Neural Networks | Нейронные сети
11.8K subscribers
760 photos
166 videos
170 files
9.41K links
Все о машинном обучении

По всем вопросам - @notxxx1

№ 4959169263
Download Telegram
Машинное обучение, AI, нейронные сети, Big Data (VK)

Как выполнять потоковую обработку больших данных? Сделайте первые шаги в Machine Learning на больших данных!

10 марта примите участие в демо-занятии от Кирилла Султанова, архитектора в области BigData. Что вы узнаете за 1,5 часа?
- Потоковая обработка больших данных.
- Подходы, архитектуры, фреймворки, сравнение, обзор и выбор.
- Основные игроки и перспективные новички.
- Реальные проекты, интересные связки и многое другое!
Демо-занятие входит в программу онлайн-курса «Промышленный ML на больших данных».

Для регистрации на урок пройдите вступительный тест https://otus.pw/QLr2/
Neurohive (VK)

​​Facebook AI опубликовали мультилингвальный датасет для обучения моделей распознавания речи. Multilingual LibriSpeech (MLS) содержит 50 тысяч часов аудио с речью людей на 8 языках: английском, немецком, испанском, итальянском, португальском и польском.

#Dataset #FAIR
Машинное обучение, AI, нейронные сети, Big Data (VK)

Как ML помогает при аудите качества клиентского сервиса
Машинное обучение, AI, нейронные сети, Big Data (VK)

Личное или социальное? Как добиться кооперации в мультиагентной среде
Машинное обучение, AI, нейронные сети, Big Data (VK)

Что будет, если изменить количество виртуальных нод в Apache Cassandra
Машинное обучение, AI, нейронные сети, Big Data (VK)

«Хитрый питон» Михаил Корнеев, Григорий Петров, Илья Беда и другие классные спикеры-тезисы выступлений на PyCon Weekend
Машинное обучение, AI, нейронные сети, Big Data (VK)

Применение предобученной модели VGG16 для рекомендаций на основе изображений товаров
DeepLearning (Глубокие нейронные сети) (VK)

VISSL

VISSL is a computer VIsion library for state-of-the-art Self-Supervised Learning research with PyTorch. VISSL aims to accelerate research cycle in self-supervised learning: from designing a new self-supervised task to evaluating the learned representations. Key features include:

Reproducible implementation of SOTA in Self-Supervision: All existing SOTA in Self-Supervision are implemented - SwAV, SimCLR, MoCo(v2), PIRL, NPID, NPID++, DeepClusterV2, ClusterFit, RotNet, Jigsaw. Also supports supervised trainings.

Benchmark suite: Variety of benchmarks tasks including linear image classification (places205, imagenet1k, voc07), full finetuning, semi-supervised benchmark, nearest neighbor benchmark, object detection (Pascal VOC and COCO).

Ease of Usability:...

View original post
Машинное обучение, AI, нейронные сети, Big Data (VK)

Все дело в виртуальном «прянике»: Uber создал алгоритм, способный обыграть человека в игре Atari
Data Science / Machine Learning / AI / Big Data (VK)

Train PyTorch models using the genetic algorithm with #PyGAD
https://neptune.ai/blog/train-pytorch-models-using-ge..
Link of the project that prepares the PyTorch models for use with PyGAD: https://github.com/ahmedfgad/TorchGA
Машинное обучение, AI, нейронные сети, Big Data (VK)

Better reliability of deep learning classification models by exploiting hierarchy of labels