Sklearn: пишем XGBoost с нуля», Артём Хапкин, Mail.ru Group
👁 3 раз ⏳ 1988 сек.
«Избавляемся от проклятия Sklearn: пишем XGBoost с нуля», Артём Хапкин, Mail.ru Group

О докладе

Рассказ про бустинг. Что нужно знать, чтобы самому его написать. Какие есть подводные камни, как можно улучшать его работу.

В настоящее время сложно представить место, где не используются ансамблевые алгоритмы бустинга над решающими деревьями. Это и поисковые движки, алгоритмы ранжирования рекомендаций, соревнования на Kaggle и ещё много где.

Существуют много готовых реализаций алгоритма: Catboost, Lightgbm,

«Машинное обучение в Yandex.Taxi», Роман Халкечев, Yandex.Taxi

🎥 «Машинное обучение в Yandex.Taxi», Роман Халкечев, Yandex.Taxi
👁 1 раз ⏳ 4575 сек.
О докладе

В докладе пойдёт речь про устройство Яндекс.Такси.

Будет подробный рассказ:
про задачи, которые мы решаем с помощью анализа данных и технологий машинного обучения
про наш конвейер разработки, тестирования и запуска в продакшн моделей машинного обучения
пройдёмся по всем этапам: от экспериментов в Jupyter Notebook до полноценного ML-продакшна.

Слайды: https://speakerdeck.com/funcorp/mashinnoie-obuchieniie-v-yandex-dot-taxi

Build a deep neural network in 4 mins with TensorFlow on Colabs

https://www.youtube.com/watch?v=_VTtrSDHPwU

🎥 Build a deep neural network in 4 mins with TensorFlow on Colabs
👁 1 раз ⏳ 234 сек.
Google Colaboratory is a free Jupyter notebook environment that requires no setup and runs entirely in the Cloud. In this episode of Coding TensorFlow, Laurence shows us how to code, test, and train neural networks right in your browser, without having to worry about installing any kind of runtime. Watch to quickly see an example of how you can use TensorFlow to build a neural network for breast cancer classification...all this happens within Colab!



Download the pre-processed data & Colab to try it your

​Julia, Градиентный спуск и симплекс метод

Продолжаем знакомство с методами многомерной оптимизации.

Далее предложена реализация метода наискорейшего спуска с анализом скорости выполнения, а также имплементация метода Нелдера-Мида средствами языка Julia и C++.

https://habr.com/ru/post/440070/

🔗 Julia, Градиентный спуск и симплекс метод
Продолжаем знакомство с методами многомерной оптимизации. Далее предложена реализация метода наискорейшего спуска с анализом скорости выполнения, а также имплем...

🎥 Attention, attention!
👁 3 раз ⏳ 2552 сек.
Механизм внимания (attention) сейчас является одним из самых полезных инструментов во многих областях применения глубокого обучения, таких как распознавание речи, компьютерное зрение, анализ естественного языка и т.д.

В позапрошлом году была представлена архитектура Transformer, заменившая рекурентные и сверточные слои на слои внимания и продемонстрировала очень хорошие результаты во многих задачах. Однако имплементация этой архитектуры довольно сложна, и одной из целей семинара будет разобраться, как прав

​Anomaly detection using machine learning in Azure Stream Analytics | Azure Friday

🔗 Anomaly detection using machine learning in Azure Stream Analytics | Azure Friday
Azure Stream Analytics is a fully managed serverless offering on Azure. With the new Anomaly Detection functions in Stream Analytics, the whole complexity as...

​GOTO 2018 • Machine Learning on Source Code • Francesc Campoy

🔗 GOTO 2018 • Machine Learning on Source Code • Francesc Campoy
This presentation was recorded at GOTO Copenhagen 2018. #gotocon #gotocph http://gotocph.com Francesc Campoy - Gopher, Host of the Just For Func Podcast, and...

Understanding beautiful places with deep learning

Наш телеграмм канал - https://yangx.top/ai_machinelearning_big_data
https://www.youtube.com/watch?v=T8zwr6EZMe0

🎥 Understanding beautiful places with deep learning
👁 1 раз ⏳ 1450 сек.
This talk was delivered by Professor Suzy Moat, Professor of Behavioural Science at the University of Warwick.

Suzy was speaking at an NCRM 'Ahead of the Curve' event on 'Social Science Methods and Automated Data Algorithms', held on 1 November 2018 in London.

​Набор на магистерскую программу JetBrains на базе Университета ИТМО

https://habr.com/ru/company/compscicenter/blog/439742/

🔗 Набор на магистерскую программу JetBrains на базе Университета ИТМО
Магистерская программа «Разработка программного обеспечения / Software Engineering» компании JetBrains на базе Университета ИТМО объявляет набор на 2019-2021 уч.

​В прошлую субботу мы провели бэкенд митап по машинному обучению. В программе было 5 докладов от спикеров из ВКонтакте, Yandex.Taxi, Conundrum, FunCorp и Mail.ru Group. Под катом видео выступлений и ссылки на презентации.

https://habr.com/ru/company/funcorp/blog/440168/

🔗 Видео докладов с FunTech ML-meetup
В прошлую субботу мы провели бэкенд митап по машинному обучению. В программе было 5 докладов от спикеров из ВКонтакте, Yandex.Taxi, Conundrum, FunCorp и Mail.r...

«Опыт запуска Discover для 90 млн пользователей: пять рекомендаций ML-разработчикам»

Наш телеграмм канал - https://yangx.top/ai_machinelearning_big_data

🎥 «Опыт запуска Discover для 90 млн пользователей: пять рекомендаций ML-разработчикам»
👁 1 раз ⏳ 2984 сек.
«Опыт запуска Discover для 90 млн пользователей: пять рекомендаций ML-разработчикам», Андрей Законов, vk.com

О докладе

Важна не только модель: правильно формулируем задачи и выбираем метрики.
Разные способы оптимизировать свои решения под нагрузки.
Правильно оцениваем эксперименты: изучаем графики и работаем с обратной связью.

Слайды: https://bit.ly/2E7raQG

Школа программистов: Поиск – дополнительные главы и ML

🎥 Школа программистов: Поиск – дополнительные главы и ML
👁 1 раз ⏳ 5106 сек.
Лекцию читает Георгий Даньщин, руководитель команды разработки.
О чем будем говорить:
1. Модели документа в поиске.
2. Текстовое ранжирование.
3. Машинное обучение в задаче ранжирования.
4. Оценка качества поисковой системы.
5. A/B-тестирование.

🎥 Data Management for AI and Machine Learning: Putting Dataware to Work
👁 1 раз ⏳ 2867 сек.
When it comes to building a successful AI or machine learning system, data is as important as algorithm or model code. And it isn’t just volume of data or data quality that matters - although both are very important. You also need efficient ways to manage data at scale, particularly for the special needs of machine learning, such as data versioning for training models, a reliable event-by-event history, and a way to archive exactly the data seen by a model in production.

Please join me to talk about these

​Как превратить спутниковые снимки в карты. Компьютерное зрение в Яндексе

Наш телеграмм канал - https://yangx.top/ai_machinelearning_big_data
Один из главных источников данных для сервиса Яндекс.Карты — спутниковые снимки. Чтобы с картой было удобно работать, на снимках многоугольниками размечаются объекты: леса, водоёмы, улицы, дома и т. п. Обычно разметкой занимаются специалисты-картографы. Мы решили помочь им и научить компьютер добавлять многоугольники домов без участия людей.

За операции с изображениями отвечает область ИТ, которая называется компьютерным зрением. Последние несколько лет большую часть задач из этой области очень удачно решают, применяя нейронные сети. О нашем опыте применения нейронных сетей в картографировании мы и расскажем сегодня читателям Хабра.
#Алгоритмы,
#Искусственныйинтеллект,
#Машинноеобучение,
#Обработкаизображений
https://habr.com/ru/company/yandex/blog/431108/

🔗 Как превратить спутниковые снимки в карты. Компьютерное зрение в Яндексе
Один из главных источников данных для сервиса Яндекс.Карты — спутниковые снимки. Чтобы с картой было удобно работать, на снимках многоугольниками размечаются объ...

​Sentiment Classification with Natural Language Processing on LSTM

https://blog.usejournal.com/sentiment-classification-with-natural-language-processing-on-lstm-4dc0497c1f19

🔗 Sentiment Classification with Natural Language Processing on LSTM
So Latent Semantic Analysis (LSA) is a theory and method for extracting and representing the contextual-usage meaning of words by…

​В Москве протестируют беспилотный трамвай. Мы поговорили с разработчиками автопилота
На днях «Ведомости» рассказали, что скоро в Москве начнут тестировать беспилотный трамвай. Сейчас его испытывают в депо, но через пару месяцев планируют запустить на маршруте №17 — пока без пассажиров и с водителем в кабине.

На следующем этапе водитель тоже продолжит контролировать трамвай. Система будет только фиксировать срабатывания, но на управление трамваем сможет повлиять только в двух случаях — затормозит, если увидит на путях посторонний объект, и снизит скорость, если водитель слишком разгонится в плохих погодных условиях.

Скорее всего, полностью беспилотным трамвай станет только через несколько лет. Как пишут «Ведомости», к 2021-2022 годам.

Разработка идет на базе модели «Витязь М», которую выпускает «ПК Транспортные системы», а самим автопилотом занимается компания Cognitive Technologies. Руководитель ее департамента разработки беспилотных транспортных средств Юрий Минкин рассказал нам о проекте подробнее.
https://habr.com/ru/post/440258/

🔗 В Москве протестируют беспилотный трамвай. Мы поговорили с разработчиками автопилота
На днях «Ведомости» рассказали, что скоро в Москве начнут тестировать беспилотный трамвай. Сейчас его испытывают в депо, но через пару месяцев планируют запуст...

​MIT 6.S191: Deep Learning Limitations and New Frontiers

🔗 MIT 6.S191: Deep Learning Limitations and New Frontiers
MIT Introduction to Deep Learning 6.S191: Lecture 6 *New 2019 Edition* Deep Learning Limitations and New Frontiers Lecturer: Ava Soleimany January 2019 For a...

​Книга «Прагматичный ИИ. Машинное обучение и облачные технологии»

Как программисты, так и просто неравнодушные технари найдут тут для себя полезную информацию. Примеры кода даны на Python. Здесь рассматривается множество столь продвинутых тем, как использование облачных платформ (например, AWS, GCP и Azure), а также приемы машинного обучения и реализация ИИ. Джедаи, свободно ориентирующиеся в Python, облачных вычислениях и ML, также найдут для себя много полезных идей, которые смогут сразу применить в своей текущей работе.

Предлагаем ознакомиться с отрывком из книги «Создание интеллектуального бота Slack в AWS»
https://habr.com/ru/company/piter/blog/439990/

🔗 Книга «Прагматичный ИИ. Машинное обучение и облачные технологии»
Привет, Хаброжители! Эта книга Ноя Гифта предназначена для всех, кого интересуют ИИ, машинное обучение, облачные вычисления, а также любое сочетание данных тем.

​Machine learning analysis of chaos and vice versa - Edward Ott, University of Maryland

🔗 Machine learning analysis of chaos and vice versa - Edward Ott, University of Maryland
About the talk In this talk we first consider the situation where one is interested in gaining understanding of general dynamical properties of a chaotically...