​Fast Sparse ConvNets.

http://arxiv.org/abs/1911.09723

🔗 Fast Sparse ConvNets
Historically, the pursuit of efficient inference has been one of the driving forces behind research into new deep learning architectures and building blocks. Some recent examples include: the squeeze-and-excitation module, depthwise separable convolutions in Xception, and the inverted bottleneck in MobileNet v2. Notably, in all of these cases, the resulting building blocks enabled not only higher efficiency, but also higher accuracy, and found wide adoption in the field. In this work, we further expand the arsenal of efficient building blocks for neural network architectures; but instead of combining standard primitives (such as convolution), we advocate for the replacement of these dense primitives with their sparse counterparts. While the idea of using sparsity to decrease the parameter count is not new, the conventional wisdom is that this reduction in theoretical FLOPs does not translate into real-world efficiency gains. We aim to correct this misconception by introducing a family of efficient sparse kern

​Detecting Heart Arrhythmias with Deep Learning in Keras with Dense, CNN, and LSTM

🔗 Detecting Heart Arrhythmias with Deep Learning in Keras with Dense, CNN, and LSTM
Let’s detect abnormal heart beats from a single ECG signal!

🎥 Синтез речи на Python + pyttsx3
👁 1 раз ⏳ 522 сек.
Как синтезировать речь с помощью Python, SAPI 5, и pyttsx3

https://github.com/solkogan/tts_test

https://cloud.mail.ru/public/3NBP26GRC42z/AcapelaGroup_Alena_Nvda.ru.rar

https://github.com/Olga-Yakovleva/RHVoice/wiki/Latest-version

​The curse of knowledge

🔗 The curse of knowledge
Why most tutorials are useless

​🔗 Открыть в Telegram



📝 Make your own Neural Network (source code and book).zip - 💾5 782 553

🎥 Байесовские методы в машинном обучении. Лекция 10
👁 1 раз ⏳ 4917 сек.
Лектор: профессор Ветров Дмитрий Петрович

​Множественные эксперименты: теория и практика
В современном мире сложно представить развитие продукта без A/B-тестирования. Чтобы успешно запустить продукт или новую функциональность — надо грамотно спроектировать A/B, рассчитать и интерпретировать его результаты. Иногда нам требуется тестирование более чем для двух групп. В этой статье мы рассмотрим как раз такой случай — множественное тестирование:

— поговорим о том, когда и зачем следует проводить множественные тесты;
— рассмотрим основные методы расчёта результатов тестов и математические принципы, на которых основаны методы;
— приведём примеры программной реализации методов; эти примеры вы сможете использовать в своих проектах.

Итак, приступим.

🔗 Множественные эксперименты: теория и практика
В современном мире сложно представить развитие продукта без A/B-тестирования. Чтобы успешно запустить продукт или новую функциональность — надо грамотно спроекти...

Машинное обучение

Больше видео в альбоме: https://vk.cc/a40mNQ

#video #ai

🎥 Лекция 1 | Машинное обучение | Сергей Николенко | Лекториум
👁 28 раз ⏳ 5396 сек.
Лекция 1 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 2 | Машинное обучение | Сергей Николенко | Лекториум
👁 2 раз ⏳ 4251 сек.
Лекция 2 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 3 | Машинное обучение | Сергей Николенко | Лекториум
👁 3 раз ⏳ 3352 сек.
Лекция 3 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 4 | Машинное обучение | Сергей Николенко | Лекториум
👁 3 раз ⏳ 6109 сек.
Лекция 4 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 5 | Машинное обучение | Сергей Николенко | Лекториум
👁 2 раз ⏳ 5170 сек.
Лекция 5 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 6 | Машинное обучение | Сергей Николенко | Лекториум
👁 2 раз ⏳ 5297 сек.
Лекция 6 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 7 | Машинное обучение | Сергей Николенко | Лекториум
👁 5 раз ⏳ 2860 сек.
Лекция 7 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 8 | Машинное обучение | Сергей Николенко | Лекториум
👁 3 раз ⏳ 2317 сек.
Лекция 8 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 9 | Машинное обучение | Сергей Николенко | Лекториум
👁 2 раз ⏳ 3029 сек.
Лекция 9 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 10 | Машинное обучение | Сергей Николенко | Лекториум
👁 2 раз ⏳ 6184 сек.
Лекция 10 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это вид...

​A Unique Method for Machine Learning Interpretability: Game Theory & Shapley Values!

🔗 A Unique Method for Machine Learning Interpretability: Game Theory & Shapley Values!
Overview

​Kaggle Recursion Cellular Image Classification — Артем Кравчук

🔗 Kaggle Recursion Cellular Image Classification — Артем Кравчук
Артем Кравчук рассказывает про соревнование Recursion Cellular Image Classification. Это первое соревнование на Kaggle, в котором он решил серьезно поучаствовать и вместе с командой заработал свою первую серебряную медаль. 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/mltrainings.moscow Telegram https://t.me/mltrainings Чат ML тренировок https://t.me/mltrainings_

​As it turns out, Wang Ling was way ahead of the curve re NLP's muppet craze (see slides from LxMLS '16 & Oxford #NLP course '17 below).

https://github.com/oxford-cs-deepnlp-2017/lectures

🔗 oxford-cs-deepnlp-2017/lectures
Oxford Deep NLP 2017 course. Contribute to oxford-cs-deepnlp-2017/lectures development by creating an account on GitHub.

​Is Machine Learning Really AI?

🔗 Is Machine Learning Really AI?
There isn’t a well-accepted delineation between what is definitely AI and what is definitely not AI. This is because there isn’t a well-accepted and standard definition of what is artificial intelligence. Indeed, there isn’t a standard definition of intelligence, period.

🎥 Random Forest in Python - Machine Learning From Scratch 10 - Python Tutorial
👁 2 раз ⏳ 799 сек.
In this Machine Learning from Scratch Tutorial, we are going to implement a Random Forest algorithm using only built-in Python modules and numpy. We will also learn about the concept and the math behind this popular ML algorithm.

If you enjoyed this video, please subscribe to the channel!

The code can be found here:
https://github.com/python-engineer/MLfromscratch

You can find me here:
Website: https://www.python-engineer.com
Twitter: https://twitter.com/python_engineer
GitHub: https://github.com/python-

​5 Trends in Corporate AI Development for 2020

🔗 5 Trends in Corporate AI Development for 2020
The meteoric rise of artificial intelligence and machine learning in recent years can be attributed largely to the technologies’ vast…

​Deep Learning using Transfer Learning -Python Code for ResNet50

🔗 Deep Learning using Transfer Learning -Python Code for ResNet50
This is the second part of the series where we will write code to apply Transfer Learning using ResNet50 . Here we will use transfer…

​Fastai with 🤗Transformers (BERT, RoBERTa, XLNet, XLM, DistilBERT)

🔗 Fastai with 🤗Transformers (BERT, RoBERTa, XLNet, XLM, DistilBERT)
A tutorial to implement state-of-the-art NLP models with Fastai for Sentiment Analysis

​Detecting Heart Arrhythmias with Deep Learning in Keras with Dense, CNN, and LSTM

🔗 Detecting Heart Arrhythmias with Deep Learning in Keras with Dense, CNN, and LSTM
Let’s detect abnormal heart beats from a single ECG signal!

​Introducing LIGHT: A multiplayer text adventure game for dialogue research

https://ai.facebook.com/blog/introducing-light-a-multiplayer-text-adventure-game-for-dialogue-research/

Learning in Interactive Games with Humans and Text

https://parl.ai/projects/light/

ParlAI Quick-start

http://parl.ai.s3-website.us-east-2.amazonaws.com/docs/tutorial_quick.html

🔗 Introducing LIGHT: A multiplayer text adventure game for dialogue research
Learn more about LIGHT, a new large-scale fantasy text adventure game that enable researchers to study language and actions jointly in a game world.

​5 этапов от идеи до практического применения машинного обучения c SAP Data Intelligence

История машинного обучения началась с середины прошлого века. В то время данная технология была больше областью для научных исследований и экспериментов, а толчок к практическому применению ML дали мощные компьютеры.

🔗 5 этапов от идеи до практического применения машинного обучения c SAP Data Intelligence
История машинного обучения началась с середины прошлого века. В то время данная технология была больше областью для научных исследований и экспериментов, а тол...