🎥 Towards Robust Deep Learning (Remote talk) by Stephan Zheng
👁 1 раз ⏳ 3654 сек.
DISCUSSION MEETING

THE THEORETICAL BASIS OF MACHINE LEARNING (ML)


ORGANIZERS: Chiranjib Bhattacharya, Sunita Sarawagi, Ravi Sundaram and SVN Vishwanathan

DATE : 27 December 2018 to 29 December 2018

VENUE : Ramanujan Lecture Hall, ICTS, Bangalore

ML (Machine Learning) has enjoyed tremendous practical success in the last decade with applications ranging from e-commerce to self-driving cars. The success of deep networks in vision and speech recognition are particularly notable examples. However, the th

🎥 Saving Data and Models - Deep Learning for Audio Classification p.7
👁 1 раз ⏳ 989 сек.
Since many people have requested this, video 1 of 2 for deploying the model.

​Мало найдется тех, кто не заходит в социальные сети, хотя бы иногда, посмотреть “что там у друзей”. Но еще меньше тех, кто был бы доволен контентом, который им отобрала “умная лента”. Специалисты Одноклассников постоянно работают над улучшением алгоритмов работы с данными, мы хотим сделать ленту более релевантной а пользовательский опыт более положительным. В этот раз мы предлагаем тебе принять участие в уникальном челлендже по анализу данных социальных сетей от Одноклассников – SNA Hackathon 2019! Попробуй сделать мир чуть лучше, а ленту чуть интересней, используя свои уникальные Data Science скилы!

Мероприятие будет состоять из 2-х этапов: в рамках первого этапа, который проводится на площадке ml boot camp с 7 февраля по 15 марта, участников ждут задачи по компьютерному зрению, работе с естественными языками и разработке рекомендательных систем. Во втором этапе, который состоится в нашем Московском офисе, мы соберем в одном месте лучших из лучших в своих областях и дадим им возможность построить решение, объединяющее знания из всех миров.

https://www.snahackathon.org/

🔗 SNA Hackathon 2019
SNA Hackathon 2019 — контест по машинному обучению и анализу данных. Попробуй сделать мир чуть лучше, а ленту чуть интересней, используя свои уникальные Data Science скилы!

​Get started with Apache Spark and TensorFlow on Azure Databricks

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
https://towardsdatascience.com/get-started-with-apache-spark-and-tensorflow-on-azure-databricks-163eb3fdb8f3?source=collection_home---4------0---------------------

🔗 Get started with Apache Spark and TensorFlow on Azure Databricks
TensorFlow is now available on Apache Spark framework, but how do you get started? It called TensorFrame…

​Working with APIs using Flask, Flask-RESTPlus and Swagger UI

https://towardsdatascience.com/working-with-apis-using-flask-flask-restplus-and-swagger-ui-7cf447deda7f?source=collection_home---4------2---------------------

🔗 Working with APIs using Flask, Flask RESTPlus and Swagger UI
An introduction to Flask and Flask-RESTPlus

​Complete Machine Learning Course | Machine Learning Tutorial for Beginners | Edureka

🔗 Complete Machine Learning Course | Machine Learning Tutorial for Beginners | Edureka
** Machine Learning Masters Program: https://www.edureka.co/masters-program/machine-learning-engineer-training ** This Edureka Machine Learning video on "Com...

​Machine Learning #️⃣2️⃣ Classification & Data Preprocessing

🔗 Machine Learning #️⃣2️⃣ Classification & Data Preprocessing
In machine learning, classification solve the problem of predicting the categories of a given data point. Pre-processing refers to the transformations applie...

​Intuitive Deep Learning Part 2: CNNs for Computer Vision
What are Convolutional Neural Networks? How can we apply Neural Networks to recognize images?

https://towardsdatascience.com/intuitive-deep-learning-part-2-cnns-for-computer-vision-472bbb2c8060

🔗 Intuitive Deep Learning Part 2: CNNs for Computer Vision
What are Convolutional Neural Networks? How can we apply Neural Networks to recognize images?

🎥 Predictions - Deep Learning for Audio Classification p.8
👁 1 раз ⏳ 1351 сек.
Since many people have requested this, video 2 of 2 for deploying the model.

​Monetizing Machine Learning

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

Автор: Manuel Amunategui, Mehdi Roopaei
Год: 2018

Описание:
Take your Python machine learning ideas and create serverless web applications accessible by anyone with an Internet connection. Some of the most popular serverless cloud providers are covered in this book―Amazon, Microsoft, Google, and PythonAnywhere.
https://pp.userapi.com/c845418/v845418091/1b013a/V0GgLRpf4-Q.jpg

📝 Monetizing_Machine_Learning.pdf - 💾23 390 861

🎥 Introduction to Deep Learning Lecture 12
👁 1 раз ⏳ 4785 сек.

​Проект «Прометей»: поиск пожаров с помощью ИИ
Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

Мы с коллегами работаем в проекте Prometheus («Прометей») — это решение для раннего обнаружения пожаров, в котором объединены ИИ, компьютерное зрение, автоматические дроны и сервисы прогноза погоды. Этот комплекс предназначен для выявления пожаров в дикой природе, прежде чем они перерастут в настоящее бедствие. Мы хотим рассказать о проекте поподробнее, как он работает и какой теоретический аппарат лежит в его основе. Материал будет подан как можно более независимо от конкретных технологий, так что если вас интересуют конкретные особенности реализации (CNTK, Faster R-CNN, контейнеры Docker, Python, фреймворк .NET и т. д.), то заходите в наш GitHub-репозиторий. А здесь мы лишь упомянем использованные технологии.

https://habr.com/ru/company/nixsolutions/blog/441620/

🔗 Проект «Прометей»: поиск пожаров с помощью ИИ
Перевод Project Prometheus — An AI-powered fire finding solution Мы с коллегами работаем в проекте Prometheus («Прометей») — это решение для раннего обнаружен...

​Нужен ли магазину «Стильный кросселл»: опыт Retail Rocket в анализе изображений для формирования рекомендаций

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
#Искусственныйинтеллект,

Обработка изображений
Интерес к анализу изображений для формирования рекомендаций растет с каждым днем. Мы решили разобраться, насколько реальные результаты приносит эта трендовая тема. Рассказываем о тестировании использования глубинного обучения (Deep Learning) для улучшения рекомендаций сопутствующих товаров.
https://habr.com/ru/company/retailrocket/blog/441366/

🔗 Нужен ли магазину «Стильный кросселл»: опыт Retail Rocket в анализе изображений для формирования рек
Интерес к анализу изображений для формирования рекомендаций растет с каждым днем. Мы решили разобраться, насколько реальные результаты приносит эта трендовая тем...

Karl Iagnemma & Oscar Beijbom (Aptiv Autonomous Mobility) - MIT Self-Driving Cars

https://www.youtube.com/watch?v=p5AtrKqQ3Fw

🎥 Karl Iagnemma & Oscar Beijbom (Aptiv Autonomous Mobility) - MIT Self-Driving Cars
👁 1 раз ⏳ 3526 сек.
Karl Iagnemma is the President of Aptiv Autonomous Mobility. Oscar Beijbom is their Machine Learning Lead. In 2013, Karl co-founded nuTonomy, a Boston-based autonomous vehicle company that was sold to Delphi (Aptiv) in 2017 for $400 million. Now as part of Aptiv, Karl and team are one of the leaders in autonomous vehicle development and deployment, with cars on the roads in several sites in the US. For more lecture videos on deep learning, reinforcement learning (RL), artificial intelligence (AI & AGI), and

​Deep Learning

An MIT Press book

Ian Goodfellow and Yoshua Bengio and Aaron Courville

http://www.deeplearningbook.org

🔗 Deep Learning

Машинное обучение для обнаружения code smell: систематический обзор литературы и метаанализ

https://www.youtube.com/watch?v=0yw9W7PRCew

🎥 Машинное обучение для обнаружения code smell: систематический обзор литературы и метаанализ
👁 1 раз ⏳ 3370 сек.
Code smell — это индикатор неоптимального дизайн-решения в исходном коде, которое часто осложняет его изменение и исправление ошибок программиста. На данный момент существуют десятки различных детекторов code smell. Однако были обнаружены три очень важных ограничения, которые могут помешать применению существующих детекторов на практике: (i) разработчики воспринимают результат работы детекторов субъективно, (ii) результаты различных детекторов редко совпадают, и (iii) настройка параметров детектора сильно в

​Machine Learning Workflows with HashiCorp Nomad and Apache Spark

🔗 Machine Learning Workflows with HashiCorp Nomad and Apache Spark
I will review the workflows for running Apache Spark workloads against a Nomad cluster using the HashiCorp Nomad-Spark integration. Special emphasis will be ...

​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...