​Neuronomics. Идея для стартапа 2030 года

Пять лет назад меня осенила идея. Я решил смоделировать ни много ни мало мировую экономику, для того чтобы точно знать какую динамику ожидать от акций, облигаций, курсов валют и т.д. Была только одна маленькая проблемка, модели всего этого не существует. И хуже того, экономисты десятки лет спорят, какая из их куцых эконометрических моделей хотя бы приблизительно верно описывает эти сложнейшие процессы. Поэтому, вместо попыток натянуть выдуманную (и конечно безумно упрощенную) модель на многоликую реальность я вступил на концептуально иной путь – моделировать агентов на микроуровне, чтобы они в изнуряющей борьбе за выживание, путем проб и ошибок приходили к равновесному состоянию, которое на макроуровне выражается в динамике цен, ставок и т.д.

Результат моих исследований описан ниже. Для визуализации записал движение агентов и каждый пиксель в этом видео, скрывает за собой нейросеть, т.е. мозг агента, бьющегося за выживание в конкуренции с подобными себе в жестоком мире наживы и чистогана.

Зачем это вообще нужно легко понять, например, по актуальным сейчас спорам вокруг «торговых войн». Одни (в основном профессиональные экономисты) говорят, что тарифы вредят в конечном итоге экономике в целом. Другие же думают, что страна окажется в выигрыше.

Проверить и доказать на фактах тут ничего нельзя, ведь никто не может поставить эксперимент при прочих равных на одной и той же экономике. Тогда как описанный ниже метод позволяет контролировать условия и получить доказательство наличия или отсутствия выгод того или иного решения.
https://habr.com/ru/post/465747/

🔗 Neuronomics. Идея для стартапа 2030 года
Пять лет назад меня осенила идея. Я решил смоделировать ни много ни мало мировую экономику, для того чтобы точно знать какую динамику ожидать от акций, облигаций...

​Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перевод]
#Python #Машинноеобучение

Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan.

Этот туториал по TensorFlow предназначен для тех, кто имеет общее представление о машинном обучении и пытается начать работу с TensorFlow.
https://habr.com/ru/post/465745/

🔗 Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перево
Привет, Хабр! Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan. Эт...

​Play Street Fighter with body movements using Arduino and Tensorflow.js

🔗 Play Street Fighter with body movements using Arduino and Tensorflow.js
For the past year, I’ve been learning more about machine learning. I’ve built a few browser experiments but lately, I’ve been spending…

🎥 Scrape or not? — Константин Гаврильчик
👁 1 раз ⏳ 835 сек.
Соревнование - это в том числе и возможность побороться за призы. Но что делать, если организаторы использовали опенсорс данные и даже не попытались их анонимизировать? Честные подходы не могут дать результатов сопоставимых с победителями, поэтому перед участниками встаёт выбор: Scrape or not?

Доклад Константина Гаврильчика, секция Black ML, Data Fest⁶.

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

Узнать о новых тренировках и видео можно из групп:
ВКонтакте https://vk.com/mltrain

​Analysis of car accidents in Barcelona using Pandas, Matplotlib, and Folium

🔗 Analysis of car accidents in Barcelona using Pandas, Matplotlib, and Folium
Open Data Barcelona is Barcelona´s data service which contains around 400 datasets, covering a wide rage of topics such as population…

​How Artificial Intelligence is changing the world

🔗 How Artificial Intelligence is changing the world
The technology of AI has been improving every year for the past 20 years, and today it is a very mature technology. Many companies and…

🎥 Unpacking Artificial Intelligence and Machine Learning
👁 1 раз ⏳ 3465 сек.
In this webinar, Dr Karsten Schulz, from the Digital Tech Institute, and Martin Richards, from the Digital Technologies Hub, unpack AI and Machine Learning. They clarify key terms and approaches, make connections with the Australian Curriculum and show ways how to implement AI in a classroom environment. They also talk about differences to ‘conventional’ coding and discuss what ‘typical’ application fields for AI have in common to help teachers decide if or when to use it. The webinar includes a small resou

​Disaster Watch: a crisis mapping platform to collect, evaluate, and publish disaster-related tweets

https://medium.com/tensorflow/disaster-watch-a-crisis-mapping-platform-to-collect-evaluate-and-publish-disaster-related-tweets-3f89e31e9180

🔗 Disaster Watch: a crisis mapping platform to collect, evaluate, and publish disaster-related tweets
A guest post by Abraham Poorazizi, Mahmood Khordoo, and Mahsa Amini

​Top 7 Machine Learning Methods that Every Data Scientist Must Know

🔗 Top 7 Machine Learning Methods that Every Data Scientist Must Know
In this digital era, now most of the manual tasks are being automated. Now, machine learning algorithms are helping computers perform…

🎥 Edward Grefenstette: Teaching Artificial Agents to Understand Language by Modelling Reward
👁 1 раз ⏳ 3123 сек.
Recent progress in Deep Reinforcement Learning has shown that agents can be taught complex behaviour and solve difficult tasks, such as playing video games from pixel observations, or mastering the game of Go without observing human games, with relatively little prior information. Building on these successes, researchers such as Hermann and colleagues have sought to apply these methods to teach–in simulation–agents to complete a variety of tasks specified by combinatorially rich instruction languages. In th

🎥 [DeepBayes2019]: Day 1, Practical session 2. Bayesian reasoning
👁 1 раз ⏳ 1277 сек.
Speaker: Ekaterina Lobacheva

​Adapt or Get Left Behind: Domain Adaptation through BERT Language Model Finetuning for Aspect-Target Sentiment Classification

https://arxiv.org/abs/1908.11860

🔗 Adapt or Get Left Behind: Domain Adaptation through BERT Language Model Finetuning for Aspect-Target
Aspect-Target Sentiment Classification (ATSC) is a subtask of Aspect-Based Sentiment Analysis (ABSA), which has many applications e.g. in e-commerce, where data and insights from reviews can be leveraged to create value for businesses and customers. Recently, deep transfer-learning methods have been applied successfully to a myriad of Natural Language Processing (NLP) tasks, including ATSC. Building on top of the prominent the BERT language model, we approach ATSC by using a two-step procedure: Self-supervised domain-specific BERT language model finetuning, followed by supervised task-specific finetuning. Our findings on how to best exploit domain-specific language model finetuning enables us to produce new state-of-the-art performance on the SemEval 2014 Task 4 restaurants dataset. In addition, to explore the real-world robustness of our models, we perform cross-domain evaluation. We show that a cross-domain adapted BERT language model performs significantly better compared to strong baseline models like van

​Финал соревнования по машинному обучению от Яндекс Контест — Кирилл Бродт

🔗 Финал соревнования по машинному обучению от Яндекс Контест — Кирилл Бродт
Кирилл Бродт рассказывает про участие в финале ежегодного соревнования по машинному обучению от Яндекс Контест. Из этого видео вы узнаете, как подкрутить бейзлайн в рекомендательных системах и занять победное первое место. Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https://vk.com/mltrainings Facebook https://www.facebook.com/groups/1413405125598651/ Telegram https://t.me/mltrainings

​This Controllable AI Synthesizes Images For You

🔗 This Controllable AI Synthesizes Images For You
📷 We are now available on Instagram: https://www.instagram.com/twominutepapers/ 📝 The paper "On the steerability of generative adversarial networks" is available here: https://ali-design.github.io/gan_steerability/ ❤️ 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: Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian Gilman, Bruno Brito, Bryan Learn, Christ

​Yann LeCun: Sophia and Does AI Need a Body? | AI Podcast Clips

🔗 Yann LeCun: Sophia and Does AI Need a Body? | AI Podcast Clips
This is a clip from a conversation with Yann LeCun on the Artificial Intelligence podcast. You can watch the full conversation here: http://bit.ly/2NJiCov If you enjoy these, consider subscribing, sharing, and commenting below. Full episode: http://bit.ly/2NJiCov Full episodes playlist: http://bit.ly/2EcbaKf Clips playlist: http://bit.ly/2JYkbfZ Podcast website: https://lexfridman.com/ai Yann LeCun is one of the fathers of deep learning, the recent revolution in AI that has captivated the world with the p

​Evading Machine Learning Malware Classifiers

🔗 Evading Machine Learning Malware Classifiers
for fun and profit!

​Single UserID Matching for Anonymous Users Across Devices with GraphX

🔗 Single UserID Matching for Anonymous Users Across Devices with GraphX
How to implement a probabilistic session similarity to create a single user ID for cross-device and anonymous user identification

🎥 Martin Christen - Geospatial Analysis using Python and JupyterHub
👁 1 раз ⏳ 1806 сек.
"Geospatial Analysis using Python and JupyterHub
[EuroPython 2019 - Talk - 2019-07-10 - Singapore [PyData track]
[Basel, CH]

By Martin Christen

Geospatial data is data containing a spatial component – describing objects with a reference to the planet's surface. This data usually consists of a spatial component, of various attributes, and sometimes of a time reference (where, what, and when). Efficient processing and visualization of small to large-scale spatial data is a challenging task.

This talk desc

🎥 Franziska Oschmann - Boosting research with machine learning.
👁 1 раз ⏳ 1802 сек.
"Boosting research with machine learning.
[EuroPython 2019 - Talk - 2019-07-10 - Osaka / Samarkand [PyData track]
[Basel, CH]

By Franziska Oschmann

Within the last 20 years machine learning (ML) experienced a boost in its impact on our daily lives. With the help of supervised and unsupervised methods tasks like computer vision, recognition of speech or text have been revolutionized. Due to this high impact of ML ongoing research focuses on the constant improvement of these methods.
However, ML is not exc