🎥 Машинное обучение 1. Введение, kNN
👁 1 раз ⏳ 2431 сек.

🎥 Занятие 1 | Машинное обучение
👁 1 раз ⏳ 3479 сек.
Преподаватель: Власов Кирилл Вячеславович
Дата: 16.02.2019

​Regression Mathematics

🔗 Regression Mathematics
Everyone needs to understand regression! Its a useful data science technique that allows us to understand the relationship between different variables. In th...

​Классификация рукописных рисунков. Доклад в Яндексе

Несколько месяцев назад наши коллеги из Google провели на Kaggle конкурс по созданию классификатора изображений, полученных в нашумевшей игре «Quick, Draw!». Команда, в которой участвовал разработчик Яндекса Роман Власов, заняла в конкурсе четвертое место. На январской тренировке по машинному обучению Роман поделился идеями своей команды, финальной реализацией классификатора и интересными практиками соперников.

https://habr.com/ru/company/yandex/blog/440666/

🔗 Классификация рукописных рисунков. Доклад в Яндексе
Несколько месяцев назад наши коллеги из Google провели на Kaggle конкурс по созданию классификатора изображений, полученных в нашумевшей игре «Quick, Draw!». Ком...

​Использование точечных диаграмм для визуализации данных

#Python,
#Визуализацияданных,
#Машинноеобучение
Наш телеграмм канал - https://yangx.top/ai_machinelearning_big_data
Привет, Хабр! Представляю вашему вниманию перевод статьи «Everything you need to know about Scatter Plots for Data Visualisation» автора George Seif.

Если вы занимаетесь анализом и визуализацией данных, то скорее Вам придется столкнуться с точечными диаграммами. Несмотря на свою простоту, точечные диаграммы являются мощным инструментом для визуализации данных. Манипулируя цветами, размерами и формами можно обеспечить гибкость и репрезентативность точечных диаграмм.

В этой статье вы узнаете практически все, что вам необходимо знать о визуализации данных используя точечные диаграммы. Мы постараемся разобрать все необходимые параметры в их использовании в коде python. Также вы можете найти несколько практических уловок.
https://habr.com/ru/post/440674/

🔗 Использование точечных диаграмм для визуализации данных

​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...

​Python vs SQL: Comparison for Data Pipelines

https://towardsdatascience.com/python-vs-sql-comparison-for-data-pipelines-8ca727b34032?source=---------2---------------------

🔗 Python vs SQL: Comparison for Data Pipelines – Towards Data Science
Breaking into the workforce as a web developer, my first interaction with databases and SQL was using an Object Relational Model (ORM)…

​Introducing PlaNet: A Deep Planning Network for Reinforcement Learning

http://ai.googleblog.com/2019/02/introducing-planet-deep-planning.html

🔗 Introducing PlaNet: A Deep Planning Network for Reinforcement Learning
Posted by Danijar Hafner, Student Researcher, Google AI Research into how artificial agents can improve their decisions over time is prog...

Oliver Cameron (CEO, Voyage) - MIT Self-Driving Cars

Наш телеграмм канал - https://yangx.top/ai_machinelearning_big_data
https://www.youtube.com/watch?v=-j0tc0Y1CIE

🎥 Oliver Cameron (CEO, Voyage) - MIT Self-Driving Cars
👁 1 раз ⏳ 3879 сек.
Oliver Cameron is the Co-Founder and CEO of Voyage. Before that he was the lead of the Udacity Self-Driving Car program that made ideas in autonomous vehicle research and development accessible to the world. For more lecture videos on deep learning, reinforcement learning (RL), artificial intelligence (AI & AGI), and podcast conversations, visit our website or follow TensorFlow code tutorials on our GitHub repo.

INFO:
Website: https://deeplearning.mit.edu
GitHub: https://github.com/lexfridman/mit-deep-lear

​🔗 A Gentle Introduction to the Challenge of Training Deep Learning Neural Network Models
Deep learning neural networks learn a mapping function from inputs to outputs. This is achieved by updating the weights of the network in response to the errors the model makes on the training dataset. Updates are made to continually reduce this error until either a good enough model is found or the learning process gets …

​How to Get Better Deep Learning Results (7-Day Mini-Course)

https://machinelearningmastery.com/better-deep-learning-neural-networks-crash-course/

🔗 How to Get Better Deep Learning Results (7-Day Mini-Course)
Better Deep Learning Neural Networks Crash Course. Get Better Performance From Your Deep Learning Models in 7 Days. Configuring neural network models is often referred to as a “dark art.” This is because there are no hard and fast rules for configuring a network for a given problem. We cannot analytically calculate the optimal model …

🎥 Google Cloud Platform: Практическое применение машинного обучения
👁 3 раз ⏳ 2691 сек.
Звиад Кардава — Developer Relations, Google

В своем докладе Звиад расскажет про инструменты в области машинного обучения и анализа данных, ответит на вопрос в каких проектах более выгодным является использование готовых решений, а не создание собственных. Кратко остановится на технологиях Vision API, Speech API, WaveNet, Tensorflow, а после доклада ответит на технические вопросы.

Сайт конференции: https://intercomconf.com/
Конференция прошла при поддержке компаний Voximplant, Logitech, dialog, Smartcalls.

​Deep Learning in Finance (Alexey Goldin)
https://www.youtube.com/watch?v=iDo6H3EhZjQ

🔗 Deep Learning in Finance (Alexey Goldin)
Deep Learning in Finance

Plática dada por Alexey Goldin (Teza Technologies, Chicago) en el Centro de Colaboración Samuel Gitler el lunes 18 de febrero del 2019.

Alexey Goldin en:

Researchgate
https://www.researchgate.net/profile/Alexey_Goldin

Linkedin
https://www.linkedin.com/in/abgoldin

Arxiv
https://arxiv.org/search/astro-ph?searchtype=author&query=Goldin%2C+A

Agradecemos el apoyo de

Roberto Gómez el Oso quien grabó la plática

universo.math
http://universo.math.org.mx/
https://www.facebook.com/uni

​https://m.youtube.com/watch?v=SV3cnWf39kc

🔗

​Kaggle Earthquake Prediction Challenge

🔗 Kaggle Earthquake Prediction Challenge
Data Science coding challenge time! The popular Data Science competition website Kaggle has an ongoing competition to solve the problem of earthquake predict...

​Сегодня мы запускаем Rekko Challenge 2019 — соревнование по машинному обучению от онлайн-кинотеатра Okko.

Мы предлагаем вам построить рекомендательную систему на реальных данных одного из крупнейших российских онлайн-кинотеатров. Уверены, что эта задача будет интересна и новичкам, и опытным специалистам. Мы постарались сохранить максимальный простор для творчества, при этом не перегружая вас гигабайтными датасетами с сотнями предварительно посчитанных признаков.

Подробнее про Okko, задачу, данные, призы и правила — ниже.
https://habr.com/ru/company/okko/blog/439180/

🔗 Rekko Challenge
Сегодня мы запускаем Rekko Challenge 2019 — соревнование по машинному обучению от онлайн-кинотеатра Okko. Мы предлагаем вам построить рекомендательную систему н...

​A Gentle Introduction to Graph Neural Network (Basics, DeepWalk, and GraphSage)
Recently, Graph Neural Network (GNN) has gained increasing popularity in various domains, including social network, knowledge graph

🔗 A Gentle Introduction to Graph Neural Network (Basics, DeepWalk, and GraphSage)
Recently, Graph Neural Network (GNN) has gained increasing popularity in various domains, including social network, knowledge graph…

🎥 Геннадий Штех - Использование ML в продукте подходы и подводные камни
👁 1 раз ⏳ 2911 сек.
Записи с DataStart Conference 2018 Autumn - конференции по Data Science, Machine Learning (20 октября 2018)

​DeepWeeds: A Multiclass Weed Species Image Dataset for Deep Learning
https://www.nature.com/articles/s41598-018-38343-3

🔗 DeepWeeds: A Multiclass Weed Species Image Dataset for Deep Learning
DeepWeeds: A Multiclass Weed Species Image Dataset for Deep Learning

​3Q: Machine learning and climate modeling
As machine learning expands into climate modeling, EAPS Associate Professor Paul O’Gorman answers what that looks like and why it's important now.

http://news.mit.edu/2019/mit-3q-paul-o-gorman-machine-learning-for-climate-modeling-0213

🔗 3Q: Machine learning and climate modeling
As machine learning expands into climate modeling, EAPS Associate Professor Paul O’Gorman answers what that looks like and why it's important now.