​Нейросети и глубокое обучение: онлайн-учебник, глава 6, ч.2: недавний прогресс в распознавании изображений

В 1998 году, когда появилась база MNIST, требовались недели для обучения самых передовых компьютеров, достигавших гораздо худших результатов, чем сегодняшние, на получение которых при помощи GPU уходит менее часа. Поэтому MNIST уже не является задачей, раздвигающей границы возможностей технологий; скорость обучения говорит о том, что эта задача хорошо подходит для изучения данной технологии. Тем временем, исследования идут дальше, и в современной работе изучаются гораздо более сложные для решения задачи. В данном разделе я кратко опишу некоторые примеры текущей работы, связанной с распознаванием изображений при помощи нейросетей.

Этот раздел отличается от остальной части книги. В книге я фокусировался на предположительно долгоживущих идеях – обратном распространении, регуляризации, свёрточных сетях. Я пытался избегать результатов, считающихся модными на момент написания, чья долговременная ценность представлялась сомнительной. В науке подобные результаты чаще всего оказываются однодневками, быстро исчезают и не оказывают долговременного влияния. Учитывая это, скептик сказал бы: «Разумеется, недавний прогресс в распознавании изображений можно считать примером такой однодневки? Через два-три года всё поменяется. Так что эти результаты наверняка будут интересны небольшому числу специалистов, конкурирующих на переднем плане? К чему вообще их обсуждать?»
https://habr.com/ru/post/464039/

🔗 Нейросети и глубокое обучение: онлайн-учебник, глава 6, ч.2: недавний прогресс в распознавании изобр
Содержание Глава 1: использование нейросетей для распознавания рукописных цифр Глава 2: как работает алгоритм обратного распространения Глава 3: ч.1: улучшение с...

​Keoki Jackson: Lockheed Martin | Artificial Intelligence (AI) Podcast

🔗 Keoki Jackson: Lockheed Martin | Artificial Intelligence (AI) Podcast
Keoki Jackson is the CTO of Lockheed Martin, a company that through its long history has created some of the most incredible engineering marvels that human beings have ever built, including planes that fly fast and undetected, defense systems that intersect threats that could take the lives of millions in the case of nuclear weapons, and spacecraft systems that venture out into space, the moon, Mars, and beyond with and without humans on-board. This conversation is part of the Artificial Intelligence podcas

​Crowdanalytix Propensity to Fund Mortgages — Денис Смирнов

🔗 Crowdanalytix Propensity to Fund Mortgages — Денис Смирнов
Денис Смирнов рассказывает про опыт участия в соревновании Crowdanalytix Propensity to Fund Mortgages, в котором он занял третье место. Из видео вы сможете узнать: - Описание конкурса, решение: лик + несложный пайплайн - Кулстори про то, как из-за странностей организации конкурса Денис оказался впереди Silogram, Pateha (грандмастера из топа Kaggle) - Обзор решений топ 2 Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https:/

​Kaggle Coffee Chat: Erin LeDell | Kaggle

🔗 Kaggle Coffee Chat: Erin LeDell | Kaggle
Today Rachael chats with Erin LeDell from H2O.ai about ensembling, automating machine learning and what even is the difference between statistics and machine learning. 🤔 SUBSCRIBE: https://www.youtube.com/c/kaggle?sub_confirmation=1&utm_medium=youtube&utm_source=channel&utm_campaign=yt-sub About Kaggle: Kaggle is the world's largest community of data scientists. Join us to compete, collaborate, learn, and do your data science work. Kaggle's platform is the fastest way to get started on a new data science

Applications of Deep Neural Networks Course Overview (1.1)
https://www.youtube.com/watch?v=v8QsRio8zUM

🎥 Applications of Deep Neural Networks Course Overview (1.1)
👁 1 раз ⏳ 1034 сек.
Applications of deep neural networks is a course offered in a hybrid format by Washington University in St. Louis. This course introduces Keras deep neural networks and highlights applications that neural networks are particularly adept at handling compared to previous machine learning models.

Deep learning is a group of exciting new technologies for neural networks. Through a combination of advanced training techniques and neural network architectural components, it is now possible to create neural netwo

🎥 Открытые квантовые системы — Сергей Филиппов / ПостНаука
👁 2 раз ⏳ 773 сек.
Физик Сергей Филиппов о свойствах открытых систем, создании квантового компьютера и проблемах внешних шумов

"Существуют общие теоретические результаты, как описывать динамику открытых квантовых систем. Открытые квантовые системы — это системы, взаимодействующие с окружением. Описывать их нужно с помощью оператора плотности, а не вектора состояния в отличие от замкнутых систем".

Полный текст лекции: https://postnauka.ru/video/101477

Источник изображения: Photograph of a chip constructed by D-Wave Systems

​Model Interpretability for Predicting Wine Prices
In a previous post, we worked on some exploratory analysis of Napa wines and then we tried to predict the prices based on a few simple

🔗 Model Interpretability for Predicting Wine Prices
In a previous post, we worked on some exploratory analysis of Napa wines and then we tried to predict the prices based on a few simple…

​Facebook открыла код PyText, библиотеки для обработки естественной речи

Сфера применения PyText
NLP-библиотека (Natural Language Processing — обработка естественной речи) используется в нейросетях для обработки письменной и устной речи. По словам разработчиков, инструмент полезен для классификации документов, разметки речевых последовательностей, семантического анализа и многозадачного моделирования.

Структура библиотеки позволяет легко перейти от разработки NLP-системы к практическому применению. Инженеры компании утверждают, что с использованием PyText реализация модели нейросети, распознающей человеческую речь, займёт всего несколько дней.
https://tproger.ru/news/pytext-open-sourced/

🔗 Facebook открыла код PyText, библиотеки для обработки естественной речи
Этим шагом Facebook намеревается ускорить развитие проекта. PyText предназначен для распознавания человеческой речи и базируется на фреймворке PyTorch.

​On-Device, Real-Time Hand Tracking with MediaPipe

http://ai.googleblog.com/2019/08/on-device-real-time-hand-tracking-with.html

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 On-Device, Real-Time Hand Tracking with MediaPipe
Posted by Valentin Bazarevsky and Fan Zhang, Research Engineers, Google Research The ability to perceive the shape and motion of hands c...

​Basics of Bayesian Network
There is innumerable text available in the net on Bayesian Network, but most of them are have heavy mathematical formulas
https://towardsdatascience.com/basics-of-bayesian-network-79435e11ae7b?source=collection_home---4------0-----------------------

🔗 Basics of Bayesian Network
There is innumerable text available in the net on Bayesian Network, but most of them are have heavy mathematical formulas and concepts…

​Заметки с конференции ACL 2019

#Искусственныйинтеллект,
#NaturalLanguageProcessing

Annual Meeting of the Association for Computational Linguistics (ACL) — это главная конференция в области обработки естественного языка. Она организуется с 1962 года. После Канады и Австралии она вернулась в Европу и проходила во Флоренции. Таким образом, в этом году у европейских исследователей она была более популярна, чем похожая на нее EMNLP.

В этом году было опубликовано 660 статей из 2900 присланных. Огромное количество. Вряд ли можно сделать какой-то объективный обзор того, что было на конференции. Поэтому я расскажу своих субъективных ощущениях от этого мероприятия.
https://habr.com/ru/post/463241/

🔗 Заметки с конференции ACL 2019
Annual Meeting of the Association for Computational Linguistics (ACL) — это главная конференция в области обработки естественного языка. Она организуется с 196...

​Transformer vs RNN and CNN
A comparison between architecture

https://medium.com/@yacine.benaffane/transformer-vs-rnn-and-cnn-18eeefa3602b?source=topic_page---------0------------------1

🔗 Transformer vs RNN and CNN for translation task
A comparison between architecture

Regression Trees, Clearly Explained!!!

🎥 Regression Trees, Clearly Explained!!!
👁 1 раз ⏳ 1353 сек.
Regression Trees are one of the fundamental machine learning techniques that more complicated methods, like Gradient Boost, are based on. They are useful for times when there isn't an obviously linear relationship between what you want to predict, and the things you are using to make the predictions. This StatQuest walks you through the steps required to build Regression Trees so that they are Clearly Explained.

NOTE: This StatQuest assumes you already know about...
The bias/variance tradeoff: https://yout

​Andrew Yang is Ahead of His Time - Kai-Fu Lee | AI Podcast Clips

🔗 Andrew Yang is Ahead of His Time - Kai-Fu Lee | AI Podcast Clips
This is a clip from a conversation with Kai-Fu Lee on the Artificial Intelligence podcast. You can watch the full conversation here: http://bit.ly/2ZxznpQ If you enjoy these, consider subscribing, sharing, and commenting below. Full episode: http://bit.ly/2ZxznpQ Full episodes playlist: http://bit.ly/2EcbaKf Clips playlist: http://bit.ly/2JYkbfZ Podcast website: https://lexfridman.com/ai Kai-Fu Lee is the Chairman and CEO of Sinovation Ventures that manages a 2 billion dollar dual currency investment fund

3Blue1Brown & Mathematics | Siraj Raval Podcast #3

🎥 3Blue1Brown & Mathematics | Siraj Raval Podcast #3
👁 1 раз ⏳ 4653 сек.
3Blue1Brown aka Grant Sanderson is an outstanding math animation artist, scholar, & educator. In this episode, I ask him about his workflow, the tools he uses, the nature of consciousness, machine learning, & so much more! Grant studied mathematics at Stanford as an undergraduate, then became a multivariable calculus fellow for KhanAcademy through their talent search program. He started making math animation videos on Youtube in 2015, and has since amassed over 2 million subscribers. It was a wonderful con

Edureka Machine Learning Webinar | Developing A K-Means Clustering https://www.youtube.com/watch?v=0flLfqFoTb8

🎥 Edureka Machine Learning Webinar | Developing A K-Means Clustering Model Using Python | Edureka
👁 1 раз ⏳ 3664 сек.
(Edureka Meetup Community: http://bit.ly/2DQO5PL)
Join our Meetup community and get access to 100+ tech webinars/ month for FREE: http://bit.ly/2DQO5PL
Topics to be covered in this session:

1. Introduction to Machine Learning
2. Types of Machine Learning
3. Machine Learning Algorithms
4. How does K-Means Clustering Work?
5. Hands-On

Know more about Edureka Meetup Community: http://bit.ly/2TypYMv

Subscribe to our Edureka YouTube channel to get video updates: https://goo.gl/6ohpTV

Instagram: https://www.

​NBA Statistics and the Golden State Warriors: Part 2
Exploratory analysis in Python

https://medium.com/better-programming/nba-statistics-and-the-golden-state-warriors-during-their-championship-runs-part-2-bf7240ddbbd4?source=topic_page---------------------------20

🔗 NBA Statistics and the Golden State Warriors: Part 2
Exploratory analysis in Python

Python Flappy Bird AI Tutorial (with NEAT) - Implementing NEAT/Creating Fitness Function

🎥 Python Flappy Bird AI Tutorial (with NEAT) - Implementing NEAT/Creating Fitness Function
👁 1 раз ⏳ 939 сек.
In this AI flappy bird tutorial we start coding and implementing the NEAT algorithm.
Thanks to Linode for sponsoring this video! Get a free $20 credit with the code TWT19 : https://www.linode.com/techwithtim

Download CONFIG File: https://techwithtim.net/wp-content/uploads/2019/08/config-feedforward.txt

NEAT Documentation: https://neat-python.readthedocs.io/en/latest/config_file.html
NEAT Article: http://nn.cs.utexas.edu/downloads/papers/stanley.cec02.pdf
Code: https://github.com/techwithtim/NEAT-Flappy-Bi

​TARGET HK: A Quick Dive Into China’s Disinformation Campaign On Twitter
This is a quick dive into the trove of Chinese state troll tweets released by Twitter on Aug 19. More to come in the coming days and weeks.
https://towardsdatascience.com/target-hk-a-quick-dive-into-chinas-disinformation-campaign-on-twitter-2b64ab9feb1a?source=collection_home---4------2-----------------------

🔗 TARGET HK: A Quick Dive Into China’s Disinformation Campaign On Twitter
This is a quick dive into the trove of Chinese state troll tweets released by Twitter on Aug 19. More to come in the coming days and weeks.

Лекции по Big Data

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
1 - BigData. Введение в машинное обучение
2 - BigData. Python
3 - BigData. Что такое BigData
4 - BigData. OLAP. What and why
5 - BigData. IoT и BigData
6 - BigData. Сhallenges of classification
7 - BigData. Formal Context Analysis
8 - BigData. Регрессия
9 - BigData. Хранение и анализ больших данных
10 - BigData. Deep learning

🎥 1 - BigData. Введение в машинное обучение
👁 1 раз ⏳ 1960 сек.
Лекция 1 - Введение в машинное обучение.
В лекции рассказывается о том, что подразумевается под понятием «машинное обучение» и какие задачи решаютс...

🎥 2 - BigData. Python
👁 1 раз ⏳ 8499 сек.
Лекция 2 - Python, как язык анализа данных.
В лекции сделан небольшой обзор языков и программ для анализа данных. Рассказан базовый синтаксис языка...

🎥 3 - BigData. Что такое BigData
👁 1 раз ⏳ 3792 сек.
Лекция 3 - Что такое BigData?
В лекции рассказывается о том, что же это такое. Цели, проблемы и практическая польза результатов
анализа BD на приме...

🎥 4 - BigData. OLAP. What and why
👁 1 раз ⏳ 5766 сек.
Лекция 4 - OLAP. What and why. Lightning talk.
В лекции описание OLAP. Что это? Для чего? Каковы отличия от OLTP? Небольшой экскурс в анализ данных...

🎥 5 - BigData. IoT и BigData
👁 1 раз ⏳ 4183 сек.
Лекция 5 - IoT and BigData
В лекции рассказывается о IoT and BigData. Области их пересечения, применения, основные проблемы и методы решения. Lambd...

🎥 6 - BigData. Сhallenges of classification
👁 1 раз ⏳ 3923 сек.
Лекция 6 - Сhallenges of classification
The Internet is growing at a tremendous rate. The amount of information presented is beyond human comprehen...

🎥 7 - BigData. Formal Context Analysis
👁 1 раз ⏳ 6046 сек.
Лекция 7 - Formal Concept Analysis
В этой лекции рассказывается о том, откуда возник анализ формальных понятий, для чего он используется и какие за...

🎥 8 - BigData. Регрессия
👁 1 раз ⏳ 4118 сек.
Лекция 8 - Регрессия
В лекции рассказана задача регрессии на примере классической задачи предсказания цены дома в Силиконовой Долине. Также рассмот...

🎥 9 - BigData. Хранение и анализ больших данных
👁 1 раз ⏳ 8210 сек.
Лекция 9 - Хранение и анализ больших данных
Лекция дает ответы на такие вопросы как: что такое большие данные, откуда они берутся, как их хранить, ...

🎥 10 - BigData. Deep learning
👁 1 раз ⏳ 5703 сек.
Опубликовано: 19 февр. 2016 г.
Лекция 10 - Deep learning - нейронные сети и их применение.
Лекция рассказывает о истории возникновения и развития н...

​Фильм, в котором был грунт. Исследование Яндекса и краткая история поиска по смыслу

Иногда люди обращаются к Яндексу, чтобы найти фильм, название которого вылетело из головы. Описывают сюжет, запомнившиеся сцены, яркие детали: например, [как называется фильм там где мужик выбирает красная или синяя таблетка]. Мы решили изучить описания забытых фильмов и выяснить, что сильнее всего запоминается людям в кино.

Сегодня мы не только поделимся ссылкой на наше исследование, но и вкратце расскажем о том, как развивался семантический поиск Яндекса. Вы узнаете, какие технологии помогают поиску находить ответ даже тогда, когда точно сформулировать запрос просто не получается.

А ещё мы добавили слайдеры-загадки с примерами реальных запросов людей — почувствуйте себя поисковой системой и попробуйте угадать ответ.
https://habr.com/ru/company/yandex/blog/464315/

🔗 Фильм, в котором был грунт. Исследование Яндекса и краткая история поиска по смыслу
Иногда люди обращаются к Яндексу, чтобы найти фильм, название которого вылетело из головы. Описывают сюжет, запомнившиеся сцены, яркие детали: например, [как наз...