​Тех, кто предпочитает особые игры разума и знает азы Python, 19 марта ждут в 20-00 (мск) на онлайн-трансляции Дня открытых дверей углубленного курса «Data Scientist»: https://otus.pw/woIQ/
Пока есть время – готовьте вопросы преподавателю курса, Александру Никитину, эксперту-разработчику и data scientist, и пройдите вступительный тест на курс: https://otus.pw/sudO/

На вебинаре:
• Будет знакомство с преподавателем и разговор о программе курса и ее наполнении;
• Ответят на все интересующие вопросы про формат обучения, домашние задания и выпускной проект – готовьте вопросы!
• Расскажут об условиях трудоустройства для выпускников (уже больше 20 известных компаний ждут на собеседование успешных выпускников).

Приходите за подробностями!

🔗 Data Scientist — обучение от профессионалов. Data Science learning, Data Scientist learning | OTUS
Большие объемы данных, как с ними работать? Мы проводим курсы по BigData в Москве и трудоустраиваем наших программистов

​Vessel Segmentation With Python and Keras

🔗 Vessel Segmentation With Python and Keras
Motivation :

​Demystifying the Math of Support Vector Machines (SVM)

🔗 Demystifying the Math of Support Vector Machines (SVM)
This article was written by Krishna Kumar Mahto. So, three days into SVM, I was 40% frustrated, 30% restless, 20% irritated and 100% inefficient in terms of g…

Discrete Math

https://www.youtube.com/watch?v=LGt4PE7-ATI

🎥 Discrete Math
👁 1 раз ⏳ 669 сек.
Discrete Math is a subject everyone interested in Computer Science needs to understand. It consists of math branches like graph theory, set theory, number theory, & combinatorics. It helps create databases, algorithms, & security structures. In this video, I'll explain the most relevant topics in Discrete Math one by one as we try to decrypt the password for a SQL database. Along the way, we'll use discrete math in various ways. I wanted to see if I could summarize an important course I took in college in a

DeepMind: This Card Game Is the Next Frontier for AI Research
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

https://www.youtube.com/watch?v=cD-eXjf854Q

🎥 DeepMind: This Card Game Is the Next Frontier for AI Research
👁 1 раз ⏳ 235 сек.
📝 The paper "The Hanabi Challenge: A New Frontier for AI Research" and a blog post is available here:
https://arxiv.org/abs/1902.00506
http://www.marcgbellemare.info/blog/a-cooperative-benchmark-announcing-the-hanabi-learning-environment/

❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers

🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
313V, Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian Gilman, Chr

​Deep Learning and Doughnuts
Manifold learning

https://towardsdatascience.com/deep-learning-and-doughnuts-c2f0f7b7c598?source=collection_home---4------0---------------------

🔗 Deep Learning and Doughnuts
Manifold learning

​A Gentle Introduction to Computer Vision

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

https://machinelearningmastery.com/what-is-computer-vision/

🔗 A Gentle Introduction to Computer Vision
Computer Vision, often abbreviated as CV, is defined as a field of study that seeks to develop techniques to help computers “see” and understand the content of digital images such as photographs and videos. The problem of computer vision appears simple because it is trivially solved by people, even very young children. Nevertheless, it largely …

​Big data, deus ex machina
«Данные — это новая нефть». Эту фразу на выступлении для PopTech произнёс несколько лет назад Джер Торп (Jer Thorp), художник и эксперт в вопросах анализа и визуализации данных, один из основателей «Бюро креативных исследований». Сегодня мы хотим поговорить не просто о данных, а о больших данных. Разбираемся, какие данные big, а какие нет, как они работают и как на этом зарабатывает бизнес.

https://habr.com/ru/company/mailru/blog/443474

🔗 Big data, deus ex machina
Источник «Данные — это новая нефть». Эту фразу на выступлении для PopTech произнёс несколько лет назад Джер Торп (Jer Thorp), художник и эксперт в вопросах анал...

​Measuring the Limits of Data Parallel Training for Neural Networks
http://ai.googleblog.com/2019/03/measuring-limits-of-data-parallel.html

🔗 Measuring the Limits of Data Parallel Training for Neural Networks
Posted by Chris Shallue, Senior Software Engineer and George Dahl, Senior Research Scientist, Google AI Over the past decade, neural netwo...

​Книга «Прикладной анализ текстовых данных на Python»

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
image Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод, «беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диалога. Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем, а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский? Ответ кроется в мелочах – в алгоритмах, которые правильно работают в теории, но сложно реализуются на практике. Научитесь применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных вы перейдете к приемам классификации и кластеризации текстов, затем приступите к визуальной интерпретации, анализу графов, а после знакомства с приемами масштабирования научитесь использовать глубокое обучение для анализа текста.
https://habr.com/ru/company/piter/blog/444384/

🔗 Книга «Прикладной анализ текстовых данных на Python»
Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в ре...

​Mountain Car: решаем классическую задачу при помощи обучения с подкреплением
кации алгоритмов, полагающиеся на особенности конкретной задачи, считаются менее ценными, так как их сложно обобщить на более широкий класс задач. Однако это не означает, что такие модификации не нужны. Более того, часто они могут значительно улучшить результат даже для простых классических задач, что очень важно при практическом применении алгоритмов. В качестве примера в этом посте я решу задачу Mountain Car при помощи обучения с подкреплением и покажу, что используя знание о том, как устроена задача, ее можно решить значительно быстрее.

https://habr.com/ru/company/hsespb/blog/444428/

🔗 Хабр

​Семь мифов в области исследований машинного обучения

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Миф 1: TensorFlow – это библиотека для работы с тензорами.
Миф 2: Базы данных изображений отражают реальные фотографии, встречающиеся в природе.
Миф 3: Исследователи МО не используют проверочные наборы для испытаний.
Миф 4: В обучении нейросети используются все входные данные.
Миф 5: Для обучения очень глубоких остаточных сетей требуется пакетная нормализация.
Миф 6: Сети с вниманием [attention] лучше свёрточных [convolution].
Миф 7: Карты значимости – надёжный способ интерпретации нейросетей.

https://habr.com/ru/post/444172

🔗 Семь мифов в области исследований машинного обучения
Для тех, кому лень читать всё: предлагается опровержение семи популярных мифов, которые в области исследований машинного обучения часто считаются истинными, по с...

​An Orwellian Approach to the Litter Problem

🔗 An Orwellian Approach to the Litter Problem
Using computer vision to detect someone missing the garbage

​Как мы выиграли внутренний хакатон, выучив skibidi, flossing и javascript

В VK есть классная традиция — внутренний хакатон, в котором могут участвовать только ребята из ВКонтакте. Расскажу про хакатон от лица команды, которая в этом году заняла первое место и погибла от утомления в полном составе, но успела примерить детектор танцевальных движений для камеры историй.
https://habr.com/ru/company/vk/blog/443902/

🔗 Как мы выиграли внутренний хакатон, выучив skibidi, flossing и javascript
В VK есть классная традиция — внутренний хакатон, в котором могут участвовать только ребята из ВКонтакте. Расскажу про хакатон от лица команды, которая в этом го...

​Reinforcement learning: Temporal-Difference, SARSA, Q-Learning & Expected SARS

🔗 Reinforcement learning: Temporal-Difference, SARSA, Q-Learning & Expected SARSA on python
TD, SARSA, Q-Learning & Expected SARSA along with their python implementation and comparison

​Прямая трансляция и расписание конференции SmartMail Conf: Machine Learning

Друзья, осталось всего три дня до SmartMail Conf — нашей первой конференции по машинному обучению. Программа выступления чуть более чем полностью состоит из докладов наших коллег из Почты Mail.ru. Они расскажут много интересного про обработку естественных языков, про компьютерное зрение и обучение моделей борьбе со спамом. Причём расскажут не в отрыве от реальности, а на практических примерах использования в наших собственных проектах и технологиях.

https://habr.com/ru/company/mailru/blog/444542/

🔗 Прямая трансляция и расписание конференции SmartMail Conf: Machine Learning
Друзья, осталось всего три дня до SmartMail Conf — нашей первой конференции по машинному обучению. Программа выступления чуть более чем полностью состоит из док...

​Приглашаем вас на конференцию “Облака. Модные тренды” 26 марта

Правда ли, что мировые гиперскейлеры полностью захватят рынок облачных услуг, и какая судьба их ждет на российском рынке? Как обеспечить максимальную безопасность корпоративных данных в онлайн-хранилищах? За какими облачными технологиями будущее? 26 марта ведущие эксперты рынка облачных технологий расскажут обо всем этом на специализированной конференции «Облака. Модные тренды» в Центре Цифрового Лидерства SAP.

https://habr.com/ru/company/sap/blog/444560/

🔗 Приглашаем вас на конференцию “Облака. Модные тренды” 26 марта 2019
Правда ли, что мировые гиперскейлеры полностью захватят рынок облачных услуг, и какая судьба их ждет на российском рынке? Как обеспечить максимальную безопасност...

​Вебинар «Безопасность машинного обучения: естественные проблемы искусственного интеллекта»

21 марта специалисты Digital Security представят свой критический взгляд на повсеместное внедрение искусственного интеллекта (ИИ) и машинного обучения (МО).

https://habr.com/ru/company/dsec/blog/444514/

🔗 Вебинар «Безопасность машинного обучения: естественные проблемы искусственного интеллекта»
21 марта специалисты Digital Security представят свой критический взгляд на повсеместное внедрение искусственного интеллекта (ИИ) и машинного обучения (МО).

​Semantic Image Synthesis with Spatially-Adaptive Normalization”

https://nvlabs.github.io/SPADE/

#artificialintelligence #deeplearning #generativedesign

🔗 Semantic Image Synthesis with Spatially-Adaptive Normalization

​Python | Math operations for Data analysis

https://www.geeksforgeeks.org/python-math-operations-for-data-analysis/

🔗 Python | Math operations for Data analysis - GeeksforGeeks
Python is a great language for doing data analysis, primarily because of the fantastic ecosystem of data-centric Python packages. Pandas is one of those packages,… Read More »