​Get in-depth insights with AI and machine learning data analysis tools

🔗 Get in-depth insights with AI and machine learning data analysis tools
Use quick insights and natural language queries to explore your data and analyze customer behavior on a large scale. Discover how powerful artificial intelli...

​Theorizing from Data by Peter Norvig (Video Lecture)

https://catonmat.net/theorizing-from-data-by-peter-norvig-video-lecture

🔗 Theorizing from Data by Peter Norvig (Video Lecture)
Here is a video lecture by Google's Director of Research - Peter Norvig. The full title of this lecture is "Theorizing from Data: Avoiding the Capital Mistake". In 1891 Sir Arthur Conan Doyle said that "it is a capital mistake to theorize before one has data." These words still remain true today. In this talk Peter...

​Data Analysis of 10.000 AI Startups

https://towardsdatascience.com/data-analysis-of-10-000-ai-startups-5ea7e957e90?source=collection_home---4------1---------------------

🔗 Data Analysis of 10.000 AI Startups – Towards Data Science
AngelList is a place that connects startups to investors and job candidates looking to work at startups. Their goal is to democratize the…

🎥 Machine Learning and Data Science in Clojure: Presented by Aria Haghighi
👁 1 раз ⏳ 3785 сек.
Amperity's VP of Data Science, Aria Haghighi (https://github.com/aria42) shows his toolset for data science in Clojure. Many in the business use Python, but he'll show you how he makes this happen in our favorite functional toolset while comparing the two universes.

​Поделюсь рассказом о небольшом проекте: как найти в комментариях ответы автора, заведомо не зная кто автор поста.

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

Свой проект я начинал с минимальными знаниями по машинному обучению и думаю для специалистов тут не будет ничего нового. Этот материал в некотором смысле компиляция разных статей, в нем расскажу, как подходил к задаче, в коде можно найти полезные мелочи и приемы с обработкой естественного языка.

https://habr.com/ru/post/441850/

🔗 Гадание на нейросетях: отметился ли в комментариях к посту сам автор
Поделюсь рассказом о небольшом проекте: как найти в комментариях ответы автора, заведомо не зная кто автор поста. Свой проект я начинал с минимальными знаниям...

​Simple Introduction to Convolutional Neural Networks

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
https://medium.com/@matthew_stewart/simple-introduction-to-convolutional-neural-networks-cdf8d3077bac?source=topic_page---------1------------------1

🔗 Simple Introduction to Convolutional Neural Networks
In this article, I will explain the concept of convolution neural networks (CNN’s) using many swan pictures and will make the case of…

​Что у нас тут? 🤔 Да это же бесплатный курс по машинному обучению в IT-компании! IRL!

Дорогие студенты,

Мы планируем провести в #Екатеринбурге курс-практикум по машинному обучению для целей классификации интернет-ресурсов и анализа вредоносной активности в интернете. Расскажем, покажем и научим тому, что умеем и делаем сами, причем совершенно бесплатно!

Курс, который мы планируем провести в апреле-мае, будет состоять из теоретической части и большого количества практики на реальных данных. Ориентировочная длительность курса 6-8 недель, занятия будут проходить 2 раза в неделю.

Но прежде, чем проводить мероприятие, хотели бы собрать предварительный отклик и выбрать наиболее удобные для всех сроки и время проведения курса.

Занятия будут проходить в очной форме, у нас в офисе (Кулибина 2), в 20 минутах пешком от ГУКа УрФУ на Мира.

Тех, кто успешно пройдет курс, мы пригласим к нам на стажировку.

Интересно? Тогда ответь на анкету:

https://docs.google.com/forms/d/e/1FAIpQLSeZxgY8lPhlUGWI6zAhup3ySmGgAt2TYHqgXr-CdlQsnZk7AQ/viewform

PS: Подробности опубликуем ближе к концу марта 😉

🔗 Опрос студентов по курсу-практикуму по машинному обучению
Дорогие студенты, Мы, в СкайДНС, планируем провести в Екатеринбурге курс-практикум по машинному обучению для целей классификации интернет-ресурсов и анализа вредоносной активности в интернете. Собственно расскажем, покажем и научим тому, что умеем и делаем сами, и причем совершенно бесплатно. Курс, который мы планируем провести в апреле — мае, будет состоять из теоретической части и много-много практики на реальных данных. Ориентировочная длительность курса 6-8 недель, занятия будут проходить 2 раза в неделю. Но прежде чем проводить курс, хотели бы собрать интерес к нему и лучше выбрать сроки проведения курса и понять какое время удобнее студентам. Курс будет проходить в очной форме, у нас в офисе на Кулибина, в 20 минутах пешком от главного корпуса УрФУ. Тех кто успешно пройдет курс, мы планируем пригласить к нам на стажировку. В общем, если возник интерес, то прошу ответить на следующую анкету:

​Watson Studio Desktop is now free for academia – IBM Watson – Medium

🔗 Watson Studio Desktop is now free for academia – IBM Watson – Medium
Machine Learning, Data Science, and Predictive Analytics techniques are in strong demand. That’s why since its launch, IBM Watson Studio…

​Some Popular Metrics in Machine Learning
A summary of some metrics used to compare simulated output with ground truth.

https://medium.com/@maddyschiappa/metrics-ml-2563f9e47faa?source=topic_page---------0------------------1

🔗 Some Popular Metrics in Machine Learning – Madeline Schiappa – Medium
A summary of some metrics used to compare simulated output with ground truth.

Myths About Data Science | Uncovering Data Science Myths | Data Science Training

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
https://www.youtube.com/watch?v=caGPIlBEsXE

🎥 10 Myths About Data Science | Uncovering Data Science Myths | Data Science Training | Edureka
👁 1 раз ⏳ 1366 сек.
** Data Scientist Master Program: https://www.edureka.co/masters-program/data-scientist-certification **
This Edureka live session on “10 Data Science Myths" attempts to take down some of the misconceptions about Data Science and gives a much clearer picture of what data science really is.

Check out our Data Science Tutorial blog series: http://bit.ly/data-science-blogs

Check out our complete Youtube playlist here: http://bit.ly/data-science-playlist

-------------------------------------

Do subscribe to

​PyText: A seamless path from NLP research to production

https://research.fb.com/publications/pytext-a-seamless-path-from-nlp-research-to-production/

🔗 PyText: A seamless path from NLP research to production
We introduce PyText – a deep learning based NLP modeling framework built on PyTorch. PyText addresses the often-conflicting requirements of enabling rapid experimentation and of serving models at scale.

🎥 Upgrade your existing code for TensorFlow 2.0 (Coding TensorFlow)
👁 1 раз ⏳ 197 сек.
TensorFlow 2.0 is here! With the Keras integration, and Eager Execution enabled by default, 2.0 is all about ease of use, and simplicity. We want to provide both new and experienced developers the tools & APIs needed to build and deploy their machine learning models with speed and precision.

In this episode of Coding TensorFlow, Developer Advocate Paige Bailey (Twitter: @dynamicwebpaige) shows us the tf_upgrade_v2 tool, which helps with the 2.0 transition by converting existing TensorFlow 1.12 Python scrip

​Human-Centric Machine Learning Infrastructure @Netflix

🔗 Human-Centric Machine Learning Infrastructure @Netflix
Video with transcript included: https://bit.ly/2EgdzWc Ville Tuulos talks about choices and reasoning the Netflix Machine Learning Infrastructure team made o...

​IBM Watson Studio giveaway for students(if someone use it)
https://medium.com/ibm-watson/watson-studio-desktop-is-now-free-for-academia-f8b50a118370

🔗 Watson Studio Desktop is now free for academia – IBM Watson – Medium
Machine Learning, Data Science, and Predictive Analytics techniques are in strong demand. That’s why since its launch, IBM Watson Studio…

Deep learning на пальцах 2 - Элементы машинного обучения
https://www.youtube.com/watch?v=1BUuB28FDOc

🎥 Deep learning на пальцах 2 - Элементы машинного обучения
👁 1 раз ⏳ 3957 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/h1r9iju8i1c1gyp/Lecture%202%20-%20Machine%20Learning%20-%20annotated.pptx?dl=0
Лекции каждую неделю в среду 8:40 утра по Мск, 12:40 по Нск.
9:40 вечера вторника по PST.

🎥 Deep learning на пальцах 2 - Элементы машинного обучения
👁 1 раз ⏳ 3957 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/h1r9iju8i1c1gyp/Lecture%202%20-%20Machine%20Learning%20-%20annotated.pptx?dl=0
Лекции каждую неделю в среду 8:40 утра по Мск, 12:40 по Нск.
9:40 вечера вторника по PST.

​Сервим всё

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
Не так чтобы очень давно, в довольно недалекой галактике, на одной провинциальной планетке жили известные потомки обезьян, которые настолько обленились, что решили изобрести искусственный интеллект. «Ну а что?» — подумали они. Хорошо же иметь в советчиках Сверхразум «надмозг», который будет думать за тебя, когда надо, проблемы твои оперативненько решать, да еще и лучше чем это когда-либо сможет сделать живое существо… И, не долго думая о последствиях, начали они свои обезьяньи мозги реверсить и когнитивный процесс на строительные кирпичики разбирать. Думали они, думали и придумали, не поверите — модель нейрона, математический алгоритм обучения, а затем и нейронные сети с разной топологией подтянулись. Конечно, работало это не сказать чтобы очень хорошо. Была масса недостатков, по сравнению с естественным интеллектом, но определенный круг задач данные модели позволяли решать с приемлемой точностью. И начали потихонечку появляться оцифрованные и сериализованные навыки в виде моделей сетей нейронных. Сегодня, дорогие любители истории вселенной, мы коснемся темы организации и внедрения различных навыков интеллекта искусственного.

https://habr.com/ru/post/440908/

🔗 Сервим всё
Не так чтобы очень давно, в довольно недалекой галактике, на одной провинциальной планетке жили известные потомки обезьян, которые настолько обленились, что реши...

Нейронные сети
Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

01 - Нейронные сети. Основы линейной алгебры
02 - Нейронные сети. Перцептрон и градиентный спуск
03 - Нейронные сети. Алгоритм обратного распространения ошибки
04 - Нейронные сети. Мониторинг состояния сети
05 - Нейронные сети. Заключение

🎥 01 - Нейронные сети. Основы линейной алгебры
👁 4867 раз ⏳ 5559 сек.
Лектор: Арсений Москвичев

1. Введение
2. Ликбез по линейной алгебре: векторы
3. Ликбез по линейной алгебре: матрицы
4. Линейная алгебра в деле

ht...

🎥 02 - Нейронные сети. Перцептрон и градиентный спуск
👁 1088 раз ⏳ 7739 сек.
Лектор: Арсений Москвичев

1. Нейроны: настоящие и искусственные
2. Перцептрон
3. Перцептрон: обучение
4. Больше искусственных нейронов!
5. Градиен...

🎥 03 - Нейронные сети. Алгоритм обратного распространения ошибки
👁 672 раз ⏳ 5437 сек.
Лектор: Арсений Москвичев

1. Многослойный перцептрон
2. Алгоритм обратного распространения ошибки
3. Алгоритм обратного распространения ошибки: пр...

🎥 04 - Нейронные сети. Мониторинг состояния сети
👁 558 раз ⏳ 2796 сек.
Лектор: Арсений Москвичев

1. Мониторинг состояния сети
2. Визуализация

https://stepik.org/s/JRYrVjqo

🎥 05 - Нейронные сети. Заключение
👁 488 раз ⏳ 299 сек.
Лектор: Арсений Москвичев

https://stepik.org/s/JRYrVjqo

​TSNE-CUDA

GPU Accelerated t-SNE for CUDA with Python bindings

GitHub, by Canny Lab: https://github.com/CannyLab/tsne-cuda

🔗 CannyLab/tsne-cuda
GPU Accelerated t-SNE for CUDA with Python bindings - CannyLab/tsne-cuda

​Machine Learning for Particle Data When You are Not a Physicist
How a H2O deep learning model can be used to do supervised classification with Python

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

https://towardsdatascience.com/machine-learning-for-particle-data-when-you-are-not-a-physicist-dad77beb90e0?source=collection_home---4------2---------------------

🔗 Machine Learning for Particle Data When You are Not a Physicist
How a H2O deep learning model can be used to do supervised classification with Python

​Implementing a Naive Bayes classifier for text categorization in Five Steps

https://towardsdatascience.com/implementing-a-naive-bayes-classifier-for-text-categorization-in-five-steps-f9192cdd54c3?source=topic_page---------2------------------1

🔗 Implementing a Naive Bayes classifier for text categorization in Five Steps
The Naive Bayes classifier guide I wish I had before

​Preserving Memory in Stationary Time Series
How Fractional Differencing preserves information in time series while satisfying the condition of stationarity for Predictive Modelling

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

https://towardsdatascience.com/preserving-memory-in-stationary-time-series-6842f7581800?source=collection_home---4------0---------------------

🔗 Preserving Memory in Stationary Time Series – Towards Data Science
How Fractional Differencing preserves information in time series while satisfying the condition of stationarity for Predictive Modelling