🎥 Ask a Machine Learning Engineer Anything (live) | March 2019
👁 1 раз ⏳ 3607 сек.
Ask machine learning engineer anything!

Every month or so I host a livestream session on my channel where I answer your questions live on stream. Don't worry if your question doesn't get answered, message me anytime and I'll do my best to get back to you.

Thanks for stopping by :)

CONNECT:
Web - http://bit.ly/mrdbourkeweb
Quora - http://bit.ly/mrdbourkequora
Medium - http://bit.ly/mrdbourkemedium
Twitter - http://bit.ly/mrdbourketwitter
LinkedIn - http://bit.ly/mrdbourkelinkedin
Email updates: http://b

🎥 Overview of differential equations | Chapter 1
👁 1 раз ⏳ 1636 сек.
How do you study what cannot be solved?
Home page: https://3blue1brown.com/
Special thanks to these supporters: http://3b1b.co/de1thanks

Steven Strogatz NYT article on the math of love:
https://opinionator.blogs.nytimes.com/2009/05/26/guest-column-loves-me-loves-me-not-do-the-math/

If you're looking for books on this topic, I'd recommend the one by Vladimir Arnold, "Ordinary Differential Equations"

Also, more Strogatz fun, you may enjoy his text "Nonlinear Dynamics And Chaos"

------------

If you want t

https://www.youtube.com/watch?v=Bsa9lbt_ZyM\

🎥 Heroes of Deep Learning - Yuanqing Lin interview
👁 1 раз ⏳ 817 сек.
Heroes of Deep Learning : Yuanqing Lin interview with Coursera founder and ML expert Andrew Ng

​New 3-D printing approach makes cell-scale lattice structures
http://news.mit.edu/2019/3-d-printing-identical-cell-scale-lattice-0325

🔗 New 3-D printing approach makes cell-scale lattice structures
System could provide fine-scale meshes for growing highly uniform cultures of cells with desired properties.

​Разрабатываем теорию информации как проект с открытым исходным кодом

найден очень полезный способ описания процессов формирования и преобразования информации,
сформирован теоретический базис этого способа
публикация в чисто-теоретическом виде (без сопровождения объяснениями и примерами) будет доступна только труженикам науки,
формирование примеров — это очень большой объем работы,
времени для занятия этой темой мало, совершенно не хватает двух рук, а из доступной техники — пока только смартфон,
а способ очень красив.
https://habr.com/ru/post/446066/

🔗 Как опубликовать теорию информации в современном IT-мире
Есть проблема: найден очень полезный способ описания процессов формирования и преобразования информации, сформирован теоретический базис этого способа публикаци...

🎥 NeuroSAT: An AI That Learned Solving Logic Problems
👁 3 раз ⏳ 300 сек.
❤️ This video has been kindly supported by my friends at Arm Research. Check them out here! - http://bit.ly/2TqOWAu

📝 The paper "Learning a SAT Solver from Single-Bit Supervision" is available here:
https://arxiv.org/abs/1802.03685

🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
313V, Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian Gilman, Bruno Brito, Christian Ahlin, Christoph Jadanowski, Claudio Fernandes, Dennis Abts, Eric Hadd

Машинное обучение от Google Developers для новичков

1. Hello World
2. Visualizing a Decision Tree
3. What Makes a Good Feature?
4. Let’s Write a Pipeline
5. Writing Our First Classifier
6. Train an Image Classifier with TensorFlow for Poets
7. Classifying Handwritten Digits with TF.Learn
8. Let’s Write a Decision Tree Classifier from Scratch
9. Intro to Feature Engineering with TensorFlow

🎥 Hello World - Machine Learning Recipes #1
👁 5886 раз ⏳ 413 сек.
Six lines of Python is all it takes to write your first machine learning program! In this episode, we'll briefly introduce what machine learning is...

🎥 Visualizing a Decision Tree - Machine Learning Recipes #2
👁 1023 раз ⏳ 402 сек.
Last episode, we treated our Decision Tree as a blackbox. In this episode, we'll build one on a real dataset, add code to visualize it, and practic...

🎥 What Makes a Good Feature? - Machine Learning Recipes #3
👁 561 раз ⏳ 341 сек.
Good features are informative, independent, and simple. In this episode, we'll introduce these concepts by using a histogram to visualize a feature...

🎥 Let’s Write a Pipeline - Machine Learning Recipes #4
👁 502 раз ⏳ 474 сек.
In this episode, we’ll write a basic pipeline for supervised learning with just 12 lines of code. Along the way, we'll talk about training and te...

🎥 Writing Our First Classifier - Machine Learning Recipes #5
👁 379 раз ⏳ 524 сек.
Welcome back! It's time to write our first classifier. This is a milestone if you’re new to machine learning. We'll start with our code from epis...

🎥 Train an Image Classifier with TensorFlow for Poets - Machine Learning Recipes #6
👁 449 раз ⏳ 427 сек.
Monet or Picasso? In this episode, we’ll train our own image classifier, using TensorFlow for Poets. Along the way, I’ll introduce Deep Learnin...

🎥 Let’s Write a Decision Tree Classifier from Scratch - Machine Learning Recipes #8
👁 85 раз ⏳ 593 сек.
Hey everyone! Glad to be back! Decision Tree classifiers are intuitive, interpretable, and one of my favorite supervised learning algorithms. In th...

🎥 Intro to Feature Engineering with TensorFlow - Machine Learning Recipes #9
👁 84 раз ⏳ 458 сек.
Hey everyone! Here’s an intro to techniques you can use to represent your features - including Bucketing, Crossing, Hashing, and Embedding - and ...

🎥 Getting Started with Weka - Machine Learning Recipes #10
👁 88 раз ⏳ 564 сек.
Hey everyone! In this video, I’ll walk you through using Weka - The very first machine learning library I’ve ever tried. What’s great is that Weka ...

🎥 Stanford CS234: Reinforcement Learning | Winter 2019 | Lecture 4 - Model Free Control
👁 1 раз ⏳ 4666 сек.
Professor Emma Brunskill, Stanford University
http://onlinehub.stanford.edu/

Professor Emma Brunskill
Assistant Professor, Computer Science
Stanford AI for Human Impact Lab
Stanford Artificial Intelligence Lab
Statistical Machine Learning Group

To follow along with the course schedule and syllabus, visit: http://web.stanford.edu/class/cs234/index.html

To get the latest news on Stanford’s upcoming professional programs in Artificial Intelligence, visit: http://learn.stanford.edu/AI.html

To view a

​10 Steps to Teaching Data Science Well

🔗 10 Steps to Teaching Data Science Well
A resource for data science instructors.

🎥 Why Deep Learning Works: Implicit Self-Regularization in DNNs, Michael W. Mahoney 20190225
👁 1 раз ⏳ 4737 сек.
Michael W. Mahoney UC Berkeley

Random Matrix Theory (RMT) is applied to analyze the weight matrices of Deep Neural Networks (DNNs), including both production quality, pre-trained models and smaller models trained from scratch. Empirical and theoretical results clearly indicate that the DNN training process itself implicitly implements a form of self-regularization, implicitly sculpting a more regularized energy or penalty landscape. In particular, the empirical spectral density (ESD) of DNN layer matrices

🎥 How Deep Learning Could Predict Weather Events
👁 1 раз ⏳ 2488 сек.
In this video from GTC 2019, Seongchan Kim, Ph.D. presents: How Deep Learning Could Predict Weather Events.

"How do meteorologists predict weather or weather events such as hurricanes, typhoons, and heavy rain? Predicting weather events were done based on supercomputer (HPC) simulations using numerical models such as WRF, UM, and MPAS. But recently, many deep learning-based researches have been showing various kinds of outstanding results. We'll introduce several case studies related to meteorological rese

​🔥 «Блеск и красота анализа данных в маркетинге» - открытый вебинар в рамках курса «Big Data для менеджеров» от OTUS

📅 3 апреля в 20:00 по мск

👉🏻 РЕГИСТРАЦИЯ НА ВЕБИНАР: https://otus.pw/h2Ga/

На уроке будут рассмотрены базовые принципы анализа данных для аудитории без предварительной подготовки. Целью урока является демонстрация аналитического подхода на примере индустрии красоты и маркетинга.
Слушатели познакомятся с несколькими инструментами анализа данных, такими как статистические тесты, предсказательная модель Random Forest и тематическое моделирование для работы с текстовыми данными.

👤 Вебинар проведёт Артём Просветов - Руководитель практики анализа данных и машинного интеллекта в CleverDATA.

Присоединяйтесь - левелапнемся вместе!💪🏻

🔗 Курс "Big Data для менеджеров" | OTUS
Погружение руководителей без технического бэкграунда в экосистему Data Science проектов.

​Object detection via color-based image segmentation using python

🔗 Object detection via color-based image segmentation using python
A tutorial on contouring using python & OpenCV.

​Simple text classification skill of DeepPavlov

🔗 Simple text classification skill of DeepPavlov
Suppose you have a customer support call center that should resolve your clients’ issues and answer their questions. In most cases, the…

​Attention in RNNs

🔗 Attention in RNNs
Understanding the mechanism with a detailed example

🎥 Applied Machine Learning 2019 - Lecture 14 - Dimensionality Reduction
👁 1 раз ⏳ 4524 сек.
Principal Component Analysis, Linear Discriminant Analysis, Manifold Learning, T-SNE

Slides and more materials are on the class website:
https://www.cs.columbia.edu/~amueller/comsw4995s19/schedule/

🎥 Machine Learning Basics | What Is Machine Learning? | Introduction To Machine Learning | Edureka
👁 1 раз ⏳ 854 сек.
*** Machine Learning Certification Training - https://www.edureka.co/machine-learning-certification-training ***
This Video covers the Basics of Machine Learning. It will explain why machine learning came to existence and how it solved major problems. This video also describes the various types of Machine Learning with real-life examples.

------------------------------------

About the Course :

Edureka’s Machine Learning Course using Python is designed to make you grab the concepts of Machine Learning. Th

​Повышаем качество классификации текстов подключив Википедию
#Машинноеобучение
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автоматизма и независимостью от того, какая именно задача классификации решается. Наибольший эффект, однако, ожидается на задачах определения тематики.
https://habr.com/ru/post/446228/

🔗 Повышаем качество классификации текстов подключив Википедию
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автом...

​Нахождение объектов на картинках

https://habr.com/ru/company/joom/blog/445354

Мы занимаемся закупкой трафика из Adwords (рекламная площадка от Google). Одна из регулярных задач в этой области – создание новых баннеров. Тесты показывают, что баннеры теряют эффективность с течением времени, так как пользователи привыкают к баннеру; меняются сезоны и тренды. Кроме того, у нас есть цель захватить разные ниши аудитории, а узко таргетированные баннеры работают лучше.

В связи с выходом в новые страны остро встал вопрос локализации баннеров. Для каждого баннера необходимо создавать версии на разных языках и с разными валютами. Можно просить это делать дизайнеров, но эта ручная работа добавит дополнительную нагрузку на и без того дефицитный ресурс.

Это выглядит как задача, которую несложно автоматизировать. Для этого достаточно сделать программу, которая будет накладывать на болванку баннера локализованную цену на "ценник" и call to action (фразу типа "купить сейчас") на кнопку. Если печать текста на картинке реализовать достаточно просто, то определение положения, куда нужно его поставить — не всегда тривиально. Перчинки добавляет то, что кнопка бывает разных цветов, и немного отличается по форме.

Этому и посвящена статья: как найти указанный объект на картинке? Будут разобраны популярные методы; приведены области применения, особенности, плюсы и минусы. Приведенные методы можно применять и для других целей: разработки программ для камер слежения, автоматизации тестирования UI, и подобных. Описанные трудности можно встретить и в других задачах, а использованные приёмы использовать и для других целей. Например, Canny Edge Detector часто используется для предобработки изображений, а количество ключевых точек (keypoints) можно использовать для оценки визуальной “сложности” изображения.

Надеюсь, что описанные решения пополнят ваш арсенал инструментов и трюков для решения проблем.

🔗 Нахождение объектов на картинках
Мы занимаемся закупкой трафика из Adwords (рекламная площадка от Google). Одна из регулярных задач в этой области – создание новых баннеров. Тесты показывают, чт...

​Наш телеграм канал - tglink.me/ai_machinelearning_big_data

https://towardsdatascience.com/which-deep-learning-framework-is-growing-fastest-3f77f14aa318

🔗 Which Deep Learning Framework is Growing Fastest?
TensorFlow vs. PyTorch