🎥 TensorFlow 2.0 Tutorial for Beginners 10 - Breast Cancer Detection Using CNN in Python
👁 1 раз ⏳ 1273 сек.
# Breast-Cancer-Detection-Using-CNN-in-Python
Breast Cancer Detection Using CNN in Python

Download Working File: https://github.com/laxmimerit/Breast-Cancer-Detection-Using-CNN-in-Python

natural image classification techniques and Artificial Intelligence methods has largely been used for the breast cancer classification task. The involvement CNN classification allows the doctor and the physicians a second opinion, and it saves the doctors' and physicians' time.

In this lesson, I have taught you how you c

​CS224N: Natural Language Processing with Deep Learning

https://onlinehub.stanford.edu/

🔗 Stanford Articitial Intelligence Online
Welcome to the Stanford AI Content Hub!

​Феерический screensaver для Kodi

Назначение хранителя экрана для «Kodi»

Проект предназначен для создания «Феерического» хранителя экрана с минимальным количеством исходного кода на языке Python. Проект является простейшим плагином для мультимедиа центра Kodi.

Проект показывает как можно создать очень красивый хранитель экрана целиком опираясь на работу «OpenSource» сообщества. Проект интеграционный, это пример написания двух независимых компонентов, каждый из которых занимает порядка 80 строчек кода. Первый компонент — генератор контента, shell скрипт, второй компонент — плагин для мультимедиа центра Kodi, отвечает за отображение контента.

Ну и напоследок если вы программист и используете систему контроля версий Git, то вы можете визуализировать вашу работу, записать ее в видео файл и наслаждаться полученным результатом на экране телевизора или компьютера, откинувшись на спинку кресла с чашечкой кофе. А прохладными осенними вечерами вы можете убаюкивающе засыпать под ваш screensaver, не забыв при этом поставить таймер выключения устройства в Kodi.
https://habr.com/ru/post/466067/

🔗 Феерический screensaver для Kodi
Назначение хранителя экрана для «Kodi» Проект предназначен для создания «Феерического» хранителя экрана с минимальным количеством исходного кода на языке Python...

😃 😃 @ 😃 😃 @ 😃 😃

​Открылся набор в Академию больших данных MADE от Mailru Group. Академия создана экспертами из индустрии и научного мира специально для тех, у кого уже есть опыт работы в IT. Для тех, кто поступит, обучение будет полностью бесплатным.

Можно выбрать очную или дистанционную форму обучения, а также одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Обучение займет полтора года, с октября 2019 по январь 2021 года.

Учащихся ждет продвинутый курс, включающий в себя занятия по прикладному анализу данных, разработке моделей машинного обучения для высоконагруженных сервисов, обработке больших данных, компьютерному зрению, обработке естественного языка, распознаванию речи и пр.

Условия поступления и подробности об Академии https://vk.cc/9G5rCN

🔗 Академия больших данных MADE
Академия больших данных MADE — бесплатный образовательный проект от Mail.ru Group в области Data Science и Big Data. Он разработан экспертами из индустрии и научного мира специально для специалистов с опытом работы в IT.

​Characterizing Bias in Classifiers using Generative Models
Models that are learned from real-world data are often biased because the
data used to train them is biased. This can propagate systemic human biases
https://arxiv.org/abs/1906.11891

🔗 Characterizing Bias in Classifiers using Generative Models
Models that are learned from real-world data are often biased because the data used to train them is biased. This can propagate systemic human biases that exist and ultimately lead to inequitable treatment of people, especially minorities. To characterize bias in learned classifiers, existing approaches rely on human oracles labeling real-world examples to identify the "blind spots" of the classifiers; these are ultimately limited due to the human labor required and the finite nature of existing image examples. We propose a simulation-based approach for interrogating classifiers using generative adversarial models in a systematic manner. We incorporate a progressive conditional generative model for synthesizing photo-realistic facial images and Bayesian Optimization for an efficient interrogation of independent facial image classification systems. We show how this approach can be used to efficiently characterize racial and gender biases in commercial systems.

​Полезная help-ссылка для работы с данными

Хабр, привет. Представляю вам главную help-ссылку для работы с данными. Материал в Гугл-доке подойдет как профессионалам, так и тем, кто только учится работать с данными. Пользуйтесь и прокачивайте скиллы сами + делитесь с коллегами.

Дальнейшее описание поста — это содержание help-ссылки. Поэтому, можете сразу ознакомиться с документом. Либо начать с её содержания, которую прикрепляю ниже.

Конечно, весь список книг/сервисов/видео и лекций в файле неполный. Поэтому предлагаю сделать этот пост ценнейшим — добавляйте в комментарии свои полезные ссылки, самые крутые из них я добавлю к себе в файл.
https://habr.com/ru/company/mailru/blog/465853/

🔗 Полезная help-ссылка для работы с данными
Хабр, привет. Представляю вам главную help-ссылку для работы с данными. Материал в Гугл-доке подойдет как профессионалам, так и тем, кто только учится работать с...

​Алгоритм мышления и сознания, часть 2

Данный текст содержит пояснения к алгоритму из моей первой статьи “Алгоритм мышления и сознания”. Тезисы первой статьи:

— Феномен субъективного мышления можно алгоритмизовать.

— Предъявленный в статье алгоритм мыслит и этим можно воспользоваться практически.

— С помощью алгоритма мышления можно дать определение сознания в асимптотической форме.
https://habr.com/ru/post/466089/

🔗 Алгоритм мышления и сознания, часть 2
Данный текст содержит пояснения к алгоритму из моей первой статьи “Алгоритм мышления и сознания”. Тезисы первой статьи: — Феномен субъективного мышления можно...

​5 ways to fast-track your next AI implementation

🔗 5 ways to fast-track your next AI implementation
Some quick wins around this important enabling technology can further the business case for more investment in broader digital…

🎥 Lecture 3 | Learning, Empirical Risk Minimization, and Optimization
👁 1 раз ⏳ 4723 сек.
Carnegie Mellon University
Course: 11-785, Intro to Deep Learning
Offering: Fall 2019

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

Contents:
• Training a neural network
• Perceptron learning rule
• Empirical Risk Minimization
• Optimization by gradient descent

​Important Topics in Machine Learning You Need to Know

🔗 Important Topics in Machine Learning You Need to Know
Basics of Machine Learning

​Giving Lens New Reading Capabilities in Google Go
http://ai.googleblog.com/2019/09/giving-lens-new-reading-capabilities-in.html

🔗 Giving Lens New Reading Capabilities in Google Go
Posted by Rajan Patel, Director, Augmented Reality Around the world, millions of people are coming online for the first time, and many o...

🎥 ML and AI with Sherol Chen: GCPPodcast 190
👁 1 раз ⏳ 1804 сек.
Original post → https://goo.gle/2luzGTe

On the show today, we speak with Developer Advocate and fellow Googler, Sherol Chen about machine learning and AI. Jon Foust and Aja Hammerly learn about the history and impact of AI and ML on technology and gaming. What does it mean to be human? What can machines do better than humans, and what can humans do better than machines? These are the large questions that we aim to solve in order to understand and use AI. Sherol goes on to explain the types of deep learning

🎥 Testing and Deployment of Deep Learning Models with Josh Tobin (2019)
👁 1 раз ⏳ 1706 сек.
In this Lecture, Josh Tobin of OpenAI recaps Sergey Karayev’s lecture on Testing and Deployment in Machine Learning which can be found here:
https://www.youtube.com/watch?v=JTSwQu0OyGs

This lecture was a part of the Applied Deep Learning Fellowship held at the Weights and Biases Headquarters in the spring of 2019.

For more tutorials: https://www.wandb.com/classes
To learn more about Weights & Biases: https://www.wandb.com/
http://josh-tobin.com/

​[WIP] Support for complex valued SVD gradient backprop by refraction-ray · Pull Request #32226 · tensorflow/tensorflow

🔗 [WIP] Support for complex valued SVD gradient backprop by refraction-ray · Pull Request #32226 · tensorflow/tensorflow
I have test some complex case by hand currently, will look into implementing test ASAP. And linter of the style too related issue: #13641

​Turbocharging SVD with JAX

🔗 Turbocharging SVD with JAX
How simple native SVD implementations in Python can be significantly improved by the JAX acceleration.

​Как искусственный интеллект помогает управлять проектами

Может показаться удивительным, но вопросу применения искусственного интеллекта для управления проектами насчитывается уже более 30 лет. Еще в 1987 году вышла знаковая статья Уильяма Хосли «Использование приложений искусственного интеллекта для управления проектами». В том же году под эгидой NASA завершилось исследование об эффективности применения методов искусственного интеллекта в управлении проектами.

Между тем, в последнее время появилось большое количество решений, которые можно условно разделить на два класса:

виртуальные помощники руководителя проекта
искусственный интеллект в системах управления проектами

https://habr.com/ru/post/466165/

🔗 Как искусственный интеллект помогает управлять проектами
Обзор современного применения искусственного интеллекта для управления проектами Может показаться удивительным, но вопросу применения искусственного интеллект...

​Устойчивый нейронный машинный перевод

В последние годы нейронный машинный перевод (НМП) с использованием моделей «трансформер» добился необычайных успехов. НМП на основе глубоких нейросетей обычно обучаются с начала до конца на очень объёмных параллельных корпусах текстов (текстовых парах) исключительно на основе самих данных, без необходимости назначать точные правила языка.

Несмотря на все успехи, НМП-модели могут проявлять чувствительность к небольшим изменениям входных данных, что может проявляться в виде различных ошибок – недоперевод, переперевод, неправильный перевод. К примеру, следующее немецкое предложение качественная НМП-модель «трансформер» переведёт правильно.
https://habr.com/ru/post/465859/

🔗 Устойчивый нейронный машинный перевод
В последние годы нейронный машинный перевод (НМП) с использованием моделей «трансформер» добился необычайных успехов. НМП на основе глубоких нейросетей обычно об...

🎥 Pierre-Yves Oudeyer, Developmental Autonomous Machine Learning (ICLR 2019 Keynote)
👁 1 раз ⏳ 2799 сек.
Developmental Autonomous Learning: Artificial Intelligence, Cognitive Sciences and Educational Technology

Pierre-Yves Oudeyer, Inria and Ensta ParisTech, France
ICLR 2019 Keynote talk

Keywords: developmental machine learning, models of child development, autonomous exploration, curiosity, intrinsic motivation, automated curriculum learning, tool use, language acquisition, robotics, cognitive sciences.

Abstract:

Current approaches to AI and machine learning are still fundamentally limited in comparison

🎥 AI Institute "Geometry of Deep Learning" 2019 [Workshop] Day 3 | Session 2
👁 1 раз ⏳ 5949 сек.
Deep learning is transforming the field of artificial intelligence, yet it is lacking solid theoretical underpinnings. This state of affair significantly hinders further progress, as exemplified by time-consuming hyperparameters optimization, or the extraordinary difficulties encountered in adversarial machine learning. Our three-day workshop stems on what we identify as the current main bottleneck: understanding the geometrical structure of deep neural networks. This problem is at the confluence of mathema