🎥 Deep learning with Apache MXNet
👁 1 раз ⏳ 1454 сек.
Learn more about AWS at - https://amzn.to/2q5hVw7.
MXNet is a fully-featured, flexibly-programmable, and ultra-scalable deep learning framework supporting state of the art deep learning models. It provides both low-level control and high-level APIs that allow developers to mix imperative and symbolic programming models and to code in their language of choice (including Python, Scala, Java, C++, and R). Besides its computational and memory efficiency, MXNet is lightweight and portable and can run on various

🎥 TensorFlow World 2019 Keynote
👁 1 раз ⏳ 4601 сек.
O'Reilly and TensorFlow are teaming up to present the first TensorFlow World. It brings together the growing TensorFlow community to learn from each other and explore new ideas, techniques, and approaches in deep and machine learning.

0:02 - Opening keynote by Jeff Dean
25:40 - The latest from TensorFlow by Megan Kacholia
37:41 - TensorFlow, open source, and IBM by Frederick Reiss
42:55 - Accelerating ML at Twitter by Theodore Summe
53:22 - Enterprise-ready TensorFlow in the Cloud by Craig Wiley
1:03:25 -

​Loading Reddit posts using AWS Lambda and CloudWatch events

🔗 Loading Reddit posts using AWS Lambda and CloudWatch events
Last month I finished a 12 weeks data science bootcamp at General Assembly where we did a lot of awesome projects using Machine Learning…

​Use the Isolated Forest with PyOD!

🔗 Use the Isolated Forest with PyOD!
If you were asked to separate the above trees till all are isolated, which tree will be the easiest? You might say the most left one since…

​NoTraffic, No Problems: AI Startup Improves Intersections | NVIDIA Blog

🔗 NoTraffic, No Problems: AI Startup Improves Intersections | NVIDIA Blog
Israel-based company NoTraffic is using AI to transform intersections into intelligent decision makers, cutting delays and carbon emissions.

​Optimizing portfolio value with Amazon SageMaker automatic model tuning

https://aws.amazon.com/ru/blogs/machine-learning/optimizing-portfolio-value-with-amazon-sagemaker-automatic-model-tuning/

🔗 Optimizing portfolio value with Amazon SageMaker automatic model tuning | Amazon Web Services
Financial institutions that extend credit face the dual tasks of evaluating the credit risk associated with each loan application and determining a threshold that defines the level of risk they are willing to take on. The evaluation of credit risk is a common application of machine learning (ML) classification models. The determination of a classification […]

​The 5 Algorithms for Efficient Deep Learning Inference on Small Devices

https://heartbeat.fritz.ai/the-5-algorithms-for-efficient-deep-learning-inference-on-small-devices-bcc2d18aa806

🔗 The 5 Algorithms for Efficient Deep Learning Inference on Small Devices
Pruning, compression, quantization, and more

Способность искусственного интеллекта генерировать поддельные фото- и видеоизображения — это еще одна темная сторона технологий и назревающая проблема.

За прошедший год GAN стали так хороши в генерации изображений, что возможно уже очень скоро люди не будут способны отличить правду от подделки. Рассказываем подробнее о том, что происходит и к чему все идет.

🤖 https://clc.to/BuTOmA

​Лицензия для проектов с открытым исходным кодом, которая обязывает пользователей «не причинять вред»

🔗 Лицензия для проектов с открытым исходным кодом, которая обязывает пользователей «не причинять вред»
Привет, Хабр! Представляю вашему вниманию перевод статьи «An Open Source License That Requires Users to Do No Harm» автора Klint Finley. Китай использует техн...

🎥 Learning my Robot to Grasp with Promises and PushStreams
👁 1 раз ⏳ 1028 сек.
Nowadays A.I. is the hype and everyone is talking on this awesome new neural network they trained. However, what is often overlooked is how to integrate such technology into a real system. In this talk I will show some results from our research lab on training a neural network to grasp objects. Instead of delving into the deep learning details however, I will focus on how we benefit from OSGi to integrate this onto a real robot system, and create some fancy API models using Promises and PushStreams.

Object

​PyRoboLearn: A Python Framework for Robot Learning Practitioners

Delhaisse et al.: https://robotlearn.github.io/pyrobolearn/

🔗 PyRoboLearn
A Python Framework for Robot Learning Practitioners

🎥 2019: speculations on future of ML – Alex Natekin
👁 2 раз ⏳ 2563 сек.
Шел 2019 год. Вокруг куча интересных слов: Transfer Learning, Meta Learning, Federated Learning, Reinforcement Learning, плюс еще и мейнстрим Deep Learning с все новыми типами данных. Параллельно с этим, развивается и ML Engineering, а вокруг него еще и свой ML Safety. Вроде бы, на вопрос "куда копать", проблем с ответом нет. Однако, деды и отцы-основатели ML стали все чаще говорить про фундаментальные нерешенные проблемы, типа Causality. Это будет небольшой рассказ - попытка осмыслить происходящее в ML сег

​Нейросети научили "читать мысли" в режиме реального времени

🔗 Нейросети научили "читать мысли" в режиме реального времени
https://www.biorxiv.org/content/10.1101/787101v2 В рамках проекта "Ассистивные нейротехнологии" NeuroNet НТИ сотрудники ГК "Нейроботикс" и МФТИ обучили нейро...

​Fundamentals of Data Mining

🔗 Fundamentals of Data Mining
Data mining is the process of discovering these patterns among the data and is therefore also known as Knowledge Discovery from Data (KDD).

курс «Введение в анализ данных».
1. Введение в Python
2. Библиотека Numpy
3. Библиотека PANDAS
4. Визуализация данных
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 1. Введение в Python. Курс ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ
👁 1610 раз ⏳ 6057 сек.
Лекция №1 "Введение в python". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http://bit.ly/2P7ZUaD

📝 ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/2JbZnRw
Короткое видео о курсе: https://youtu.be/c_jihi3MuOU

Цель курса — познакомить слушателей с сферой анализа данных, основными инструментами, задачами и методами, с которыми сталкивается исследователь данных в работе.

🎥 2. Библиотека Numpy. Курс ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ _ Технострим
👁 28 раз ⏳ 6683 сек.
Лекция №2 "Библиотека Numpy". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http://bit.ly/2P7ZUaD

📝 ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/2JbZnRw
Короткое видео о курсе: https://youtu.be/c_jihi3MuOU

Цель курса — познакомить слушателей с сферой анализа данных, основными инструментами, задачами и методами, с которыми сталкивается исследователь данных в работе.

🎥 3. Библиотека PANDAS. Курс ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ
👁 21 раз ⏳ 4368 сек.
Лекция №3 "Библиотека PANDAS". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http://bit.ly/2P7ZUaD

📝 ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/2JbZnRw
Короткое видео о курсе: https://youtu.be/c_jihi3MuOU

Цель курса — познакомить слушателей с сферой анализа данных, основными инструментами, задачами и методами, с которыми сталкивается исследователь данных в работе.

🎥 4. Визуализация данных. Курс ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ
👁 29 раз ⏳ 3347 сек.
Лекция №4 "Визуализация данных". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http://bit.ly/2P7ZUaD

📝 ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/2JbZnRw
Короткое видео о курсе: https://youtu.be/c_jihi3MuOU

Цель курса — познакомить слушателей с сферой анализа данных, основными инструментами, задачами и методами, с которыми сталкивается исследователь данных в работе.

🎥 Quantum supremacy using a programmable superconducting processor - J. Martinis - 11/1/2019
👁 1 раз ⏳ 3822 сек.
IQIM Seminar by John Martinis (Research Scientist and Professor of Physics Google and University of California, Santa Barbara), "Quantum supremacy using a programmable superconducting processor"

Presented in Caltech's Ramo Auditorium, November 1, 2019

Abstract: "The promise of quantum computers is that certain computational tasks might be executed exponentially faster on a quantum processor than on a classical processor. A fundamental challenge is to build a high-fidelity processor capable of running qua

​Реализация моделей Data Mining в среде R

https://ranalytics.github.io/data-mining/01-Data-Mining-Models-in-R.html

🔗 Классификация, регрессия и другие алгоритмы Data Mining с использованием R
Реализация алгоритмов Data Mining с использованием R

1) TensorFlow World 2019 Keynote
https://www.youtube.com/watch?v=MunFeX-0MD8

2) Introduction to TensorFlow 2.0: Easier for beginners, and more powerful for experts (TF World '19)
https://www.youtube.com/watch?v=5ECD8J3dvDQ&t=966s

3) Swift for TensorFlow (TF World '19)
https://www.youtube.com/watch?v=9FWsSGD6V8Q

4) Building models with tf.text (TF World '19)
https://www.youtube.com/watch?v=iu_OSAg5slY&t=1s

5) Performant, scalable models in TensorFlow 2 with tf.data, tf.function & tf.distribute (TF World '19)
https://www.youtube.com/watch?v=yH1cF7GnoIo&t=5s

6) Getting involved in the TensorFlow Community (TF World '19)
https://www.youtube.com/watch?v=UbWGYcTUPyI&t=16s

7) TensorFlow World 2019 | Day 1 Livestream
https://www.youtube.com/watch?v=MgrTRK5bbsg

8) Great TensorFlow Research Cloud projects from around the world (TF World '19)
https://www.youtube.com/watch?v=rkqukapSmwQ&t=13s

9) TensorFlow Lite: Solution for running ML on-device (TF World '19)
https://www.youtube.com/watch?v=0SpZy7iouFU

10) TensorFlow Model Optimization: Quantization and Pruning (TF World '19)
https://www.youtube.com/watch?v=3JWRVx1OKQQ&t=1s

11) TFX: Production ML Pipelines with TensorFlow (TF World '19)
https://www.youtube.com/watch?v=TA5kbFgeUlk&t=1452s

12) TensorFlow World 2019 | Day 2 Livestream PM
https://www.youtube.com/watch?v=gy6v-Vc_P0U

13) Unlocking the power of ML for your JavaScript applications with TensorFlow.js (TF World '19)
https://www.youtube.com/watch?v=kKp7HLnPDxc

14) Day 2 Keynote (TF World '19)
https://www.youtube.com/watch?v=zxd3Q2gdArY

🎥 TensorFlow World 2019 Keynote
👁 1 раз ⏳ 4601 сек.
O'Reilly and TensorFlow are teaming up to present the first TensorFlow World. It brings together the growing TensorFlow community to learn from each other and explore new ideas, techniques, and approaches in deep and machine learning.

0:02 - Opening keynote by Jeff Dean
25:40 - The latest from TensorFlow by Megan Kacholia
37:41 - TensorFlow, open source, and IBM by Frederick Reiss
42:55 - Accelerating ML at Twitter by Theodore Summe
53:22 - Enterprise-ready TensorFlow in the Cloud by Craig Wiley
1:03:25 -

🎥 Тренировка по машинному обучению 2 ноября 2019
👁 2 раз ⏳ 6236 сек.
Тренировка по машинному обучению – это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться.

С докладами выступают успешные участники последних соревнований на Kaggle и других платформах — рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам.

В программе 2 ноября:

Дмитрий Кулагин – Topcoder PINS Master & PINS Explorer
Алексей Харламов – K

Making an Invisibility Cloak: Real World Adversarial Attacks on Object Detectors - Profillic

https://www.profillic.com/paper/arxiv:1910.14667