​5 Minute Guide to Plotting with Pandas

🔗 5 Minute Guide to Plotting with Pandas
Find out how to quickly visualise data with this popular python tool

​Towards creating AI with instincts

🔗 Towards creating AI with instincts
In late August 2019, researchers at Google released a paper titled Weight Agnostic Neural Networks, opening our eyes to a missing piece of…

🎥 Accelerate and Simplify Time Series Analysis and Forecasting with Amazon Forecast
👁 1 раз ⏳ 3174 сек.
Analyzing and forecasting time series data with traditional methods is a complex and time consuming process that often struggles to produce accurate results for large sets of irregular data by failing to combine it with other relevant independent variables. In this tech talk, we will explore how to accelerate this process by relying on deep learning with the new AI service Amazon Forecast. We will briefly review how the service works and jump into an end-to-end demonstration on a time series use case, divin

​AI For Everyone Free course from Andrew Ng

In this course, you will learn:

- The meaning behind common AI terminology, including neural networks, machine learning, deep learning, and data science
- What AI realistically can--and cannot--do
- How to spot opportunities to apply AI to problems in your own organization
- What it feels like to build machine learning and data science projects
- How to work with an AI team and build an AI strategy in your company
- How to navigate ethical and societal discussions surrounding AI
https://www.coursera.org/learn/ai-for-everyone

🔗 Искусственный интеллект для каждого | Coursera
Learn Искусственный интеллект для каждого from deeplearning.ai. AI is not only for engineers. If you want your organization to become better at using AI, this is the course to tell everyone--especially your non-technical colleagues--to take. In ...

🎥 Как защитить алгоритм машинного обучения от Adversarial-примеров | Технострим
👁 1 раз ⏳ 2202 сек.
Самые значимые и интересные доклады от наших партнеров - известных отраслевых конференций, теперь доступны на канале "Технострим". У нас вы найдете...

​Apache NIFI — Краткий обзор возможностей на практике
https://habr.com/ru/post/465299/

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Apache NIFI — Краткий обзор возможностей на практике
Введение Так получилось, что на моем текущем месте работы мне пришлось познакомиться с данной технологией. Начну с небольшой предыстории. На очередном митинге, н...

​Надстройка для Excel, облегчающая установку фильтров при работе с кубами (VBA)

Как известно, из коробки Excel не позволяет устанавливать фильтры по списку значений для сводных таблиц, а это ведь такая нужная вещь! Как отфильтровать товары по сотне кодов, а потом по другой сотне? #BigData #DataMining
https://habr.com/ru/post/457094/

🔗 Надстройка для Excel, облегчающая установку фильтров при работе с кубами (VBA)
Как известно, из коробки Excel не позволяет устанавливать фильтры по списку значений для сводных таблиц, а это ведь такая нужная вещь! Как отфильтровать товары п...

​SQL Summer Camp: Writing Efficient Queries | Kaggle

🔗 SQL Summer Camp: Writing Efficient Queries | Kaggle
In this special bonus stream, we'll talk about making your queries more efficient. How can you get the same results with less data and less time? Course link: https://www.kaggle.com/learn/advanced-sql 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 w

​Как я учил змейку играть в себя с помощью Q-Network
#Python #Машинноеобучение

Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять все то же самое и написать на python было бы не интересно. И я решил использовать более современный подход для обучения агентных систем, а именно Q-network. Но начнем с начала.

Обучение с подкреплением

В машинном обучении RL(Reinforcement Learning) достаточно сильно отличается от других направлений. Отличие состоит в том, что классический ML алгоритм обучается уже на готовых данных, в то время как RL, так сказать, сам создает себе эти данные. Идея RL состоит в том, что помимо самого алгоритма, который называют агентом, существует среда(environment), в которую этот агент и помещается. На каждом этапе агент должен совершать какое-то действие(action), а среда отвечает на это наградой(reward) и своим состоянием(state), на основе которого агент и совершает действие.

DQN

Здесь должно быть объяснение того, как алгоритм работает, но я оставлю ссылку на то, где это объясняют умные люди.
https://habr.com/ru/post/465477/

🔗 Как я учил змейку играть в себя с помощью Q-Network
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять...

🎥 Eric Weinstein: Intellectual Dark Web - Changing the Conversation | AI Podcast Clips
👁 1 раз ⏳ 131 сек.
This is a clip from a conversation with Eric Weinstein on the Artificial Intelligence podcast. You can watch the full conversation here: http://bit.ly/2Hp8due If you enjoy these, consider subscribing, sharing, and commenting below.

Full episode: http://bit.ly/2Hp8due
Full episodes playlist: http://bit.ly/2EcbaKf
Clips playlist: http://bit.ly/2JYkbfZ
Podcast website: https://lexfridman.com/ai

Eric Weinstein is a mathematician, economist, physicist, and managing director of Thiel Capital. He formed the "int

​PyTorch Examples
A repository showcasing examples of using PyTorch

https://github.com/pytorch/examples

🔗 pytorch/examples
A set of examples around pytorch in Vision, Text, Reinforcement Learning, etc. - pytorch/examples

​A to Z of SVM — Machine Learning For Everyone

🔗 A to Z of SVM — Machine Learning For Everyone
We aim to provide simplest and effective understanding of machine learning algorithms with simple theory, simple math and simple code

​From scratch to search: setup Elasticsearch under 4 minutes, load a CSV with Python and read some mo

🔗 From scratch to search: setup Elasticsearch under 4 minutes, load a CSV with Python and read some mo
Practical technology introduction (for data science, logging and monitoring, full-text search etc.)

​SVD: Where Model Tuning Goes Wrong

🔗 SVD: Where Model Tuning Goes Wrong
Exploring the limits of hyperparameter tuning for SVD Recommender systems using the Surprise library in Python.

​Text Classification Algorithms
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Text feature extraction and pre-processing for classification algorithms are very significant. In this section, we start to talk about text cleaning since most of documents contain a lot of noise. In this part, we discuss two primary methods of text feature extractions- word embedding and weighted word.

https://github.com/kk7nc/Text_Classification

🔗 kk7nc/Text_Classification
Text Classification Algorithms: A Survey. Contribute to kk7nc/Text_Classification development by creating an account on GitHub.

​Мониторинг ETL-процессов в хранилище данных

Хранилища данных
Многие используют специализированные инструменты для создания процедур извлечения, трансформации и загрузки данных в реляционные базы данных. Процесс работы инструментов логируется, ошибки фиксируются.

В случае ошибки в логе содержится информация о том, что инструменту не удалось выполнить задачу и какие модули (часто это java) где остановились. В последних строках можно найти ошибку базы данных, например, нарушение уникального ключа таблицы.

Чтобы ответить на вопрос, какую роль играет информация об ошибках ETL, я классифицировал все проблемы, произошедшие за последние два года в немаленьком хранилище.
https://habr.com/ru/post/465637/

🔗 Мониторинг ETL-процессов в хранилище данных
Многие используют специализированные инструменты для создания процедур извлечения, трансформации и загрузки данных в реляционные базы данных. Процесс работы инст...

​Introducing TF-GAN: A lightweight GAN library for TensorFlow 2.0

article: https://medium.com/tensorflow/introducing-tf-gan-a-lightweight-gan-library-for-tensorflow-2-0-36d767e1abae?source=collection_home---4------0-----------------------
code: https://github.com/tensorflow/gan

🔗 Introducing TF-GAN: A lightweight GAN library for TensorFlow 2.0
Posted by Joel Shor, Yoel Drori, Google Research Tel Aviv, Aaron Sarna, David Westbrook, Paige Bailey

​What is implicit deep learning?

🔗 What is implicit deep learning?
Laurent El Ghaoui, UC Berkeley (BAIR) and sumup.ai

​Human-grounded Evaluations of Explanation Methods for Text Classification

Authors: Piyawat Lertvittayakumjorn, Francesca Toni

Abstract: Due to the black-box nature of deep learning models, methods for explaining the models' results are crucial to gain trust from humans and support collaboration between AIs and humans. In this paper, we consider several model-agnostic and model-specific explanation methods for CNNs for text classification and conduct three human-grounded evaluations, focusing on different purposes of explanations: (1) revealing model behavior, (2) justifying model predictions, and (3) helping humans investigate uncertain predictions.
https://arxiv.org/abs/1908.11355

🔗 Human-grounded Evaluations of Explanation Methods for Text Classification
Due to the black-box nature of deep learning models, methods for explaining the models' results are crucial to gain trust from humans and support collaboration between AIs and humans. In this paper, we consider several model-agnostic and model-specific explanation methods for CNNs for text classification and conduct three human-grounded evaluations, focusing on different purposes of explanations: (1) revealing model behavior, (2) justifying model predictions, and (3) helping humans investigate uncertain predictions. The results highlight dissimilar qualities of the various explanation methods we consider and show the degree to which these methods could serve for each purpose.

​#GANPaint
Finally, AI-Based Painting is here!

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

paper: http://ganpaint.io/

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 GANPaint Studio by MIT and IBM



🎥 Finally, AI-Based Painting is here!
👁 1 раз ⏳ 250 сек.
❤️ Check out Weights & Biases here and sign up for a free demo: https://www.wandb.com/papers

📝 The paper "GANPaint Studio - Semantic Photo Manipulation with a Generative Image Prior" and its online demo are available here:
http://ganpaint.io/

🙏 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