Генерим аниме-тян с помощью машинного обучения: обзор забавного проекта

https://tproger.ru/translations/deep-learning-anime/

Машинное обучение можно использовать для создания автопилотов, точных прогнозов погоды и многого другого. А можно заняться чем-то действительно полезным вроде рисования аниме-тян.

В статье автор проекта по созданию лиц аниме-девушек рассказывает:
— как совместить аниме и нейронные сети,
— как генерировать лица аниме-тян с помощью нейросетей,
— насколько качественный результат можно получить,
— можно ли сделать ещё лучше.

#ml

#math #ML

https://codeguida.com/post/739

Лучшие датасеты для машинного обучения и анализа данных

https://tprg.ru/7FKd

Для анализа данных и машинного обучения требуется много данных. Можно было бы собрать их самостоятельно, но это утомительно.

Рассказываем, где брать готовые датасеты в самых разных категориях:
— картинки пёсиков,
— подборки твитов,
— и даже тексты с дебатов Канадского Парламента.

#ml #datascience

​​Математика для ИИ: линейная алгебра

У людей, которые пытаются прошариться в ИИ и машин лёнинг, часто возникает вопрос: «Что нужно знать из математики?»

Начинаем отвечать на него этой статьёй, в которой разберём основы линейной алгебры для ИИ: https://tproger.ru/translations/math-for-ai-linear-algebra/

А тут эксперты делятся мнениями, как лучше обучаться в сфере машинного обучения (ой): https://tproger.ru/experts/how-to-learn-machine-learning/

#ml #ии

Появился новый ML-фреймворк для разработки приложений. Streamlit позволяет создавать на Python инструменты для обработки и анализа данных.

Например, на видео в посте — приложение для визуализации и взаимодействия с данными, необходимыми для беспилотных автомобилей. Для создания такого приложения понадобилось всего 300 строк кода на Python.

Исходники фреймворка на GitHub: https://github.com/streamlit/streamlit

#ml #python

⁠Математика для ИИ: теория вероятностей

https://tproger.ru/translations/math-for-ai-probability/

Если вы хотите прокачаться в ИИ и машин лёнинг, то без фундаментальных математических знаний будет трудно.

Давайте устранять пробелы постепенно. В этой статье разбираемся с основами теории вероятностей.

#ии #математика #ml

​Как с помощью нейросети стилизовать изображение под работу известного художника?

В этой статье читайте, как использовать deep learning для стилизации изображения по заданному образцу:

https://tprg.ru/IqQF

#нейросети #ml

Какие алгоритмы и структуры данных нужно знать специалисту в Data Science?

Что освоить, если будешь заниматься системами рекомендаций? А геоданными? А обработкой естественного языка? А что нужно точно-точно знать всем?

Разбираемся вместе с экспертами в аналитике и машинном обучении: https://tprg.ru/A3PU

#datascience #ml

​Подборка бесплатных курсов по машинному обучению

— Базовый курс от Эндрю Ына, доцента Стэнфордского университета, PhD по математике, одного из основателей Coursera: https://www.coursera.org/learn/machine-learning

— Курс от Columbia University на платформе edX: https://www.edx.org/course/machine-learning

— Специализация, которая включает в себя 5 курсов для полного погружения в Deep Learning от deeplearning.ai: https://www.deeplearning.ai/deep-learning-specializat..

— Курс по Deep Learning, направленный на получение практического опыта от fast.ai: https://course.fast.ai/

— Открытый курс от ODS.ai, сообщества по машинному обучению: https://ods.ai/

— Русскоязычный курс по нейронным сетям и глубокому обучению: https://dlcourse.ai/

#ml #курсы

​Большая подборка ресурсов для изучения машинного обучения

Лекции, книги, блоги, курсы, сообщества: https://tprg.ru/axiH

#ml

Разработчик с помощью алгоритма для генерации текстов GPT-3 научился генерить простые веб-макеты. Обучил он алгоритм с помощью нескольких примеров кода и их текстового описания.

Теперь он отправляет краткое описание того, что он хотел бы увидеть на экране, а алгоритм генерирует JSX-код. На видео можно посмотреть много годных примеров: кнопка-арбуз, набор радужных кнопок, самый уродливый эмоджи.

Источник: твиттер Шарифа Шамима

#ml #алгоритмы