🎥 Python Seaborn Tutorial | Data Visualization in Python Using Seaborn | Edureka
👁 1 раз ⏳ 1241 сек.
** Python Certification Training: https://www.edureka.co/python **
This Edureka video on 'Python Seaborn Tutorial' is to educate you about data visualizations using Seaborn in Python. Below are the topics covered in this video:

Introduction to Seaborn
Seaborn vs Matplotlib
How to install Seaborn
Installing dependencies
Seaborn Plotting functions
Multi-plot grids
Plot-Aesthetics

Python Tutorial Playlist: https://goo.gl/WsBpKe
Blog Series: http://bit.ly/2sqmP4s

#Edureka #PythonEdureka #PythonSeabornTut

​Growing your own RNN cell : Simplified - Towards Data Science

🔗 Growing your own RNN cell : Simplified - Towards Data Science
Take a peek into the ‘deep’ world of a single RNN cell

​Extreme Rare Event Classification: A Straight Forward Solution

🔗 Extreme Rare Event Classification: A Straight Forward Solution
In this article we will approach rare events detection on a real world dataset (web break on a paper mill) using machine learning…

​Reliving and telling my backpacking adventures with data, part 3

🔗 Reliving and telling my backpacking adventures with data, part 3
Interpreting my experiences with data from Fitbit, Spotify, and sensors

🎥 Bespoke Machine Learning Processor Development Framework on Flexible Substrates
👁 1 раз ⏳ 1544 сек.
Title:
Bespoke Machine Learning Processor Development Framework on Flexible Substrates

Abstract:
This paper proposes a framework for the design of bespoke machine learning (ML) processors on flexible substrates (e.g. plastic) to address an important need in flexible and wearable applications – a processing engine of the flexible electronics applications. The proposed framework automates the design of bespoke ML processors on flexible substrates to reduce development time, and therefore the time-to-market.

​How to Create Artistic Masterpieces with Deep Learning

🔗 How to Create Artistic Masterpieces with Deep Learning
Neural transfer is truly magical

​Advancing Semi-supervised Learning with Unsupervised Data Augmentation

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
http://ai.googleblog.com/2019/07/advancing-semi-supervised-learning-with.html

🔗 Advancing Semi-supervised Learning with Unsupervised Data Augmentation
Posted by Qizhe Xie, Student Researcher and Thang Luong, Senior Research Scientist, Google Research, Brain Team Success in deep learning...

​Топ 3 лучших CI для вашего JS проекта с тестами на puppeteer

🔗 Топ 3 лучших CI для вашего JS проекта с тестами на puppeteer
У меня уже есть такой проект, на котором успел попробовать следующие три CI

​Дифференцируемое программирование

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
С четырьмя параметрами я могу задать слона, а с пятью я могу заставить его шевелить хоботом.
– John Von Neumann
Идея «дифференцируемого программирования» очень популярна в мире машинного обучения. Для многих не ясно, отражает ли этот термин реальный сдвиг в том, как исследователи понимают машинное обучение, или это просто (еще один) ребрендинг «глубокого обучения». В этом посте разъясняется, что нового дает дифференцируемое программирование (или ∂P) в таблице машинного обучения.

Самое главное, дифференцируемое программирование — это сдвиг, противоположный направлению глубокого обучения; от все более сильно параметризованных моделей к более простым, которые в большей степени используют структуру проблемы.

Далее мы пролистаем полотно неинтересного текста, захотим узнать, что такое автодифференцирование и даже популяем из катапульты!
https://habr.com/ru/post/459562/

🔗 Дифференцируемое программирование
С четырьмя параметрами я могу задать слона, а с пятью я могу заставить его шевелить хоботом. – John Von NeumannИдея «дифференцируемого программирования» очень п...

🎥 How Should you Architect Your Keras Neural Network: Hyperparameters (8.3)
👁 1 раз ⏳ 873 сек.
Hyperparameter optimization is an important topic for any machine learning model. Neural networks have even more complex hyperparameters due to their complex structure. Not only must you determine how many layers to use, but also how many neurons on each layer and option options per layer. This video introduces manual neural network hyperparameter optimization.

Code for This Video:
https://github.com/jeffheaton/t81_558_deep_learning/blob/master/t81_558_class_08_3_keras_hyperparameters.ipynb
Course Home

​Ммм https://youtu.be/2xWnOL5bts8

🔗 Rewrite Videos By Editing Text
📝 The paper "Text-based Editing of Talking-head Video" is available here: https://www.ohadf.com/projects/text-based-editing/ ❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers 🙏 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, Bryan Learn, Christian Ahlin, Christoph Jadanowski, Claudio Fernandes, Daniel Hasegan, Dennis Abts, Eric

🎥 Flare & Lantern: Accelerators for Spark and Deep Learning - Tiark Rompf
👁 1 раз ⏳ 2329 сек.
This video was recorded at Scala Days Lausanne 2019
Follow us on Twitter @ScalaDays or visit our website for more information http://scaladays.org

More information and the abstract can be found here:
https://scaladays.org/schedule/flare--lantern-accelerators-for-spark-and-deep-learning

​21 Must-Know Open Source Tools for Machine Learning you Probably Aren't Using (but should!)

🔗 21 Must-Know Open Source Tools for Machine Learning you Probably Aren't Using (but should!)
Overview Presenting 21 open source tools for Machine Learning you might not have come across Each open-source tool here adds a different aspect to a data scientist's repertoire Our focus is primarily on tools for five machine learning aspects - for non-programmers(Ludwig, Orange, KNIME), model deployment(CoreML, Tensorflow.js), Big Data(Hadoop, Spark), Computer

​Вижу, значит существую: обзор Deep Learning в Computer Vision (часть 2)

Продолжаем постигать современную магию (компьютерное зрение). Часть 2 не значит, что нужно сначала читать часть 1. Часть 2 значит, что теперь всё серьёзно — мы хотим понять всю мощь нейросетей в зрении. Детектирование, трекинг, сегментация, оценка позы, распознавание действий… Самые модные и крутые архитектуры, сотни слоёв и десятки гениальных идей уже ждут вас под катом!
https://habr.com/ru/company/mipt/blog/458190/

🔗 Вижу, значит существую: обзор Deep Learning в Computer Vision (часть 2)
Продолжаем постигать современную магию (компьютерное зрение). Часть 2 не значит, что нужно сначала читать часть 1. Часть 2 значит, что теперь всё серьёзно — мы х...

​Прогнозирование результатов футбольных матчей
#Python

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Машинное обучение
Модель машинного обучения на Python c использованием библиотеки Scikit-learn, для прогнозирования результатов футбольных матчей Российской Премьер Лиги (РПЛ).
https://habr.com/ru/post/456226/

🔗 Прогнозирование результатов футбольных матчей
Модель машинного обучения на Python c использованием библиотеки Scikit-learn, для прогнозирования результатов футбольных матчей Российской Премьер Лиги (РПЛ). В...

​Агро-робот с ИИ научился аккуратно собирать с грядки только
#Искусственныйинтеллект

Многие виды растений и сельхозкультур до сих пор собираются только вручную.

Инженеры из Кембриджского университета (Великобритания) создали рабочий прототип роботизированного сборщика урожая, способного самостоятельно распознавать готовые к срезанию неповрежденные кочаны салата, а также аккуратно их обрабатывать и собирать.
https://habr.com/ru/post/459452/

🔗 Агро-робот с ИИ научился аккуратно собирать с грядки только созревший салат
Многие виды растений и сельхозкультур до сих пор собираются только вручную. Инженеры из Кембриджского университета (Великобритания) создали рабочий прототип ро...

​Backpropagating AI’s future - Towards Data Science

🔗 Backpropagating AI’s future - Towards Data Science
A comprehensible primer on exploring AI’s future, where we are today and where to go from here.

#Machine #TensorFlow #AI
Introduction to Machine Learning with TensorFlow.js

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 Introduction to Machine Learning with TensorFlow.js
👁 1 раз ⏳ 10998 сек.
Learn how to build and train Neural Networks using the most popular Machine Learning framework for javascript, TensorFlow.js.

Machine Learning A-Z™: Hands-On Python & R In Data Science
☞ http://learnstartup.net/p/SJw1YoTMg

Machine Learning In Node.js With TensorFlow.js
☞ https://morioh.com/p/a517bc403340

Machine Learning in JavaScript with TensorFlow.js
☞ https://morioh.com/p/0943a76a69d8

A Complete Machine Learning Project Walk-Through in Python
☞ https://morioh.com/p/b56ae6b04ffc

Top 10 Machine Lear

​В чем разница между исследователем данных и статистиком?
т. Открыт набор на новый курс от Otus — "Прикладная аналитика на R", который стартует уже в конце этого месяца. В связи с этим хочу поделиться переводом публикации о разнице между аналитиком по данным и статистиком, который в свою очередь использует R на практике.

Введение

За последние десять лет объемы данных и скорость их появления росли по экспоненте. Если верить отчетам, каждый день появляется более 3 квинтиллионов байтов данных! Неудивительно, что для работы с ними появилась новая профессия исследователя данных (data scientist) — разностороннего специалиста по анализу и обработке данных. Однако люди занимались статистикой и до появления цифровых средств обработки данных. В чем же различия этих двух профессий: исследователь данных и статистик?

Давайте разберемся.https://habr.com/ru/company/otus/blog/459354/

🔗 В чем разница между исследователем данных и статистиком?
Всем привет. Открыт набор на новый курс от Otus — "Прикладная аналитика на R", который стартует уже в конце этого месяца. В связи с этим хочу поделиться переводо...

​Следим за изменением файлов с помощью Alerting OpenDistro for Elasticsearch

🔗 Следим за изменением файлов с помощью Alerting OpenDistro for Elasticsearch
Сегодня возникла потребность в мониторинге изменений определенных файлов на сервере, существует много разных способов например osquery от facebook, но так как не...