🎥 Применение VAE для задачи генерации кода
👁 17 раз ⏳ 2204 сек.
👁 17 раз ⏳ 2204 сек.
Генерация программного кода — очень перспективное и крайне сложное направление исследований. В связи с большим успехом в моделировании естественного языка нейросетями, исследователи пытаются применить новейшие архитектуры для решения задач в области генерации кода.
На этом семинаре мы рассмотрим применение вариационных автоенкодеров, использующих структуру программного кода, для его генерации в виде AST. А также узнаем, как исследователям удалось применить архитектуру вариационного автокодировщика в задачеVk
Применение VAE для задачи генерации кода
Генерация программного кода — очень перспективное и крайне сложное направление исследований. В связи с большим успехом в моделировании естественного языка нейросетями, исследователи пытаются применить новейшие архитектуры для решения задач в области генерации…
🎥 Visual Object Tracking
👁 17 раз ⏳ 2494 сек.
👁 17 раз ⏳ 2494 сек.
Задача отслежавания объекта находит применение в многочисленных приложениях, таких как автономное вождение, интеллектуальное видеонаблюдение, робототехника и т. д. Стандартная формулировка Visual Tracking’а состоит в предсказании так называемой ограничивающей рамки для объекта в видеопотоке (то есть для каждого кадра видео), при условии, что дана только ограничивающая рамка для выбранного объекта в первом кадре. При этом хочется добится не только точной локализации, но и меньшего колличества потерь объектаVk
Visual Object Tracking
Задача отслежавания объекта находит применение в многочисленных приложениях, таких как автономное вождение, интеллектуальное видеонаблюдение, робототехника и т. д. Стандартная формулировка Visual Tracking’а состоит в предсказании так называемой ограничивающей…
🎥 [Открытые лекции]: НейроДиффуры: что будет, если сделать в резидьюальных сетях континуум слоев
👁 30 раз ⏳ 2944 сек.
👁 30 раз ⏳ 2944 сек.
Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state-of-the-art результатов на различных задачах машинного обучения. Недавняя статья, получившая приз за лучшую работу на NIPS2018, представляет новый взгляд на процессы, происходящие при обучении резидьюальных сетей. Трактовка резидьюальных сетей как настраиваVk
[Открытые лекции]: НейроДиффуры: что будет, если сделать в резидьюальных сетях континуум слоев
Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state…
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state…
The most important concepts and features of scaPy: Advanced NLP in Python
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.datacamp.com/community/blog/spacy-cheatsheet/
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.datacamp.com/community/blog/spacy-cheatsheet/
Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
🔗 Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
🔗 Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
Towards Data Science
Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
Поздравляем Ивана Брагина с победой в SNA Hackathon 2019 https://mlbootcamp.ru/round/20/rating/! Решение использует ансамбль моделей CatBoost, детали в посте https://habr.com/ru/post/447376/.
mlbootcamp.ru
Финал SNA
Контесты по машинному обучению и анализу данных
SNA Hackathon 2019
🔗 SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
🔗 SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
Хабр
SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://towardsdatascience.com/understanding-basics-of-measurements-in-quantum-computation-4c885879eba0?source=collection_home---4------3---------------------
🔗 Understanding basics of measurements in Quantum Computation
An intuitive explanation of general and projective measurements and POVMs
https://towardsdatascience.com/understanding-basics-of-measurements-in-quantum-computation-4c885879eba0?source=collection_home---4------3---------------------
🔗 Understanding basics of measurements in Quantum Computation
An intuitive explanation of general and projective measurements and POVMs
🎥 MedSpace - Medical Image Analysis with Bayesian Deep Learning - Felix Laumann
👁 1 раз ⏳ 1848 сек.
👁 1 раз ⏳ 1848 сек.
PyData London Meetup #54
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential vast consequences are made on a daily base. Given the ageing population and the scarcity of health service resources, doctors often need to make these decisions without consulting a second opinion. Bayesian deep learning can be this precious second opiVk
MedSpace - Medical Image Analysis with Bayesian Deep Learning - Felix Laumann
PyData London Meetup #54
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential…
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential…
🎥 Занятие 6 | Машинное обучение
👁 1 раз ⏳ 2440 сек.
👁 1 раз ⏳ 2440 сек.
Преподаватель: Власов Кирилл Вячеславович
Материалы курса: https://github.com/ml-dafe/ml_mipt_dafe_minor
Дата: 06.04.2019Vk
Занятие 6 | Машинное обучение
Преподаватель: Власов Кирилл Вячеславович Материалы курса: https://github.com/ml-dafe/ml_mipt_dafe_minor Дата: 06.04.2019
Bringing data to life — let them tell their story with data visualisation
🔗 Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
🔗 Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
Medium
Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
Beginner’s Guide to Machine Learning with Python
🔗 Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
🔗 Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
Towards Data Science
Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
🎥 Launching a Data Science Project: Cleaning is Half the Battle by Kevin Feasel
👁 1 раз ⏳ 4748 сек.
👁 1 раз ⏳ 4748 сек.
Please note that this a recorded webinar. It was recorded during live presentation.
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you will end up with garbage results. In this session, we will build an understanding of just what it takes to implement a data science project whose results are not garbage. We will the Microsoft Team Data Science Process as our model for project implementatioVk
Launching a Data Science Project: Cleaning is Half the Battle by Kevin Feasel
Please note that this a recorded webinar. It was recorded during live presentation.
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you…
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you…
https://www.youtube.com/watch?v=-RtcM0oz1lQ\
🎥 NSDI '19 - Tiresias: A GPU Cluster Manager for Distributed Deep Learning
👁 1 раз ⏳ 1449 сек.
🎥 NSDI '19 - Tiresias: A GPU Cluster Manager for Distributed Deep Learning
👁 1 раз ⏳ 1449 сек.
Juncheng Gu, Mosharaf Chowdhury, and Kang G. Shin, University of Michigan, Ann Arbor; Yibo Zhu, Microsoft and Bytedance; Myeongjae Jeon, Microsoft and UNIST; Junjie Qian, Microsoft; Hongqiang Liu, Alibaba; Chuanxiong Guo, Bytedance
Deep learning (DL) training jobs bring some unique challenges to existing cluster managers, such as unpredictable training times, an all-or-nothing execution model, and inflexibility in GPU sharing. Our analysis of a large GPU cluster in production shows that existing big data sYouTube
NSDI '19 - Tiresias: A GPU Cluster Manager for Distributed Deep Learning
Juncheng Gu, Mosharaf Chowdhury, and Kang G. Shin, University of Michigan, Ann Arbor; Yibo Zhu, Microsoft and Bytedance; Myeongjae Jeon, Microsoft and UNIST;...
🎥 NSDI '19 - JANUS: Fast and Flexible Deep Learning via Symbolic Graph Execution of Imperative
👁 1 раз ⏳ 1561 сек.
👁 1 раз ⏳ 1561 сек.
Eunji Jeong, Sungwoo Cho, Gyeong-In Yu, Joo Seong Jeong, Dong-Jin Shin, and Byung-Gon Chun, Seoul National University
The rapid evolution of deep neural networks is demanding deep learning (DL) frameworks not only to satisfy the requirement of quickly executing large computations, but also to support straightforward programming models for quickly implementing and experimenting with complex network structures. However, existing frameworks fail to excel in both departments simultaneously, leading to divergedVk
NSDI '19 - JANUS: Fast and Flexible Deep Learning via Symbolic Graph Execution of Imperative
Eunji Jeong, Sungwoo Cho, Gyeong-In Yu, Joo Seong Jeong, Dong-Jin Shin, and Byung-Gon Chun, Seoul National University
The rapid evolution of deep neural networks is demanding deep learning (DL) frameworks not only to satisfy the requirement of quickly executing…
The rapid evolution of deep neural networks is demanding deep learning (DL) frameworks not only to satisfy the requirement of quickly executing…
🎥 Deep Learning and Blockchain w/ Insight AI Fellows, Michelle Bonat 20190325
👁 1 раз ⏳ 5012 сек.
👁 1 раз ⏳ 5012 сек.
Michelle Bonat, CEO & Co-Founder, Data Simply, Inc.
Josh Deetz, Physical Data Scientist, Carbon
Khyati Ganatra, Data Scientist at Cequence Security
Deep learning can seem like a dark art. The reality is that it is very achievable to get a model working and predicting well. But deep learning also has some myths and pitfalls of which you should be aware. Michelle Bonat will walk through a project she did to predict cryptocurrency flows using deep learning and blockchain data. This includes code snippets andVk
Deep Learning and Blockchain w/ Insight AI Fellows, Michelle Bonat 20190325
Michelle Bonat, CEO & Co-Founder, Data Simply, Inc.
Josh Deetz, Physical Data Scientist, Carbon
Khyati Ganatra, Data Scientist at Cequence Security
Deep learning can seem like a dark art. The reality is that it is very achievable to get a model working and…
Josh Deetz, Physical Data Scientist, Carbon
Khyati Ganatra, Data Scientist at Cequence Security
Deep learning can seem like a dark art. The reality is that it is very achievable to get a model working and…
🎥 L19/2 Recurrent Neural Networks in Python
👁 2 раз ⏳ 2273 сек.
👁 2 раз ⏳ 2273 сек.
Dive into Deep Learning
UC Berkeley, STAT 157
Slides are at
http://courses.d2l.ai
The book is at
http://www.d2l.ai
RNN in PythonVk
L19/2 Recurrent Neural Networks in Python
Dive into Deep Learning
UC Berkeley, STAT 157
Slides are at
http://courses.d2l.ai
The book is at
http://www.d2l.ai
RNN in Python
UC Berkeley, STAT 157
Slides are at
http://courses.d2l.ai
The book is at
http://www.d2l.ai
RNN in Python
🎥 Positive-Unlabeled Learning
👁 23 раз ⏳ 3104 сек.
👁 23 раз ⏳ 3104 сек.
Мы поговорим о проблеме машинного обучения известной как Positive-Unlabeled learning. Сперва обсудим, что проблема из себя представляет и где может встречаться. Затем, я представлю разработанный мной метод для решения этой проблемы. Для понимания потребуются базовые знания о теории вероятности и классификации.
Ссылка на препринт: https://arxiv.org/pdf/1902.06965.pdf
Докладчик: Дмитрий Иванов.
Ссылка на слайды: https://research.jetbrains.org/files/material/5cac988ca384a.pdfVk
Positive-Unlabeled Learning
Мы поговорим о проблеме машинного обучения известной как Positive-Unlabeled learning. Сперва обсудим, что проблема из себя представляет и где может встречаться. Затем, я представлю разработанный мной метод для решения этой проблемы. Для понимания потребуются…
Building Your First Neural Network Using Keras
🔗 Building Your First Neural Network Using Keras
Removing the mysticism behind Neural Networks. Follow along and build your first Neural Net using Python & Keras.
🔗 Building Your First Neural Network Using Keras
Removing the mysticism behind Neural Networks. Follow along and build your first Neural Net using Python & Keras.
Towards Data Science
Building Your First Neural Network Using Keras
Removing the mysticism behind Neural Networks. Follow along and build your first Neural Net using Python & Keras.