​Мертв ли Hadoop? Часть 2
Перевод статьи подготовлен специально для студентов курса «Data Engineer».

Читать первую часть

Никому не нужна Big Data
Когда вы услышите «Никому не нужна Big Data», посмотрите на резюме докладчика. Африканский телекоммуникационный оператор, переживающий удивительные уровни роста, не собирается обращаться к новоиспеченному JavaScript веб-разработчику и спрашивать его, может ли они помочь в разработке своей платформы данных и оптимизации расчетов биллинга. Вы можете найти множество внутренних веб-приложений в штаб-квартире авиакомпании, но когда дело доходит до анализа петабайт телеметрии самолетов для профилактического обслуживания, в этом проекте может не оказаться ни одного PHP разработчика.

🔗 Мертв ли Hadoop? Часть 2
Перевод статьи подготовлен специально для студентов курса «Data Engineer». Читать первую часть Никому не нужна Big Data Когда вы услышите «Никому не нужна Big...

​Архитектура встречается с ИИ в Microsoft

Дженни Сабин как на жердочке сидит под самым потолком на ножничном подъемнике; ее голова торчит из отверстия пористой конструкции, и она изо всех сил пытается натянуть материал на экзоскелет инсталляции, которая сооружается в просторном атриуме здания 99 кампуса Microsoft в Редмонде.

«Это будет восхитительно», – говорит она.

Для Сабин и ее коллег из Microsoft светящийся, прозрачный и воздушный шатер, который они возводят в здании 99 – это одновременно инструмент для исследований и способ заглянуть в будущее, в котором искусственный интеллект вплетается в архитектуру.

«Насколько мне известно, эта инсталляция – первая архитектурная конструкция, которой в реальном времени управляет искусственный интеллект», – говорит Сабин, основатель и главный дизайнер в Jenny Sabin Studio в Итаке, Нью-Йорк. Специалисты этого бюро разработали и сконструировали этот шатер в рамках программы Microsoft Artist in Residence.

🔗 Архитектура встречается с ИИ в Microsoft
Дженни Сабин как на жердочке сидит под самым потолком на ножничном подъемнике; ее голова торчит из отверстия пористой конструкции, и она изо всех сил пытается...

​Новая книга
🔥DEEP LEARNING WITH PYTORCH 2019

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

-Введение в глубокое обучение и библиотеку PyTorch
-Предварительно обученные сети
-Tensors
-Механику обучения
-Используете нейронный сети для подгонки данных

📝 Deep-Learning-with-PyTorch.pdf - 💾17 636 694

​Graph Neural Ordinary Differential Equations

🔗 Graph Neural Ordinary Differential Equations
Extending Graph Neural Networks into a continuous depth domain

​Оптимизация стратегии игры в Блэкджек методом Монте-Карло
Перевод статьи подготовлен специально для студентов курса «Machine learning».

Обучение с подкреплением штурмом взяло мир Искусственного Интеллекта. Начиная от AlphaGo и AlphaStar, все большее число видов деятельности, в которых раньше доминировал человек, теперь завоевано агентами ИИ, работающими на основе обучения с подкреплением. Короче говоря, эти достижения зависят от оптимизации действий агента в определенной среде для достижения максимального вознаграждения. В последних нескольких статьях от GradientCrescent мы рассмотрели различные фундаментальные аспекты обучения с подкреплением, от основ систем с бандитами и подходов, основанных на политике, до оптимизации поведения на основе вознаграждения в Марковских средах. Все эти подходы требовали полных знаний о нашей среде. Динамическое программирование, например, требует, чтобы мы обладали полным распределением вероятностей всех возможных переходов состояний. Однако в действительности мы обнаруживаем, что большинство систем невозможно интерпретировать полностью, и что распределения вероятностей не могут быть получены в явном виде из-за сложности, врожденной неопределенности или ограничений вычислительных возможностей. В качестве аналогии рассмотрим задачу метеоролога – число факторов, участвующих в прогнозировании погоды, может быть настолько велико, что точно вычислить вероятность оказывается невозможным.

🔗 Оптимизация стратегии игры в Блэкджек методом Монте-Карло
Перевод статьи подготовлен специально для студентов курса «Machine learning». Обучение с подкреплением штурмом взяло мир Искусственного Интеллекта. Начиная от...

🎥 ml5.js: Train Your Own Neural Network
👁 1 раз ⏳ 2089 сек.
This video covers how to train a neural network machine learning model with real-time interactive data in ml5.js. The example demonstrated uses the mouse as input and performs classification (the assigned label is a musical note).

💻https://thecodingtrain.com/Courses/ml5-beginners-guide/6.1-ml5-train-your-own.html

🔗 ml5 NeuralNetwork: https://learn.ml5js.org/docs/#/reference/neural-network
🔗 Titanic Dataset: https://github.com/ml5js/ml5-examples/blob/release/p5js/NeuralNetwork/NeuralNetwork_titanic/data/ti

🎥 Tutorial 4 - Convolutional Neural Networks | Deep Learning on Computational Accelerators
👁 1 раз ⏳ 3658 сек.
Given by Aviv Rosenberg @ CS department of Technion - Israel Institute of Technology.

​Preparing TIFF images for image translation with Pix2Pix

🔗 Preparing TIFF images for image translation with Pix2Pix
Your guide to getting started with pix2pix using tiff images

🎥 Deep Learning with TensorFlow 2.0
👁 1 раз ⏳ 1935 сек.
Learn about the updates being made to TensorFlow in its 2.0 version. We’ll give an overview of what’s available in the new version as well as do a deep dive into an example using its central high-level API, Keras. You’ll walk away with a better understanding of how you can get started building machine learning models in Python with TensorFlow 2.0 as well as the other exciting available features!

EVENT:

EuroPython 2019

SPEAKER:

Brad Miro

PUBLICATION PERMISSIONS:

Original video was published with the Cr

​A 7 Minute Introduction to LSTM

🔗 A 7 Minute Introduction to LSTM
Powerful deep learning algorithm widely used in sequence modelling

​OpenAI’s Robot Hand Won't Stop Rotating The Rubik Cube 👋

🔗 OpenAI’s Robot Hand Won't Stop Rotating The Rubik Cube 👋
❤️ Check out Weights & Biases here and sign up for a free demo: https://www.wandb.com/papers The mentioned blog post on the gradients and its notebook are available here: Post: https://www.wandb.com/articles/exploring-gradients Notebook: https://colab.research.google.com/drive/1bsoWY8g0DkxAzVEXRigrdqRZlq44QwmQ 📝 The paper "Solving Rubik’s Cubewith a Robot Hand" is available here: https://openai.com/blog/solving-rubiks-cube/ 🙏 We would like to thank our generous Patreon supporters who make Two Minute Pape

🎥 Coexisting with AI: A Dean's Society event
👁 1 раз ⏳ 4237 сек.
How will we coexist with increasingly intelligent machines?
New approaches to human-compatible artificial intelligence

Game-changing advances in machine learning promise countless benefits, but they can also open the door to unintended consequences. How will humans adapt to a world where machine learning outpaces our own? How do we ensure that machines help us solve problems, not introduce new ones? Hear how Berkeley engineers in our Center for Human-Compatible AI are shaping the field with new approaches

​Kaggle Livecoding: Error Analysis | Kaggle

🔗 Kaggle Livecoding: Error Analysis | Kaggle
This week we'll be working on some error analysis for our trained AutoML models. 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 our huge repository of free code and data. Stumped? Ask the friendly Kaggle community for help. Follow Kaggle online: Visit the WEBSITE: http:

​📖 Книга Machine Learning with PySpark 2019
With Natural Language Processing and Recommender Systems

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 machine-learning-pyspark-processing.pdf - 💾7 389 496

📝 machine-learning-pyspark-processing.epub - 💾8 781 757

Лекции по Big Data

1 - BigData. Введение в машинное обучение
2 - BigData. Python
3 - BigData. Что такое BigData
4 - BigData. OLAP. What and why
5 - BigData. IoT и BigData
6 - BigData. Сhallenges of classification
7 - BigData. Formal Context Analysis
8 - BigData. Регрессия
9 - BigData. Хранение и анализ больших данных
10 - BigData. Deep learning

#video #python

🎥 1 - BigData. Введение в машинное обучение
👁 965 раз ⏳ 1960 сек.
Лекция 1 - Введение в машинное обучение.
В лекции рассказывается о том, что подразумевается под понятием «машинное обучение» и какие задачи решаютс...

🎥 2 - BigData. Python
👁 444 раз ⏳ 8499 сек.
Лекция 2 - Python, как язык анализа данных.
В лекции сделан небольшой обзор языков и программ для анализа данных. Рассказан базовый синтаксис языка...

🎥 3 - BigData. Что такое BigData
👁 183 раз ⏳ 3792 сек.
Лекция 3 - Что такое BigData?
В лекции рассказывается о том, что же это такое. Цели, проблемы и практическая польза результатов
анализа BD на приме...

🎥 4 - BigData. OLAP. What and why
👁 165 раз ⏳ 5766 сек.
Лекция 4 - OLAP. What and why. Lightning talk.
В лекции описание OLAP. Что это? Для чего? Каковы отличия от OLTP? Небольшой экскурс в анализ данных...

🎥 5 - BigData. IoT и BigData
👁 83 раз ⏳ 4183 сек.
Лекция 5 - IoT and BigData
В лекции рассказывается о IoT and BigData. Области их пересечения, применения, основные проблемы и методы решения. Lambd...

🎥 6 - BigData. Сhallenges of classification
👁 65 раз ⏳ 3923 сек.
Лекция 6 - Сhallenges of classification
The Internet is growing at a tremendous rate. The amount of information presented is beyond human comprehen...

🎥 7 - BigData. Formal Context Analysis
👁 65 раз ⏳ 6046 сек.
Лекция 7 - Formal Concept Analysis
В этой лекции рассказывается о том, откуда возник анализ формальных понятий, для чего он используется и какие за...

🎥 8 - BigData. Регрессия
👁 69 раз ⏳ 4118 сек.
Лекция 8 - Регрессия
В лекции рассказана задача регрессии на примере классической задачи предсказания цены дома в Силиконовой Долине. Также рассмот...

🎥 9 - BigData. Хранение и анализ больших данных
👁 103 раз ⏳ 8210 сек.
Лекция 9 - Хранение и анализ больших данных
Лекция дает ответы на такие вопросы как: что такое большие данные, откуда они берутся, как их хранить, ...

🎥 10 - BigData. Deep learning
👁 101 раз ⏳ 5703 сек.
Опубликовано: 19 февр. 2016 г.
Лекция 10 - Deep learning - нейронные сети и их применение.
Лекция рассказывает о истории возникновения и развития н...

​notadamking/tensortrade

🔗 notadamking/tensortrade
An open source reinforcement learning framework for training, evaluating, and deploying robust trading agents. - notadamking/tensortrade

​Unsupervised Model Selection for Variational Disentangled Representation Learning

https://github.com/google-research/disentanglement_lib#udr-experiments/

https://arxiv.org/abs/1905.12614

#ArtificialIntelligence #DeepLearning #MachineLearning

🔗 google-research/disentanglement_lib
disentanglement_lib is an open-source library for research on learning disentangled representations. - google-research/disentanglement_lib