Сабреддит со сгенерированными ненастоящими видео (непорно):

https://www.reddit.com/r/videofakes/

90% видео с Николасом Кейджем.
https://www.youtube.com/watch?v=ttL0SGPaidk

Если вы раздумываете чем бы заняться, вам поможет список идей проектов от OpenAI (хочется взять и сделать) https://blog.openai.com/requests-for-research-2/

Интересная библиотека, которая изменяет размеры картинки так, чтобы максимально сохранить её суть https://github.com/esimov/caire

Оказывается, у Microsoft есть конвертер моделей между Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch и CoreML

https://github.com/Microsoft/MMdnn

Лаборатория глубокого обучения МФТИ выложила свою библиотеку для построения end-to-end диалоговых система и обучения чатботов. Версия 0.0.1 подсказывает, что это далеко не конечный продукт.

https://deepmipt.github.io/DeepPavlov/

В пятницу принято постить что-нибудь развлекательное, поэтому вот: песня о RANSAC

https://www.youtube.com/watch?v=1YNjMxxXO-E

Канал стар, но прекрасен.

visdom online
https://learning-rates.com/

https://research.fb.com/announcing-tensor-comprehensions/

Новый алгоритм фейсбука, который позволяет из кода на http://halide-lang.org/ получать оптимизированные с помощью генетических алгоримтов CUDA-ядра. Обещают скоро добавить в PyTorch.

https://www.gwern.net/Danbooru2017

Есть такой сайт - https://danbooru.donmai.us (запрещено на территории РФ) на котором поклонники аниме размечают картинки. Делают они это уже давно и очень упорно.

В базе 1.9 Тб (2.94 млн) картинок, 333 тысячи тегов (26.3 тега на картинку).

Масштабы впечатляют. Всем аниме.

Кэш для NFS от RiseML https://blog.riseml.com/accelerating-io-bound-deep-learning-e0e3f095fd0

Исследователи из Сингапура попытались создать сеть, которая определяет, можно ли переходить по ссылке, или там казино Вулкан.
Что же у них получилось, можете узнать по ссылке
https://arxiv.org/abs/1802.03162

Данные от data journalism ресурса. По ссылке вы можете найти много интересных датасетов о спортивных событиях, выборах, науке, экономике и тд.
https://data.fivethirtyeight.com/?utm_campaign=Data%2BElixir&utm_medium=email&utm_source=Data_Elixir_169

Роборука (с 7ю степенями свободы) и более другая роборука (обычная такая рука, с пальцами) добавлены в OpenAI Gym

https://github.com/openai/gym/tree/master/gym/envs/robotics

Есть подвох - требуется MuJoCo

Старик Юрген написал статью "Одна Большая Сеть Для Всего" https://arxiv.org/abs/1802.08864

В ней он сослался на 25 своих статей и еще 22, где он соавтор.

Автор предлагает сделать сеть по имени ONE, которая будет уметь делать приблизительно всё.

Bartosz Ludwiczuk написал классную серию статей про face recognition с анализом и сравнением подходов ко всем этапам обучения таких моделей: как влияет шум в данных, способы face alignment, виды data augmentation.

10 / 10, Poland strong.

http://blcv.pl/static//

Статья от Вконтакте, о том как работает их face recognition
https://vk.com/@td-highload-face-recognition

Tensor Comprehensions встроили в Pytorch

http://pytorch.org/2018/03/05/tensor-comprehensions.html

Отличный ответ Гугла на вопрос, который мне после каждой лекции задают «Я программировать немного/хорошо/отлично умею уже, а как руками быстро пощупать машинное обучение и нейронные сети?»
Отличный crash-course с очень мягкими входными требованиями: знание основ алгебры и некоторый навык программирования на Питоне.
Насколько я понимаю, они собрали и выложили очень хороший пакет, который внутри компании использовали для повышения квалификации сотрудников.
https://developers.google.com/machine-learning/crash-course/

Сегодня все пересылают друг другу ссылку на курс гугла про машинное обучение. Я его полистал и имхо он не стоит потраченного на него времени - есть куда более классный и адекаватный курс "Practical Deep Learning for Coders", который я всем горячо рекомендую. Курс создан Джереми Говардом и рассчитан на программистов, знание математики в нем совсем не обязательно. http://course.fast.ai/

Обзор на нейронные сети от Джона Кармака

https://www.facebook.com/permalink.php?story_fbid=2110408722526967&id=100006735798590