https://habr.com/ru/post/439350/

Искусственный интеллект как машина изобретений

#machinelearning #neuralnets #deeplearning #машинноеобучение

Наш телеграмм канал - https://t.me/ai_machinelearning_big_data

​How to Avoid Exploding Gradients in Neural Networks With Gradient Clipping

🔗 How to Avoid Exploding Gradients in Neural Networks With Gradient Clipping
Training a neural network can become unstable given the choice of error function, learning rate, or even the scale of the target variable. Large updates to weights during training can cause a numerical overflow or underflow often referred to as “exploding gradients.” The problem of exploding gradients is more common with recurrent neural networks, such …

Reinforcement Learning 8: Advanced Topics in Deep RL

🎥 Reinforcement Learning 8: Advanced Topics in Deep RL
👁 1 раз ⏳ 5314 сек.

🎥 MIT AI: Cruise Automation (Kyle Vogt)
👁 1 раз ⏳ 3324 сек.
Kyle Vogt is the President and CTO of Cruise Automation, leading an effort in trying to solve one of the biggest robotics challenges of our time: vehicle autonomy. He is the co-founder of 2 successful companies (Cruise and Twitch) that were each acquired for 1 billion dollars. This conversation is part of the Artificial Intelligence podcast and the MIT course 6.S094: Deep Learning for Self-Driving Cars. The conversation and lectures are free and open to everyone. Audio podcast version is available on https:

🎥 Introducing the modern data warehouse solution pattern with Azure SQL Data Warehouse
👁 1 раз ⏳ 1011 сек.
A deep look at the robust foundation for all enterprise analytics, spanning SQL queries to machine learning and AI. Charles Feddersen, Principal Program Mgr. for Azure SQL Data Warehouse, starts you off by looking at the core updates to Azure's SQL Data Warehouse, ranging from improvements to query performance to new capabilities with row-level security and workload importance. And finally, you'll learn how the Modern Data Warehouse Solution pattern, comprised of Data Factory, Data Lake Store, Databricks an

🎥 Reinforcement Learning 8: Advanced Topics in Deep RL
👁 1 раз ⏳ 5314 сек.

🎥 MIT 6.S191: Introduction to Deep Learning
👁 1 раз ⏳ 2728 сек.
MIT Introduction to Deep Learning 6.S191: Lecture 1
*New 2019 Edition*
Foundations of Deep Learning
Lecturer: Alexander Amini
January 2019


For all lectures, slides and lab materials: http://introtodeeplearning.com

https://vk.com/video-101965347_456262151?list=6af69056982daf477a
https://vk.com/video-101965347_456262152?list=7875cc5078d518ac38
https://vk.com/video-101965347_456262153?list=e8c65803973c847c94
https://vk.com/video-101965347_456262154?list=5823de3291c5268e09
https://vk.com/video-101965347_456262155?list=54bd82cf2e60e0ddb6
https://vk.com/video-101965347_456262156?list=8f163637899fb23d9b
https://vk.com/video-101965347_456262157?list=f369d7c67406bc1d6b
https://vk.com/video-101965347_456262158?list=c61976a5c8513f76f3

🎥 Лекция 1. Введение в нейронные сети.
👁 1829 раз ⏳ 2906 сек.


🎥 Лекция 2. Машинное обучение в эпоху больших данных.
👁 616 раз ⏳ 5775 сек.
Ссылка на слайды: https://drive.google.com/open?id=1NViPklG4RrOpb8XMMWETgHp6Qs4T0SuD

🎥 Лекция 3. Перцептрон и однослойные сети.
👁 370 раз ⏳ 2336 сек.
слайды лекции: https://vk.com/doc83865491_454180587?hash=37e49000cda3837459&dl=088a76281b090b67e5

🎥 Лекция 4. Backpropagation. Многослойные нейронные сети.
👁 361 раз ⏳ 5813 сек.


🎥 Лекция 5. Введение в свёрточные сети.
👁 296 раз ⏳ 5773 сек.


🎥 Лекция 6. Современные CNN архитектуры.
👁 207 раз ⏳ 4805 сек.
На этой лекции рассказывается об архитектурах свёрточных нейронных сетей, которые в своё время показали лучшие результаты на датасете ImageNet. Раз...

🎥 Лекция 7. Задачи детектирования и сегментации.
👁 244 раз ⏳ 2824 сек.
Слайды презентации: https://goo.gl/xHVsf3

🎥 Лекция 8. Введение в RNN
👁 207 раз ⏳ 1616 сек.
Лекция посвящена введению в рекуррентные нейронные сети.

​On Digital Irony, Sincerity and the Rhythm which Binds the Two*

🔗 On Digital Irony, Sincerity and the Rhythm which Binds the Two*
Amidst the rise of the far right and subsequent post-truth narratives in 2016, there have been multiple accounts which amplified what we…

​🔗 Academy on Air: Yпростить управление кампанией и повысить эффективность с помощью машинного обучения
учить больше: https://events.withgoogle.com/onlain-akadiemiia-rieklamy-2019/#content

Машинное обучение меняет подход компаний к бизнесу. Сегодня агентства могут уделять больше внимания долгосрочным планам развития, ведь теперь рутинные действия и оптимизация выполняются автоматически. В этой прямой трансляции мы покажем, как технологии машинного обучения помогают управлять кампаниями и достигать целей.

Swift for TensorFlow for Deep Learning in Google Colab: Train a CNN for MNIST Digit Classification

https://www.youtube.com/watch?v=_D-l7OGq83U

🎥 Swift for TensorFlow for Deep Learning in Google Colab: Train a CNN for MNIST Digit Classification
👁 1 раз ⏳ 2249 сек.
I hope you enjoyed this tutorial!

If you did, please make sure to leave a like, comment, and subscribe! It really does help out a lot!

Links:
Swift for TensorFlow on Github: https://github.com/tensorflow/swift
"tensorflow" branch on apple/swift on Github: https://github.com/apple/swift/tree/tensorflow
Swift for Tensorflow CIFAR example: https://github.com/tensorflow/swift-models/tree/stable/CIFAR
Setup Google Colab w/ Swift for TensorFlow: https://github.com/tensorflow/swift/blob/master/Usage.md
Predictin

​Как программист датасаентистам кернелы писал

Мало кто верит, что современный data science-стек может быть построен не на Python, но такие прецеденты есть :). Стек Одноклассников формировался долгие годы, в первую очередь программистами, перешедшими в data science, но всё ещё остались близкими к проду, поэтому в его основе лежат открытые технологии JVM-стека: Hadoop, Spark, Kafka, Cassandra и т.д. Это помогает нам сокращать время и затраты на ввод моделей в эксплуатацию, но иногда создаёт и сложности. Например, при подготовке базовых решений для участников SNA Hackathon 2019 пришлось сжать волю в кулак и погрузиться в мир динамической типизации. Подробности (и лёгкий троллинг) под катом :)

🔗 Как программист датасаентистам кернелы писал

​🔗 As We May Program by Peter Norvig, a Director of Research at Google
Peter Norvig, Director of Research at Google, talks about how programming will change as machine learning becomes more prevalent.

Talk Abstract: How will programming change as machine learning becomes more prevalent? For the AlphaGo program, expert programmers implemented the core search algorithm and the pattern generalization algorithm, expert Go players provided their knowledge on what makes a good Go position, and the system learned by observing games played by master players. But the successor progra

🎥 Машинное обучение, как инструмент развития бизнеса
👁 1 раз ⏳ 1210 сек.
Специалисты Гугл рассказывают о современных инструментах развития бизнеса с помощью искусственного интеллекта и машинного обучения.

​Джефф Хокинс наконец готов объяснить свои исследования мозга

Джефф Хокинс — ветеран Силиконовой долины, посвятивший последнее десятилетие изучению загадок человеческого мозга, организовал встречу с компанией DeepMind — одной из ведущих ИИ-лабораторий в мире.

Ученые из DeepMind, принадлежащей материнской компании Google — холдингу Alphabet, хотят создавать машины, способные делать все, что может делать мозг. Хокинс основал небольшую компанию с одной целью — выяснить, как работает мозг, а затем воссоздать его, исходя из полученных знаний.

🔗 Джефф Хокинс наконец готов объяснить свои исследования мозга
Джефф Хокинс — ветеран Силиконовой долины, посвятивший последнее десятилетие изучению загадок человеческого мозга, организовал встречу с компанией DeepMind — о...

​OpenCV Python Tutorial For Beginners 3 - How to Read, Write, Show Images in OpenCV

🔗 OpenCV Python Tutorial For Beginners 3 - How to Read, Write, Show Images in OpenCV
In this video on OpenCV Python Tutorial For Beginners, I am going to show How to Read, Write, Show Images in OpenCV. we will se how to use cv2.imread('lena.j...

​Increase Customer Loyalty with Graph + Machine Learning

🔗 Increase Customer Loyalty with Graph + Machine Learning
Learn how Graph Technology + Machine Learning will increase customer loyalty, identify and resolve customer issues and provide strategic up-selling capabilit...

​https://m.youtube.com/watch?v=f4r7ovHh98E

🔗 Machine Learning on Cloud | Great Learning

​Как работает PageRank: реализация на языке R через линейную алгебру и power-метод

В данном небольшом тексте я познакомлю вас с методом расчета PageRank © (далее буду называть его ПР) на простых, понятных примерах, на языке R. Алгоритм является интеллектуальным достоянием Google, но, ввиду его полезности для задач анализа данных, применяется много в каких задачах, которые можно свести к поиску больших узлов на графе и ранжированию их по значимости.

🔗 Как работает PageRank: реализация на языке R через линейную алгебру и power-метод
Привет, хабровчане! Меня зовут Алексей. На этот раз я вещаю с рабочего места в ИТАР-ТАСС. В данном небольшом тексте я познакомлю вас с методом расчета PageRan...

🎥 Smelling Source Code Using Deep Learning
👁 1 раз ⏳ 2176 сек.
by Tushar Sharma

At: FOSDEM 2019
https://video.fosdem.org/2019/H.2213/ml_on_code_smelling_source.webm


Poor quality code contributes to increasing technical debt and makes the software difficult to extend and maintain. Code smells capture such poor code quality practices. Traditionally, the software engineering community identifies code smells in deterministic ways by using metrics and pre-defined rules/heuristics. Creating a deterministic tool for a specific language is an expensive and arduous task sinc