Small Data Science for Russian Adventurers
11.2K subscribers
300 photos
3 videos
13 files
702 links
БЕЗ ЧУЖОЙ РЕКЛАМЫ Авторский канал Александра Дьяконова (dyakonov.org)
машинное (machine learning) и
глубокое обучение (deep learning)
анализ данных (data mining)
наука о данных (data science)
ИИ (artificial intelligence)
математика (math)
и др.
ЕСТЬ ЧАТ;)
加入频道
September 23, 2021
September 24, 2021
September 24, 2021
September 24, 2021
#юмор
Ну и Шмидхубера можно почитать, всё-таки в Сбере работает;) тема старая: всё сделано в моей лаборатории, а премии дают каким-то популяризаторам:
https://people.idsia.ch/~juergen/scientific-integrity-turing-award-deep-learning.html
September 24, 2021
September 27, 2021
#интересно
Забавный сайт, который оценивает «влиятельность людей». По каким-то конкретным срезам точно неадекватно, но по более крупным интересно смотреть рейтинг. Например, вообще во всём самые влиятельные - Маркс, Эйнштейн и Фрейд. Среди женщин - королева Виктория, Вирджиния Вульф и Флоренс Натингейл. В Computer Science - фон Нейман, Вирт и Джобс, в математике - Гильберт, Эйнштейн, Риман. Можно делать срез «в последние k лет», там Маск вылезает в топ CS.
September 29, 2021
September 30, 2021
Здесь показана формула, по которой производится вычисления в этой графовой сети (GNN). Что это за сеть?
Anonymous Quiz
16%
GIN (Graph Isomorphism Network)
29%
GraphSAGE (Graph Sample and Aggregate)
27%
GAT (Graph Attention Network)
15%
Jumping Knowledge Network
13%
DeepGCN
September 30, 2021
#видео
Не очень известный, но интересный доклад Филиппа Сингера (на момент доклада 1е место в рейтинге Кэгла). Без пафоса «Как выиграть всё что можно» рассказывает о своём соревновательном опыте. Интересно, что своё первое соревнование он провёл 10 лет назад (и сейчас самый «старый» в топе кэгла, если смотреть по дате регистрации на платформе), а потом 7 лет не соревновался.
https://youtu.be/OenmJTdF0-M
October 3, 2021
October 4, 2021
October 5, 2021
October 5, 2021
October 7, 2021
#курс
Курс по машинному обучению на украинском языке: https://github.com/fbeilstein/machine_learning
(видео - на украинском, в ноутбуках - английский). Некоторые темы очень неплохо преподнесены.
October 15, 2021
#ссылка
Подборка ссылок по теме "Metric Learning"

Хороший большой обзор "Deep Metric Learning":
https://hav4ik.github.io/articles/deep-metric-learning-survey

Математические аспекты классического Metric Learning:
https://arxiv.org/pdf/1812.05944.pdf

библиотека для классического Metric Learning:
http://contrib.scikit-learn.org/metric-learn/introduction.html

Большой обзор "Contrastive Representation Learning"
https://lilianweng.github.io/lil-log/2021/05/31/contrastive-representation-learning.html

Обзор "Deep Metric Learning"
https://www.mdpi.com/2073-8994/11/9/1066/htm

Сравнение Loss-функций «A Metric Learning Reality Check»
https://arxiv.org/pdf/2003.08505.pdf

Одни из наиболее свежих Loss-функций:
Circle Loss: https://arxiv.org/pdf/2002.10857.pdf
Curriculum Face: https://arxiv.org/pdf/2004.00288.pdf
October 15, 2021