​Highest Rated ML Projects on Github
It is impossible to follow everything ML. These 5, though, are worth a look.

https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512

🔗 Highest Rated ML Projects on Github
It is impossible to follow everything ML. These 5, though, are worth a look.

Выявление мошенничества с помощью машинного обучения: Do It Yourself

https://www.youtube.com/watch?v=_OdH0bz4rEo

🎥 Выявление мошенничества с помощью машинного обучения: Do It Yourself
👁 1 раз ⏳ 2847 сек.
Вопросами защиты от мошенничества обеспокоены крупнейшие компании мира, такие, как Western Union, Slack, Jaguar, Virgin America, Сбербанк, Miro (Realtimeboard), Xsolla и другие.
На мастер-классе мы разберем одну из техник машинного обучения с учителем — дерево решений (decision tree), позволяющую выявлять факты мошенничества, а также реализуем ее на реальных данных в программной среде R.

​Architecture GAN: a Generative Stack for Apartment Building Design.
devblogs.nvidia.com/archigan-generative-stack-apartment-building-design

🔗 ArchiGAN: a Generative Stack for Apartment Building Design | NVIDIA Developer Blog
This post decribes ArchiGAN, an adversarial deep learning network based on Pix2Pix to generate apartment and building floorplans.

​Gustav Soderstrom: Spotify | Artificial Intelligence (AI) Podcast

🔗 Gustav Soderstrom: Spotify | Artificial Intelligence (AI) Podcast
Gustav Soderstrom is the Chief Research & Development Officer at Spotify, leading Product, Design, Data, Technology & Engineering teams. This conversation is part of the Artificial Intelligence podcast. INFO: Podcast website: https://lexfridman.com/ai Course website: https://deeplearning.mit.edu YouTube Playlist: http://bit.ly/2EcbaKf EPISODE LINKS: Aurora: https://aurora.tech/ Aurora Twitter: https://twitter.com/Aurora_inno Chris Urmson Twitter: https://twitter.com/chris_urmson OUTLINE: 0:00 - Introduct

​Пивной интеллект

Пиво — один из старейших ферментированных напитков, известных человеку. Его воспевали ещё в третьем тысячелетии до н. э. в шумерском эпосе о Гильгамеше. У шумеров даже была поговорка: «Не знать пива – не знать радости». Современное пиво отличается от напитка тех времён. Более того, появилось большое количество крафтовых пивоварен, в которых пивные энтузиасты предлагают новые, удивительно вкусные и ароматные сорта.

Однако пивовары, стремясь усовершенствовать свой продукт и предложить рынку нечто новое, не останавливаются на достигнутом, используя всё новые технологические решения. Добрались они и до искусственного интеллекта. Сегодня мы расскажем про наиболее интересные проекты, связанные с внедрением AI в процесс пивоварения и пивопотребления.
https://habr.com/ru/company/cloud4y/blog/461697/

🔗 Пивной интеллект
Пиво — один из старейших ферментированных напитков, известных человеку. Его воспевали ещё в третьем тысячелетии до н. э. в шумерском эпосе о Гильгамеше. У шуме...

🎥 Getting Started with Spacy in Python (11.1)
👁 2 раз ⏳ 646 сек.
Spacy is one of several Natural Language Processing (NLP) packages that can be used with Python to preprocess textual data before presenting to a neural network framework such as Keras. This video introduces Spacy with the Python language.

Code for This Video:
https://github.com/jeffheaton/t81_558_deep_learning/blob/1f16da595603d04ee86e48b134c62e3f2f6603b2/t81_558_class_11_01_spacy.ipynb

Course Homepage: https://sites.wustl.edu/jeffheaton/t81-558/

Follow Me/Subscribe:
https://www.youtube.com/user/Heato

​Stop experimenting with machine learning and start actually using it!
It turns out there’s a fatal flaw in most companies’ approach to machine learning, the analytical tool of the future: 87% of projects do…

🔗 Stop experimenting with machine learning and start actually using it!
It turns out there’s a fatal flaw in most companies’ approach to machine learning, the analytical tool of the future: 87% of projects do…

​Tackling Multiple Ordinal Regression Problems: Sparse and Deep Multi-Task Learning Approaches

Authors: Lu Wang, Dongxiao Zhu

Abstract: Most existing approaches work well for a single ordinal regression task. However, they ignore the task relatedness when there are multiple related tasks. Multi-task learning (MTL) provides a framework to encode task relatedness, to bridge data from all tasks, and to simultaneously
https://arxiv.org/abs/1907.12508

🔗 Tackling Multiple Ordinal Regression Problems: Sparse and Deep Multi-Task Learning Approaches
Many real-world datasets are labeled with natural orders, i.e., ordinal labels. Ordinal regression is a method to predict ordinal labels that finds a wide range of applications in data-rich science domains, such as medical, social and economic sciences. Most existing approaches work well for a single ordinal regression task. However, they ignore the task relatedness when there are multiple related tasks. Multi-task learning (MTL) provides a framework to encode task relatedness, to bridge data from all tasks, and to simultaneously learn multiple related tasks to improve the generalization performance. Even though MTL methods have been extensively studied, there is barely existing work investigating MTL for data with ordinal labels. We tackle multiple ordinal regression problems via sparse and deep multi-task approaches, i.e., two regularized multi-task ordinal regression (RMTOR) models for small datasets and two deep neural networks based multi-task ordinal regression (DMTOR) models for large-scale datasets. T

Теория вероятностей

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
00 - Теория вероятностей. О курсе
01 - Теория вероятностей. Элементарная теория вероятностей: случайные события
02 - Теория вероятностей. Немного комбинаторики. Условная вероятность
03 - Теория вероятностей. Теорема Байеса. Независимые события
04 - Теория вероятностей. Схема Бернулли. Краткие сведения из математического анализа.
05 - Теория вероятностей. Случайные величины. Математическое ожидание.
06 - Теория вероятностей. Дисперсия
07 - Теория вероятностей. Закон больших чисел
08 - Теория вероятностей. Теорема Пуассона. Локальная теорема Муавра–Лапласа.

🎥 00 - Теория вероятностей. О курсе
👁 1 раз ⏳ 89 сек.
Лектор: Александр Храбров

https://stepik.org/3089

🎥 01 - Теория вероятностей. Элементарная теория вероятностей: случайные события
👁 1 раз ⏳ 1757 сек.
Лектор: Александр Храбров

1. Вероятностная модель эксперимента
2. Вероятностные пространства

https://stepik.org/3089

🎥 02 - Теория вероятностей. Немного комбинаторики. Условная вероятность
👁 1 раз ⏳ 1671 сек.
Лектор: Александр Храбров

https://stepik.org/3089

🎥 03 - Теория вероятностей. Теорема Байеса. Независимые события
👁 1 раз ⏳ 1789 сек.
Лектор: Александр Храбров


https://stepik.org/3089

🎥 04 - Теория вероятностей. Схема Бернулли. Краткие сведения из математического анализа.
👁 1 раз ⏳ 1327 сек.
Лектор: Александр Храбров


https://stepik.org/3089

🎥 05 - Теория вероятностей. Случайные величины. Математическое ожидание.
👁 1 раз ⏳ 1514 сек.
Лектор: Александр Храбров

https://stepik.org/3089

🎥 06 - Теория вероятностей. Дисперсия
👁 1 раз ⏳ 1364 сек.
Лектор: Александр Храбров

https://stepik.org/3089

🎥 07 - Теория вероятностей. Закон больших чисел
👁 1 раз ⏳ 1280 сек.
Лектор: Александр Храбров

https://stepik.org/3089

🎥 08 - Теория вероятностей. Теорема Пуассона. Локальная теорема Муавра–Лапласа.
👁 1 раз ⏳ 1780 сек.
Лектор: Александр Храбров

https://stepik.org/3089

​Тысячи аккаунтов за один вечер – Владислав Шахрай

🔗 Тысячи аккаунтов за один вечер – Владислав Шахрай
Владислав Шахрай рассказывает про то, как он занял одно из первых мест в соревновании по машинному обучению (доклад секции Black ML, Data Fest⁶). Как известно, соревнования на кастомных платформах не всегда заканчиваются для организаторов благополучно. Особенно, если нет никаких правил. Этот доклад про то, на что обратить внимание в такой ситуации и как обеспечить себе победу. Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакт

​Вам недоступны 80% данных вашей компании. Что с этим делать?

Данные – движущая сила развития компаний в 2019 году. Ни одна крупная компания не обходится без сбора и управления данными, и у многих из них уже есть штат специалистов в этой области. Однако главное разочарование нашего времени заключается в том, что по различным причинам до 80% данных оказываются недоступными для обработки и анализа.

На самом деле, снижать процент недоступных данных можно и нужно. Для этого компании должны придерживаться определенных принципов в работе с ними. Посмотрите доклад Марии Архиповой, руководителя центра экспертизы SAP СНГ по платформе и технологиям, в котором она раскрывает о шести основных принципах управления данными и делится практическими кейсами. Использование этих принципов позволит компаниям эффективно управлять данными.
https://habr.com/ru/company/sap/blog/461779/

🔗 Вам недоступны 80% данных вашей компании. Что с этим делать?
Данные – движущая сила развития компаний в 2019 году. Ни одна крупная компания не обходится без сбора и управления данными, и у многих из них уже есть штат специ...

​Новый метод кластерного анализа

В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосов за то, что пара объектов находится в одном классе из информации о значении отдельных координат.

#Машинноеобучение
https://habr.com/ru/post/461721/

🔗 Новый метод кластерного анализа
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосо...

​Practical AI Solutions Within Healthcare And Biotechnology - Michael Segala

🔗 Practical AI Solutions Within Healthcare And Biotechnology - Michael Segala
Artificial Intelligence has become a core technology underlying many modern applications, especially in healthcare, where the techniques provide powerful methods for analyzing large data sets, such as medical images, electronic health records, and operational data. With the potential to speed up the diagnostic process, enable higher quality assessment of multiple conditions, and standardize reproducible decisions, providers, payers, and healthcare companies are looking to leverage these emerging technologie

​Deep Learning with MATLAB: Transfer Learning in 10 Lines of MATLAB Code

https://nl.mathworks.com/videos/deep-learning-with-matlab-transfer-learning-in-10-lines-of-matlab-code-1487714838381.html

🔗 Deep Learning with MATLAB: Transfer Learning in 10 Lines of MATLAB Code Video
"Learn how to use transfer learning in MATLAB to re-train deep learning networks created by experts for your own data or task. "

Building text classifiers with Deep Learning frameworks - Inbal Horev PyCon Israel 2019
https://www.youtube.com/watch?v=uzZ96MsQYWM

🎥 Building text classifiers with Deep Learning frameworks - Inbal Horev PyCon Israel 2019
👁 1 раз ⏳ 1200 сек.
Building text classifiers with Deep Learning frameworks - Inbal Horev PyCon Israel 2019
-----------------------------------------------------------------------------------------
Never miss a daily video about machine learning and programming.

Subscribe ⇢ https://www.youtube.com/channel/UCe_QLqna7cFtTCfZ0a8pycg?sub_confirmation=1
-----------------------------------------------------------------------------------------
This video is uploaded under the license of creative common (reuse allowed)

​Pix2Pix GAN Translation of Product

Sketches of Shoes to Photographs
A Gentle Introduction to Pix2Pix Generative Adversarial Network

https://machinelearningmastery.com/a-gentle-introduction-to-pix2pix-generative-adversarial-network/

🔗 A Gentle Introduction to Pix2Pix Generative Adversarial Network
Image-to-image translation is the controlled conversion of a given source image to a target image. An example might be the conversion of black and white photographs to color photographs. Image-to-image translation is a challenging problem and often requires specialized models and loss functions for a given translation task or dataset. The Pix2Pix GAN is a …

​RNNbow: Visualizing Learning via Backpropagation Gradients in Recurrent Neural Networks

Authors: Dylan Cashman, Genevieve Patterson, Abigail Mosca, Nathan Watts, Shannon Robinson, Remco Chang

Abstract: …from one element of a sequence to previous elements of a sequence. By visualizing the gradient, as opposed to activations, RNNbow offers insight into how the network is learning. We use it to explore the learning of an RNN that is trained to generate code in the C programming language.
https://arxiv.org/abs/1907.12545

🔗 RNNbow: Visualizing Learning via Backpropagation Gradients in Recurrent Neural Networks
We present RNNbow, an interactive tool for visualizing the gradient flow during backpropagation training in recurrent neural networks. RNNbow is a web application that displays the relative gradient contributions from Recurrent Neural Network (RNN) cells in a neighborhood of an element of a sequence. We describe the calculation of backpropagation through time (BPTT) that keeps track of itemized gradients, or gradient contributions from one element of a sequence to previous elements of a sequence. By visualizing the gradient, as opposed to activations, RNNbow offers insight into how the network is learning. We use it to explore the learning of an RNN that is trained to generate code in the C programming language. We show how it uncovers insights into the vanishing gradient as well as the evolution of training as the RNN works its way through a corpus.

​Artificial Intelligence and Music: What to Expect?
Wanna be a singer? AI will compose you an album.

https://towardsdatascience.com/artificial-intelligence-and-music-what-to-expect-f5125cfc934f?source=collection_home---4------3-----------------------

🔗 Artificial Intelligence and Music: What to Expect?
Wanna be a singer? AI will compose you an album.

​Cluster Analysis: Create, Visualize and Interpret Customer Segments
Exploring methods for cluster analysis, visualizing clusters through dimensionality reduction and interpreting clusters through exploring
https://towardsdatascience.com/cluster-analysis-create-visualize-and-interpret-customer-segments-474e55d00ebb?source=collection_home---4------0-----------------------

🔗 Cluster Analysis: Create, Visualize and Interpret Customer Segments
Exploring methods for cluster analysis, visualizing clusters through dimensionality reduction and interpreting clusters through exploring…

#kaggle #DataScience Machine Learning MicroCourse Part 8 on Kaggle

🎥 #kaggle #DataScience Machine Learning MicroCourse Part 8 on Kaggle
👁 1 раз ⏳ 2430 сек.
Deep Dive into Intermediate Machine Learning MicroCourse Part 8 on Kaggle
Exercise: Handling Missing Values
Intermediate Machine Learning
https://www.kaggle.com/diskandar69/exercise-missing-values