​Farm Segmentation From Satellite Images Using Holistically-nested Edge Detection

🔗 Farm Segmentation From Satellite Images Using Holistically-nested Edge Detection
Imagine if we have scrapped Satellite images across all of India and can detect Farm boundaries which can not only be mapped to individual…

​Can an AI Learn The Concept of Pose And Appearance? 👱‍♀️

🔗 Can an AI Learn The Concept of Pose And Appearance? 👱‍♀️
❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambdalabs.com/papers 📝 The paper "HoloGAN: Unsupervised learning of 3D representations from natural images" is available here: https://www.monkeyoverflow.com/#/hologan-unsupervised-learning-of-3d-representations-from-natural-images/ ❤️ 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, Anastasia Marchenkova

​https://data-science-blog.com/blog/2019/07/29/visual-question-answering-with-keras-part-1/

https://data-science-blog.com/page/2/

🔗 Visual Question Answering with Keras – Part 1 – Data Science Blog

​Сверточный слой: методы оптимизации основанные на матричном умножении
Введение
Данная статья является продолжением серии статей описывающей алгоритмы лежащие в основе
Synet — фреймворка для запуска предварительно обученных нейронных сетей на CPU.
Если смотреть на распределение процессорного времени, которое тратится на прямое распространение сигнала в нейронных сетях, то окажется что зачастую более 90% всего времени тратится в сверточных слоях. Поэтому если мы хотим получить быстрый алгоритм для нейронной сети – нам нужен, прежде всего, быстрый алгоритм для сверточного слоя. В настоящей статье я хочу описать методы оптимизации прямого распространения сигнала в сверточном слое. Причем начать хочется с наиболее широко распространенных методов, основанных на матричном умножении. Изложение я буду стараться вести в максимально доступной форме, чтобы статья была интересна не только специалистам (они и так про это все знают), но и более широкому кругу читателей. Я не претендую на полноту обзора, так что любые замечания и дополнения только приветствуются.

🔗 Сверточный слой: методы оптимизации основанные на матричном умножении
Введение Данная статья является продолжением серии статей описывающей алгоритмы лежащие в основе Synet — фреймворка для запуска предварительно обученных нейронн...

​Коллеги!

До открытой конференции по Искусственному интеллекту OpenTalks.AI осталось 3 месяца!
Успейте подать заявку на доклад на конференцию до 10 ноября! Докладчики участвуют в конференции бесплатно!

Подать доклад можно здесь: https://lomonosov-msu.ru/rus/event/5760/?

До 11.11.2019 Вы можете приобрести билеты на условиях Early birds! Только 90 билетов!

Подробнее о конференции на сайте www.opentalks.ai

🔗 OpenTalks.AI - 20-21 февраля 2020
Открытая конференция по Искусственному интеллекту, Москва, февраль 2020

​How your brain invents morality

🔗 How your brain invents morality
Neurophilosopher Patricia Churchland explains her theory of how we evolved a conscience.

​Обзор технологий синтеза речи
Всем привет! Меня зовут Влад и я работаю data scientist-ом в команде речевых технологий Тинькофф, которые используются в нашем голосовом помощнике Олеге.
В этой статье я бы хотел сделать небольшой обзор технологий синтеза речи, использующихся в индустрии, и поделиться опытом нашей команды построения собственного движка синтеза.

🔗 Обзор технологий синтеза речи
Всем привет! Меня зовут Влад и я работаю data scientist-ом в команде речевых технологий Тинькофф, которые используются в нашем голосовом помощнике Олеге. В этой...

​Kaggle Reading Group: Learning from Dialogue after Deployment (Part 2) | Kaggle

🔗 Kaggle Reading Group: Learning from Dialogue after Deployment (Part 2) | Kaggle
This week we continue with the paper "Learning from Dialogue after Deployment: Feed Yourself, Chatbot!" by Hancock et al, 2019. (Published at ACL 2019 in Venice.) Link to paper: https://www.aclweb.org/anthology/P19-1358.pdf 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 with

​Learning to Balance: Bayesian Meta-Learning for Imbalanced and...

🔗 Learning to Balance: Bayesian Meta-Learning for Imbalanced and...
While tasks could come with varying the number of instances and classes in realistic settings, the existing meta-learning approaches for few-shot classification assume that number of instances per...

🎥 Р.В. Шамин. Лекция № 9 Практика применения методов классификации в задачах механики
👁 4 раз ⏳ 4042 сек.
Курс "Машинное обучение и искусственный интеллект
в задачах механики", читаемый в Математическом институте им. В.А. Стеклова РАН: http://www.mathnet.ru/conf1618

Машинное обучение

1 - Машинное обучение. Обзор методов оптимизации I
2 - Машинное обучение. Обзор методов оптимизации II
3 - Машинное обучение. Один эксперимент
4 - Машинное обучение. Оценка качества
5 - Машинное обучение. Оценка качества II
6 - Машинное обучение. Instance based learning
7 - Машинное обучение. Линейные модели
8 - Машинное обучение. Линейные модели II
9 - Машинное обучение. Деревья решений
10 - Машинное обучение. Деревья решений II

Больше видео в альбоме: https://vk.cc/8VTY2c

#video #ai

🎥 1 - Машинное обучение. Обзор методов оптимизации I
👁 497 раз ⏳ 6158 сек.
Машинное обучение

🎥 2 - Машинное обучение. Обзор методов оптимизации II
👁 58 раз ⏳ 4209 сек.
Лекция №2 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Игорь Евгеньевич Куралёнок, Никита Игоревич Поваров, Сергей Андреев...

🎥 3 - Машинное обучение. Один эксперимент
👁 53 раз ⏳ 2873 сек.
Лекция №3 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Игорь Евгеньевич Куралёнок, Никита Игоревич Поваров, Сергей Андреев...

🎥 4 - Машинное обучение. Оценка качества
👁 48 раз ⏳ 4987 сек.
В этой лекции будут рассказано как можно и нужно оценивать качество машинного обучения.

Лекция №4 в курсе "Машинное обучение, часть 1", осень 2016...

🎥 5 - Машинное обучение. Оценка качества II
👁 25 раз ⏳ 5114 сек.
Продолжим разговор про оценку качества машинного обучения.

Лекция №5 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Игорь Е...

🎥 6 - Машинное обучение. Instance based learning
👁 25 раз ⏳ 5297 сек.
В этой лекции рассказано о самом работающем методе в машинном обучении. О методе ближайших соседей.

Лекция №6 в курсе "Машинное обучение, часть 1"...

🎥 7 - Машинное обучение. Линейные модели
👁 31 раз ⏳ 5322 сек.
На этой лекции будет рассказана вся правда про линейные модели.

Лекция №7 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Иг...

🎥 8 - Машинное обучение. Линейные модели II
👁 25 раз ⏳ 4568 сек.
На предыдущей лекции про линейные модели было рассказано только про постановку самой задачи, её простое решение и свойствах этого решения по теорем...

🎥 9 - Машинное обучение. Деревья решений
👁 41 раз ⏳ 5092 сек.
В этой лекции рассмотрены базовые деревья решений.

Лекция №9 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Игорь Евгеньеви...

🎥 10 - Машинное обучение. Деревья решений II
👁 48 раз ⏳ 4751 сек.
Продолжаем разговор о деревьях решений.

Лекция №10 в курсе "Машинное обучение, часть 1", осень 2016
Преподаватели курса: Игорь Евгеньевич Куралёно...

​Labeling Legal Documents Using Machine Learning

🔗 Labeling Legal Documents Using Machine Learning
Introduction

​Secret element that helped me learn machine learning!

🔗 Secret element that helped me learn machine learning!
It will help even if you’re not good at mathematics.

​Что такое Интернет вещей и как он поможет предприятиям зарабатывать больше?

Мы находимся на пороге четвертой промышленной революции. В развитых и развивающихся странах, в каждом уголке планеты, наступит полная автоматизация производства.

Мы движемся вперед с невероятной скоростью. Десять лет назад было около 500 миллионов устройств, подключенных к сети. Сегодня их уже около 10-20 миллиардов.

Индустрия 4.0 приведет к ультраавтоматизации производственных процессов, увеличению производительности труда, экономическому росту и конкурентоспособности предприятий.
С развитием информационных технологий мир меняется кардинальным образом. Если раньше для мониторинга и получения информации с окружающих нас объектов требовалось несколько недель, десяток специалистов и финансовые вложения, то теперь достаточно одной платформы и пары «кликов» мышью.

IoT технологии открывают фантастические возможности для бизнеса и меняют саму природу продукта.

🔗 Что такое Интернет вещей и как он поможет предприятиям зарабатывать больше?
Мы находимся на пороге четвертой промышленной революции. В развитых и развивающихся странах, в каждом уголке планеты, наступит полная автоматизация производств...

​Что изучают на специальности Data Science в зарубежных вузах
«Будь то компания, предоставляющая финансовые услуги, которая хочет снизить риски, или ритейлер, пытающийся предсказать поведение покупателей, сценарий применения ИИ и машинного обучения основан на эффективной стратегии использования данных», — слова Рёхея Фуджимаки, основателя компании dotData и самого молодого научного сотрудника в истории 119-летней IT-корпорации NEC.
С ростом спроса, растет и количество программ Data Science в университетах. Какие модули изучают студенты, какие визовые возможности предусмотрены для выпускников вузов — разбираемся ниже.

🔗 Что изучают на специальности Data Science в зарубежных вузах
«Будь то компания, предоставляющая финансовые услуги, которая хочет снизить риски, или ритейлер, пытающийся предсказать поведение покупателей, сценарий применени...

​HoloGAN (A new generative model) learns 3D representation from natural images

Article: https://arxiv.org/pdf/1904.01326.pdf

Code: https://github.com/thunguyenphuoc/HoloGAN/

Dataset: http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

🔗 thunguyenphuoc/HoloGAN
HoloGAN. Contribute to thunguyenphuoc/HoloGAN development by creating an account on GitHub.

​Квантовая ставка Google на ИИ – и что она означает для всего человечества
У Google есть больше вычислительных мощностей, данных и талантливых специалистов для работы над искусственным интеллектом, чем у любой другой компании на Земле – и она не замедляет темп. Поэтому не должны замедлять темп и люди.

Человеческий мозг – забавная штука. Какие-то воспоминания остаются с нами навсегда: рождение ребёнка, автомобильная авария, день выборов. Но мы можем сохранять только некоторые детали – цвет двери акушерского отделения, запах избирательного участка – а другие подробности, типа лица медсестры, или то, как мы были одеты в момент ДТП, исчезают. Сундар Пичаи, генеральный директор Google, навсегда запомнит день, когда ИИ вышел из лаборатории.

«Это было в 2012-м, я находился в одной комнате с небольшой командой, где было всего несколько человек», — рассказывает он. Джефф Дин, легендарный программист из Google, помогавший писать поисковый движок, работал над новым проектом, и хотел, чтобы Пичаи на него взглянул. «Каждый раз, когда Джефф хочет показать вам что-то новое, вы испытываете радостное возбуждение», — говорит он.

🔗 Квантовая ставка Google на ИИ – и что она означает для всего человечества
У Google есть больше вычислительных мощностей, данных и талантливых специалистов для работы над искусственным интеллектом, чем у любой другой компании на Земле –...

​Applied Deep Learning — Umberto Michelucci (en) 2018

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Applied Deep Learning (en).pdf - 💾13 210 772

​Конспект по «Машинному обучению». Математическая статистика. Метод максимального правдоподобия

Вспомним некоторые определения математической статистики
Пусть задано вероятностное пространство .

Определение 1:
Случайной величиной , принимающей значения в множестве c -алгеброй подмножеств называется любая -измеримая функция , то есть выполняется условие .

🔗 Конспект по «Машинному обучению». Математическая статистика. Метод максимального правдоподобия
Вспомним некоторые определения математической статистики Пусть задано вероятностное пространство . Определение 1: Случайной величиной , принимающей значения в...

​Deep learning reveals cancer metastasis and therapeutic antibody targeting in whole body
https://www.biorxiv.org/content/biorxiv/early/2019/02/05/541862.full.pdf

🔗