🎥 Надписи на автомобилях Позитив Создай себе хорошее настроение
👁 13 раз ⏳ 197 сек.
В ролике использованы Яндекс и Гугл картинки, которые находятся в свободном доступе Мы уважаем авторские права других людей. Используем видео присланные подписчиками
Если Вы видите клип в нашей подборке,
значит мы получили ложные разрешения на использование этого клипа Пожайлуста отправьте нам короткое сообщение по адресу

1simplymen@gmail.com для разрешения данного вопроса Подборка прикольных надписей на машинах.Наслаждайтесь просмотром видео! Пожайлуста подписывайтесь на наш канал. Мы в интернете

h

​Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 47 и 48

🔗 Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 47 и 48
предыдущие главы Сквозное глубокое обучение 47. Знакомство со сквозным обучением Представим, что вы хотите создать систему, анализирующую отзывы о продуктах в Ин...

​Mobile ML: машинное обучение в кармане. Часть 1 — Железо

🔗 https://habr.com/ru/company/dataart/blog/500956/

🎥 GoogleColab и первая нейронная сеть
👁 1 раз ⏳ 3417 сек.
Напишем и обучим простую нейросеть для классификации изображений. Разберёмся как сохранять сеть на разных этапах обучения и прерывать обучение раньше назначенного срока. Бегло пробежимся по тому, что есть в keras.

Тут можно скачать датасет с кошками и собаками, а ещё посоревноваться с другими людьми: https://sim.newgen.education/mcv/17

Прямые ссылки на кошек и собак на моём гугл диске:
https://drive.google.com/open?id=1iUda6Qtj4VS4QWfy2Owgl-CreIpd49Hr
https://drive.google.com/open?id=1iTle3ngcMvXJLRsvLD4w

🎥 Лекция 8. Нейронные сети на базе Pytorch
👁 1 раз ⏳ 4955 сек.
Лекция по дисциплине "Методы и алгоритмы анализа данных", 07 апреля 2020

​Seaborn Line Plots: A Detailed Guide with Examples (Multiple Lines)

https://www.marsja.se/seaborn-line-plots-multiple/?utm_source=rss&utm_medium=rss&utm_campaign=seaborn-line-plots-multiple

🔗 Seaborn Line Plots: A Detailed Guide with Examples (Multiple Lines)
A detailed guide to Seaborn line plots, including plotting multiple lines, & a downloadable Jupyter Notebook with all code examples.

​Seaborn Line Plots: A Detailed Guide with Examples (Multiple Lines)

https://www.marsja.se/seaborn-line-plots-multiple/?utm_source=rss&utm_medium=rss&utm_campaign=seaborn-line-plots-multiple

🔗 Seaborn Line Plots: A Detailed Guide with Examples (Multiple Lines)
A detailed guide to Seaborn line plots, including plotting multiple lines, & a downloadable Jupyter Notebook with all code examples.

​Finding A Writer’s Style Using Neural Networks

🔗 Finding A Writer’s Style Using Neural Networks
Training Network Models on Song Lyrics Using the Genius API

​Finding A Writer’s Style Using Neural Networks

🔗 Finding A Writer’s Style Using Neural Networks
Training Network Models on Song Lyrics Using the Genius API

Интенсивный курс "Нейронные сети"

Лекция №1:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.
Лекция №2: "Генеративные сети".
Лекция №3: "Детекция и сегментация"
Лекция №4: "Face Recognition".
Лекция №5: "DSSM-like модели. Нейронные сети для работы с текстами".
Лекция №6: "RNN. Нейронные сети для работы с текстами".

#video #neural

🎥 Лекция №1. Интенсивный курс "Нейронные сети"
👁 19992 раз ⏳ 7854 сек.
Лекция №1 интенсивного курса "Нейронные сети:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.

Лектор - Кузьма Храбров, Ведущий специалист группы ранжирования в Поиске Mail.Ru Group.

Материалы лекции - http://bit.ly/2utuLU6.

🎥 Лекция №2. Интенсивный курс "Нейронные сети"
👁 12898 раз ⏳ 5859 сек.
Лекция №2 интенсивного курса "Нейронные сети".

Тема лекции - "Генеративные сети".
Лектор - Кузьма Храбров, Ведущий специалист группы ранжирования в Поиске Mail.Ru Group.

Материалы лекции - http://bit.ly/2utuLU6.

🎥 Лекция №3. Интенсивный курс "Нейронные сети"
👁 4298 раз ⏳ 4993 сек.
Лекция №3 интенсивного курса "Нейронные сети".

Тема лекции - "Детекция и сегментация".
Лектор - Борис Лесцов, младший программист-исследователь в команде компьютерного зрения Mail.Ru Group.

Презентация - http://bit.ly/2LaE6KJ

🎥 Лекция №4. Интенсивный курс "Нейронные сети"
👁 13596 раз ⏳ 3381 сек.
Лекция №4 интенсивного курса "Нейронные сети".

Тема лекции - "Face Recognition".

Лекторы:
— Алексей Спасенов, программист-исследователь, группа предиктивной аналитики департамента рекламных технологий Mail.Ru Group.
— Борис Лесцов, младший программист-исследователь, команда компьютерного зрения Mail.Ru Group.

Презентация "Deep Metric Learning" - http://bit.ly/2JN6ihq
Презентация "Metric Learning for discriminative features" - http://bit.ly/2A40IaX

🎥 Лекция №5. Интенсивный курс "Нейронные сети"
👁 27153 раз ⏳ 10701 сек.
Лекция №5 интенсивного курса "Нейронные сети".

Тема сегодняшнего занятия — "DSSM-like модели. Нейронные сети для работы с текстами".

Лектор — Владимир Гулин, Руководитель отдела качества поиска Mail.Ru Group.

Презентация - http://bit.ly/2JXoXah

🎥 Лекция №6. Интенсивный курс "Нейронные сети"
👁 11800 раз ⏳ 5212 сек.
Лекция №6 интенсивного курса "Нейронные сети".

Тема сегодняшнего занятия — "RNN. Нейронные сети для работы с текстами".

Лектор — Денис Клюкин, программист в группе рекомендательных систем Mail.Ru Group.

Презентация — http://bit.ly/2OnIRi3

Интенсивный курс "Нейронные сети"

Лекция №1:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.
Лекция №2: "Генеративные сети".
Лекция №3: "Детекция и сегментация"
Лекция №4: "Face Recognition".
Лекция №5: "DSSM-like модели. Нейронные сети для работы с текстами".
Лекция №6: "RNN. Нейронные сети для работы с текстами".

#video #neural

🎥 Лекция №1. Интенсивный курс "Нейронные сети"
👁 19992 раз ⏳ 7854 сек.
Лекция №1 интенсивного курса "Нейронные сети:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.

Лектор - Кузьма Храбров, Ведущий специалист группы ранжирования в Поиске Mail.Ru Group.

Материалы лекции - http://bit.ly/2utuLU6.

🎥 Лекция №2. Интенсивный курс "Нейронные сети"
👁 12898 раз ⏳ 5859 сек.
Лекция №2 интенсивного курса "Нейронные сети".

Тема лекции - "Генеративные сети".
Лектор - Кузьма Храбров, Ведущий специалист группы ранжирования в Поиске Mail.Ru Group.

Материалы лекции - http://bit.ly/2utuLU6.

🎥 Лекция №3. Интенсивный курс "Нейронные сети"
👁 4298 раз ⏳ 4993 сек.
Лекция №3 интенсивного курса "Нейронные сети".

Тема лекции - "Детекция и сегментация".
Лектор - Борис Лесцов, младший программист-исследователь в команде компьютерного зрения Mail.Ru Group.

Презентация - http://bit.ly/2LaE6KJ

🎥 Лекция №4. Интенсивный курс "Нейронные сети"
👁 13596 раз ⏳ 3381 сек.
Лекция №4 интенсивного курса "Нейронные сети".

Тема лекции - "Face Recognition".

Лекторы:
— Алексей Спасенов, программист-исследователь, группа предиктивной аналитики департамента рекламных технологий Mail.Ru Group.
— Борис Лесцов, младший программист-исследователь, команда компьютерного зрения Mail.Ru Group.

Презентация "Deep Metric Learning" - http://bit.ly/2JN6ihq
Презентация "Metric Learning for discriminative features" - http://bit.ly/2A40IaX

🎥 Лекция №5. Интенсивный курс "Нейронные сети"
👁 27153 раз ⏳ 10701 сек.
Лекция №5 интенсивного курса "Нейронные сети".

Тема сегодняшнего занятия — "DSSM-like модели. Нейронные сети для работы с текстами".

Лектор — Владимир Гулин, Руководитель отдела качества поиска Mail.Ru Group.

Презентация - http://bit.ly/2JXoXah

🎥 Лекция №6. Интенсивный курс "Нейронные сети"
👁 11800 раз ⏳ 5212 сек.
Лекция №6 интенсивного курса "Нейронные сети".

Тема сегодняшнего занятия — "RNN. Нейронные сети для работы с текстами".

Лектор — Денис Клюкин, программист в группе рекомендательных систем Mail.Ru Group.

Презентация — http://bit.ly/2OnIRi3

​Удалённая банковская идентификация: от сложного к простому, или Банки, зачем вам биометрия?

🔗 Удалённая банковская идентификация: от сложного к простому, или Банки, зачем вам биометрия?
(Изображение взято отсюда) Не всегда усложнение технологии ведет к улучшению результата. В сегодняшней статье мы постараемся показать, что сложное техническое...

​Удалённая банковская идентификация: от сложного к простому, или Банки, зачем вам биометрия?

🔗 Удалённая банковская идентификация: от сложного к простому, или Банки, зачем вам биометрия?
(Изображение взято отсюда) Не всегда усложнение технологии ведет к улучшению результата. В сегодняшней статье мы постараемся показать, что сложное техническое...

​Deepfakes и deep media: Новое поле битвы за безопасность

🔗 Deepfakes и deep media: Новое поле битвы за безопасность
Эта статья является частью специального выпуска VB. Читайте полную серию здесь: AI and Security. Количество дипфейков – медиа, которые берут существующее фото...

​Deepfakes и deep media: Новое поле битвы за безопасность

🔗 Deepfakes и deep media: Новое поле битвы за безопасность
Эта статья является частью специального выпуска VB. Читайте полную серию здесь: AI and Security. Количество дипфейков – медиа, которые берут существующее фото...

🎥 [RUS] Александр Толмачев: Автоматический прогноз оборота бустинговыми моделями и DL / #Piterpy
👁 1 раз ⏳ 3372 сек.
Автоматический прогноз оборота бустинговыми моделями и DL


- математика прогнозирования сложных зависемостей временных рядов
- эффективные архитектуры для прогнозирования временных рядов
- ансамблирование подходов в прогнозе временных рядов


++++++++++++++++


Александр Толмачев / Пермь, Россия / Head of Data Science / Xsolla


Александр Толмачев. Head of Data Science компании Xsolla. Преподаватель курсов по Машинному обучению в ВШЭ, координатор Пермского краевого IT-Университета по дополнительному профе

​Understanding Tweets with Deep-Learning

🔗 Understanding Tweets with Deep-Learning
Throughout history, people have relied on linguistic mechanics such as irony, sarcasm, or metaphor to convey meaning. Humans are granted…

​Understanding Tweets with Deep-Learning

🔗 Understanding Tweets with Deep-Learning
Throughout history, people have relied on linguistic mechanics such as irony, sarcasm, or metaphor to convey meaning. Humans are granted…

​End-to-End Multi-label Classification

🔗 End-to-End Multi-label Classification
Multi-Label classification

​End-to-End Multi-label Classification

🔗 End-to-End Multi-label Classification
Multi-Label classification