​Initializing neural networks
https://www.deeplearning.ai/ai-notes/initialization/

🔗 Initializing neural networks

​Computer Vision Summer Сamp – летняя школа Intel по компьютерному зрению

С 3 по 16 июля на базе ННГУ им. Н.И. Лобачевского проходила Межвузовская Летняя школа Intel по компьютерному зрению — Computer Vision Summer Camp, в которой приняло участие более 100 студентов. Школа была направлена на студентов технических специальностей нижегородских вузов, которым интересно компьютерное зрение, глубокое обучение, нейронные сети, Intel OpenVINO, OpenCV.

В данной статье мы поделимся тем, как проходил отбор в Школу, что изучали, чем в практической части занимались ребята, а также расскажем о некоторых проектах, представленных на защите.
https://habr.com/ru/company/intel/blog/464579/

🔗 Computer Vision Summer Сamp – летняя школа Intel по компьютерному зрению
С 3 по 16 июля на базе ННГУ им. Н.И. Лобачевского проходила Межвузовская Летняя школа Intel по компьютерному зрению — Computer Vision Summer Camp, в которой пр...

​Нейросети и глубокое обучение: онлайн-учебник, послесловие: существует ли простой алгоритм для создания интеллекта?

В данной книге мы фокусировались на основных деталях устройства нейросетей: как они работают, как их можно использовать в задачах распознавания последовательностей. Этот материал возможно непосредственно применять на практике. Но, конечно, одна из причин интереса к НС – надежда, что когда-нибудь они смогут выйти за пределы простого распознавания последовательностей. Возможно, их, или какие-то другие подходы на основе цифровых компьютеров, в итоге можно будет применять для создания думающих машин, способных поспорить с человеческим интеллектом или превзойти его? Эта идея выходит далеко за пределы обсуждаемого в книге материала – или ноу-хау любого человека на планете. Но порассуждать на эту тему всегда интересно.

Было очень много споров по поводу того, могут ли компьютеры в принципе достичь уровня человеческого интеллекта. Я не буду рассматривать этот вопрос. Несмотря на дебаты, я считаю, что не существует серьёзных сомнений в возможности создания разумного компьютера – хотя эта задача может оказаться чрезвычайно сложной, и, возможно, выйти далеко за пределы существующих технологий – а текущие критики однажды окажутся в положении виталистов прошлого.
https://habr.com/ru/post/464735/

🔗 Нейросети и глубокое обучение: онлайн-учебник, послесловие: существует ли простой алгоритм для созда
Содержание Глава 1: использование нейросетей для распознавания рукописных цифр Глава 2: как работает алгоритм обратного распространения Глава 3: ч.1: улучшение с...

​Kaggle iMet Collection 2019 - FGVC6 — Дмитрий Кустиков

🔗 Kaggle iMet Collection 2019 - FGVC6 — Дмитрий Кустиков
Дмитрий Кустиков рассказывает на английском языке про соревнование Kaggle iMet Collection 2019 - FGVC6, в котором он получил серебро. Из видео вы сможете узнать: - Описание данных и задачи соревнования, интересные факты - Алгоритм решения соревнования по компьютерному зрению для получения высокого места - Сравнение с решением, занявшим первое место - Советы для начинающих: как лучше оформить свой код для соревнований kernel-only типа Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/

​Elon Musk: If You Buy a Tesla Today, You're Buying an Appreciating Asset | AI Podcast Clips

🔗 Elon Musk: If You Buy a Tesla Today, You're Buying an Appreciating Asset | AI Podcast Clips
This is a clip from a conversation with Elon Musk on the Artificial Intelligence podcast. This conversation happened between Elon Musk and I on April 2019, several days before the Tesla Autonomy day. You can watch the full conversation here: http://bit.ly/2Z8vma4 If you enjoy these, consider subscribing, sharing, and commenting below. Full episode: http://bit.ly/2Z8vma4 Full episodes playlist: http://bit.ly/2EcbaKf Clips playlist: http://bit.ly/2JYkbfZ Podcast website: https://lexfridman.com/ai Elon Musk

​Guide to R and Python in a Single Jupyter Notebook

🔗 Guide to R and Python in a Single Jupyter Notebook
Why choose one when you can use both?

🎥 Recitation 1 | Setting Up AWS Deep Learning AMI and Google Colab
👁 1 раз ⏳ 3844 сек.
Carnegie Mellon University
Course: 11-785, Intro to Deep Learning
Offering: Fall 2019
Notebook: http://deeplearning.cs.cmu.edu/document/recitation/recitation1.tar.gz

For more information, please visit: http://deeplearning.cs.cmu.edu/

Contents:
• AWS EC2
• Jupyter Notebook Setup
• Google Colab
• Mounting Drives

​4 Awesome things you can do with Keras and the code you need to make it happen

🔗 4 Awesome things you can do with Keras and the code you need to make it happen
Keras is one of the most widely used Deep Learning frameworks out there. It’s very easy to use and yet is still on par in terms of…

​Fun with Markov Network Brains

🔗 Fun with Markov Network Brains
An introduction for dummy programmers

​Learning Filter Basis for Convolutional Neural Network Compression

Authors: Yawei Li, Shuhang Gu, Luc Van Gool, Radu Timofte

Abstract: Convolutional neural networks (CNNs) based solutions have achieved state-of-the-art performances for many computer vision tasks, including classification and super-resolution of images. Usually the success of these methods comes with a cost of millions of parameters due to stacking deep convolutional layers.

https://arxiv.org/abs/1908.08932

🔗 Learning Filter Basis for Convolutional Neural Network Compression
Convolutional neural networks (CNNs) based solutions have achieved state-of-the-art performances for many computer vision tasks, including classification and super-resolution of images. Usually the success of these methods comes with a cost of millions of parameters due to stacking deep convolutional layers. Moreover, quite a large number of filters are also used for a single convolutional layer, which exaggerates the parameter burden of current methods. Thus, in this paper, we try to reduce the number of parameters of CNNs by learning a basis of the filters in convolutional layers. For the forward pass, the learned basis is used to approximate the original filters and then used as parameters for the convolutional layers. We validate our proposed solution for multiple CNN architectures on image classification and image super-resolution benchmarks and compare favorably to the existing state-of-the-art in terms of reduction of parameters and preservation of accuracy.

🎥 Next gen AI: Agent-based simulation + Reinforcement Learning
👁 1 раз ⏳ 7451 сек.
Panel discussion lead by Dr. Anand Rao, Partner and Global Artificial Intelligence Lead at PwC. More info below...
---
Upcoming webinar from AL and Skymind: Simulation and automated deep learning
https://www.anylogic.com/resources/training-events/anylogic-ai-webinar-september-2019/?utm_source=youtube&utm_medium=desc&utm_campaign=anl-webinar-ai-sep19&utm_content=site
---
Combining agent-based simulation with reinforcement learning points to a new era of continuously learning agents. Is this the next generati

Unconventional Neural Networks
Generative Model Basics
Generating Pythonic code with Neural Network
Generating with MNIST
Classification Generator Training Attempt
Classification Generator Testing Attempt
Drawing a Number by Request with Generative Model
Deep Dream
Deep Dream Frames
Deep Dream Video
Doing Math with Deep Learning (Addition)
#neuralnetwork
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 Generative Model Basics - Unconventional Neural Networks p.1
👁 2560 раз ⏳ 851 сек.


🎥 Generating Pythonic code with Neural Network - Unconventional Neural Networks p.2
👁 1 раз ⏳ 1188 сек.
Hello and welcome to part 2 of our series of just poking around with neural networks. In the previous tutorial, we played with a generative model, ...

🎥 Generating with MNIST - Unconventional Neural Networks p.3
👁 1 раз ⏳ 616 сек.
Hello and welcome to part 3 of our series of experimenting with neural networks. In this tutorial, we're going to take the same generative model th...

🎥 Classification Generator Training Attempt - Unconventional Neural Networks p.4
👁 1 раз ⏳ 1138 сек.
Hello and welcome to part 4 of our series of having some fun with neural networks, currently with generative networks. Wher we left off, we're buil...

🎥 Classification Generator Testing Attempt - Unconventional Neural Networks p.5
👁 1 раз ⏳ 726 сек.
Hello and welcome to part 5 of our neural network shenanigans series. Lately, we've been working on doing classification with a generative model. I...

🎥 Drawing a Number by Request with Generative Model - Unconventional Neural Networks p.6
👁 1 раз ⏳ 561 сек.
Hello and welcome to part 6 of our neural network antics. In the previous tutorial, we attempted to use a generative model to generate classes of M...

🎥 Deep Dream - Unconventional Neural Networks p.7
👁 1 раз ⏳ 768 сек.
In this part, we're going to get into deep dreaming in TensorFlow. If you are not familiar with deep dream, it's a method we can use to allow a neu...

🎥 Deep Dream Frames- Unconventional Neural Networks p.8
👁 1 раз ⏳ 576 сек.
In this Tutorial, we cover the idea of taking deep dream images, and using them as frames in a video.

Text tutorials and sample code: https://pyth...

🎥 Deep Dream Video- Unconventional Neural Networks p.9
👁 1 раз ⏳ 537 сек.
We've created many deep dream images up to this point, and now we're looking to convert them to video.

Text tutorials and sample code: https://pyt...

🎥 Doing Math with Deep Learning (Addition)- Unconventional Neural Networks p.10
👁 1 раз ⏳ 933 сек.
Can we do math with deep learning? Let's see how far we can go!

Github specific commit for the seq2seq chatbot used here: https://github.com/danie...

​Object Detection with 10 lines of code

🔗 Object Detection with 10 lines of code
Part 2 of this tutorial for detecting your custom objects is available via this link.

🎥 Signate Cigarette Pack Recognition — Николай Сергиевский
👁 1 раз ⏳ 2070 сек.
Николай Сергиевский рассказывает про опыт участия в соревновании Cigarette Pack Recognition на японской платформе Signate. Николай занял второе место. Из видео вы сможете узнать:
- Описание соревнования по распознаванию сигаретных пачек на полках
- Описание решения второго места
- Как выстроить решение для задачи детектирования, классификации и embedding
- Трюки, которые помогают занимать призовые места

Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/

Узнать о новых тренировках и видео

​Напиши свою песню за 10 минут (модуль textgenrnn Python3)
#Python

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Сегодня попробуем обучить свою собственную нейронную сеть, чтобы писала текст для песен. Обучающей выборкой будут тексты группы "Руки Вверх". Ничто не мешает чтобы поменять данные на тексты своих любимых групп. Для извлечения данных с веб-сайтов используем Python3 (модуль BeautifulSoup).

Задача будет состоять в том, чтобы выгрузить данные(тексты) c веб-сайтов а потом на их основе обучить нейронную сеть.

На самом деле, можно разбить работу на 2 этапа:
Этап 1: выгрузить и сохранить тексты песни в удобном формате.
Этап 2: обучить свою собственную нейронную сеть.
https://habr.com/ru/post/464973/

🔗 Напиши свою песню за 10 минут (модуль textgenrnn Python3)
Сегодня попробуем обучить свою собственную нейронную сеть, чтобы писала текст для песен. Обучающей выборкой будут тексты группы "Руки Вверх". Ничто не мешает чт...

🎥 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

​SQL Summer Camp: Joins & Unions | Kaggle

🔗 SQL Summer Camp: Joins & Unions | Kaggle
Welcome back, campers! We're kicking the Advanced SQL course off with Joins and Unions. These techniques let you combine data from across different tables in your database. SUBSCRIBE: https://www.youtube.com/c/kaggle?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 project. Spin up a Jupyter notebook with a single click. Build wit

​Decoding the Black Box: An Important Introduction to Interpretable Machine Learning Models in Python

🔗 Decoding the Black Box: An Important Introduction to Interpretable Machine Learning Models in Python
Overview

​Exploring Weight Agnostic Neural Networks

http://ai.googleblog.com/2019/08/exploring-weight-agnostic-neural.html

🔗 Exploring Weight Agnostic Neural Networks
Posted by Adam Gaier, Student Researcher and David Ha, Staff Research Scientist, Google Research, Tokyo When training a neural network ...

🎥 Machine Learning with Containers and Amazon SageMaker - AWS Online Tech Talks
👁 1 раз ⏳ 2986 сек.
Data scientists and machine learning engineers use containers to create custom, lightweight environments to train and serve models at scale with deep learning frameworks such as TensorFlow, Apache MXNet, and PyTorch. With containers, developers get consistent environments for development and deployment. In this tech talk, we'll show you how to use AWS Deep Learning Containers to train and serve models at scale with Amazon SageMaker.

Learning Objectives:
- Learn about machine learning using containers and