​Use of Deep Learning in Tactical Multi-Asset Strategies with Calvin Yu

🔗 Use of Deep Learning in Tactical Multi-Asset Strategies with Calvin Yu
In this webinar, we will discuss a theoretical case study done in conjunction with an institutional investor to demonstrate how one can use deep neural netwo...

🎥 How to take advantage of GPUs and TPUs for your ML project (Coding TensorFlow)
👁 1 раз ⏳ 264 сек.
Developer Paige Bailey (@dynamicwebpaige) shows you how to take advantage of the accelerated hardware available to machine learning developers inside of a Google Colab.

Both GPUs and TPUs are used as accelerators for the portions of the model that can be broken up into parallelizable operations. When you are training your model with a large amount of data, the use of specialized hardware significantly speeds up your machine learning projects. Stay tuned for the next episode of Coding TensorFlow, where we

Innovation Nation: AI godfathers gave Canada an early edge — but we could end up being left in the dust

https://business.financialpost.com/technology/innovation-nation-ai-godfathers-gave-canada-an-early-edge-but-we-could-end-up-being-left-in-the-dust

🎥 CMU Neural Nets for NLP 2019 (11): Reinforcement Learning
👁 1 раз ⏳ 3254 сек.
This lecture (by Graham Neubig) for CMU CS 11-747, Neural Networks for NLP (Spring 2019) covers:

* What is Reinforcement Learning?
* Policy Gradient and REINFORCE
* Stabilizing Reinforcement Learning
* Value-based Reinforcement Learning

Class Site: http://phontron.com/class/nn4nlp2019/schedule/reinforcement-learning.html

​​​Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning
Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

Это руководство рассматривает современные подходы языка к решению актуальных проблем в данной области, принятые стандарты и практики, а также реальные примеры применения.
В книге рассматриваются такие темы, как векторы, матрицы и массивы; обработка текста; линейная регрессия; работа с моделями и многое другое.

📝 1albon_c_machine_learning_with_p.pdf - 💾3 534 124

​What my first Silver Medal taught me about Text Classification and Kaggle in general?

🔗 What my first Silver Medal taught me about Text Classification and Kaggle in general?
Sailing through the world of Kaggle

TensorFlow Object Detection API

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

Intro - TensorFlow Object Detection API Tutorial p.1
Adapting to video feed - TensorFlow Object Detection API Tutorial p.2
Tracking Custom Objects - TensorFlow Object Detection API Tutorial p.3
Creating TFRecords - TensorFlow Object Detection API Tutorial p.4
Training Custom Object Detector - TensorFlow Object Detection API Tutorial p.5
Testing Custom Object Detector - TensorFlow Object Detection API Tutorial p.6

🎥 Intro - TensorFlow Object Detection API Tutorial p.1
👁 856 раз ⏳ 606 сек.
Hello and welcome to a miniseries and introduction to the TensorFlow Object Detection API. This API can be used to detect, with bounding boxes, objects in images and/or video using either some of the pre-trained models made available or through models you can train on your own (which the API also makes easier).

Text tutorials and sample code: https://pythonprogramming.net/introduction-use-tensorflow-object-detection-api-tutorial/
https://twitter.com/sentdex
https://www.facebook.com/pythonprogramming.net/
https://plus.google.com/+sentdex

🎥 Adapting to video feed - TensorFlow Object Detection API Tutorial p.2
👁 171 раз ⏳ 571 сек.
Welcome to part 2 of the TensorFlow Object Detection API tutorial. In this tutorial, we're going to cover how to adapt the sample code from the API's github repo to apply object detection to streaming video from our webcam.

Text tutorials and sample code: https://pythonprogramming.net/video-tensorflow-object-detection-api-tutorial/
https://twitter.com/sentdex
https://www.facebook.com/pythonprogramming.net/
https://plus.google.com/+sentdex

🎥 Tracking Custom Objects - TensorFlow Object Detection API Tutorial p.3
👁 104 раз ⏳ 691 сек.
Welcome to part 3 of the TensorFlow Object Detection API tutorial series. In this part and the subsequent few, we're going to cover how we can track and detect our own custom objects with this API.

Going from using the pre-built models to adding custom objects is a decent jump from my findings, and I could not locate any full step-by-step guides, so hopefully I can save you all from the struggle. Once solved, the ability to train for any custom object you can think of (and create data for) is an awesome skill to have.

Text tutorials and sample code: https://pythonprogramming.net/custom-objects-tracking-tensorflow-object-detection-api-tutorial/

Paperspace $10 referral link: https://goo.gl/h7SSkv
Paperspace overview and comparison to AWS and Azure: https://www.youtube.com/watch?v=8RJX8WNcXyI

https://twitter.com/sentdex
https://www.facebook.com/pythonprogramming.net/
https://plus.google.com/+sentdex

🎥 Creating TFRecords - TensorFlow Object Detection API Tutorial p.4
👁 74 раз ⏳ 985 сек.
Welcome to part 4 of the TensorFlow Object Detection API tutorial series. In this part of the tutorial, we're going to cover how to create the TFRecord files that we need to train an object detection model.

Text tutorials and sample code: https://pythonprogramming.net/creating-tfrecord-files-tensorflow-object-detection-api-tutorial/
exact commit: https://github.com/datitran/raccoon_dataset/commit/386a8f4f1064ea0fe90cfac8644e0dba48f0387b
https://twitter.com/sentdex
https://www.facebook.com/pythonprogramming.net/
https://plus.google.com/+sentdex

Deep Learned Super-Sampling (DLSS) - Computerphile
Наш телеграм канал - https://tele.click/ai_machinelearning_big_data

https://www.youtube.com/watch?v=_DPRt3AcUEY

🎥 Deep Learned Super-Sampling (DLSS) - Computerphile
👁 1 раз ⏳ 934 сек.
Can deep learning improve your gaming experience? We have no idea but we know how it works. Dr Mike Pound on Deep Learned Super Sampling

EXTRA BITS: https://youtu.be/4ZkrLfEIJXI

https://www.facebook.com/computerphile
https://twitter.com/computer_phile

This video was filmed and edited by Sean Riley.

Computer Science at the University of Nottingham: https://bit.ly/nottscomputer

Computerphile is a sister project to Brady Haran's Numberphile. More at http://www.bradyharan.com

​Why Deep Learning Is Not A Silver Bullet For Autonomous Vehicles

https://towardsdatascience.com/why-deep-learning-is-not-a-silver-bullet-for-autonomous-vehicles-371c74c1a02b?source=collection_home---4------2---------------------

🔗 Why Deep Learning Is Not A Silver Bullet For Autonomous Vehicles
If you’re an engineer in the self-driving space, you frequently get asked variations of the same question. “Why is it taking so long?” one…

AI-Based 3D Pose Estimation: Almost Real Time!

Наш телеграм канал - https://tele.click/ai_machinelearning_big_data
https://www.youtube.com/watch?v=F84jaIR5Uxc

🎥 AI-Based 3D Pose Estimation: Almost Real Time!
👁 1 раз ⏳ 176 сек.
📝 The paper "3D Human Pose Machines with Self-supervised Learning" and its source code is available here:
https://arxiv.org/abs/1901.03798
http://www.sysu-hcp.net/3d_pose_ssl/
https://github.com/chanyn/3Dpose_ssl.git

❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers

🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
313V, Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian Gilman, Christian Ahlin, Christop

🎥 AI Matters: Getting to the Heart of Data Intelligence with Memory and Storage
👁 1 раз ⏳ 3626 сек.
Micron commissioned a study by Forrester Consulting that highlights how hardware architecture affects the return on investment for artificial intelligence and machine learning implementations. Forrester and Micron experts discuss the findings in this webinar replay.

​Learning to Generalize from Sparse and Underspecified Rewards

http://ai.googleblog.com/2019/02/learning-to-generalize-from-sparse-and.html

🔗 Learning to Generalize from Sparse and Underspecified Rewards
Posted by Rishabh Agarwal, Google AI Resident and Mohammad Norouzi, Research Scientist Reinforcement learning (RL) presents a unified and...

​Нейросеть «Яндекса» стала соавтором пьесы для альта с оркестром

https://habr.com/ru/post/441286/

🔗 Нейросеть «Яндекса» стала соавтором пьесы для альта с оркестром
В последнем сезоне «Симпсонов» главный герой узнал: чтобы очаровать гиков, надо запустить песенку, которую сочинила нейросеть. Все будут заворожённо слушать и...

​OpenAI Gym+ROS+Gazebo: обучение автономного робота в домашних условиях. Часть 1
Наш телеграмм канал - https://tele.click/ai_machinelearning_big_data
#Python
#Искусственныйинтеллект,

За последние несколько лет мы стали свидетелями внедрения технологий искусственного интеллекта в нашу повседневной жизни — от роботов-пылесосов до беспилотных дронов. Все они, управляемые искусственным интеллектом, уже являются для нас обыденностью. Но несмотря на это, процесс разработки, от проектирования до реализации, занимает годы и обходится не дешево. Кроме того, алгоритмы машинного обучения требуют большие данные и нет никаких гарантий, что в конечном счете все сработает.
https://habr.com/ru/post/441218/

🔗 OpenAI Gym+ROS+Gazebo: обучение автономного робота в домашних условиях. Часть 1
За последние несколько лет мы стали свидетелями внедрения технологий искусственного интеллекта в нашу повседневной жизни — от роботов-пылесосов до беспилотных др...

​Анонимные специалисты по машинному обучению написали «статью про минет», чтобы сделать эту машинку для отсоса более реалистичной.

Autoblow AI, секс-игрушка для пользователей с пенисом, состоит из резинового рукава и расположенного внутри корпуса электродвигателя, и пытается имитировать оральный секс. Ее кампания на Indiegogo была запущена на прошлой неделе и быстро достигла своей цели в 50 000 $. Ее главное преимущество над предыдущей моделью, Autoblow 2, выпущенной в 2014 — это алгоритм машинного обучения, который «постоянно меняет технику», чтобы удовлетворить пользователя новыми способами.
https://habr.com/ru/post/441252/

🔗 «Статья про минет»: ученые обработали 109 часов орального секса, чтобы разработать ИИ, который сосет
Привет, Хабр! Представляю вашему вниманию перевод статьи Саманты Коул (Samantha Cole) c motherboard.vice.com. Анонимные специалисты по машинному обучению написа...

​Как мы сократили выдачу кредита до 2 кликов
Блог компании Промсвязьбанк,

Недели, месяцы – такой срок приходит на ум, когда говорят об оформлении кредита. Наш продукт «Кредит Онлайн» должен был радикально изменить ситуацию, сократив всю процедуру до нескольких кликов. Невозможно? Разработчикам «Промсвязьбанка» удалось превратить это «хождение по мукам» в удобный «волшебный кошелёк».
https://habr.com/ru/company/psb/blog/441208/

🔗 Как мы сократили выдачу кредита до 2 кликов
Недели, месяцы – такой срок приходит на ум, когда говорят об оформлении кредита. Наш продукт «Кредит Онлайн» должен был радикально изменить ситуацию, сократив вс...

​Why Git And How To Use Git As A Data Scientist

https://towardsdatascience.com/why-git-and-how-to-use-git-as-a-data-scientist-4fa2d3bdc197?source=collection_home---4------1---------------------

🔗 Why Git And How To Use Git As A Data Scientist – Towards Data Science
Perhaps you’ve heard of Git somewhere else.

🎥 Building and scaling Deep Learning Services (Nischal Harohalli Padmanabha)
👁 1 раз ⏳ 1358 сек.
Deep learning systems have to be engineered in order to be used in solving an end to end business problem. One of the challenges in architecting and building deep learning systems are the areas of maintainability, scalability and deployments. I would like to discuss on how we solve this at omnius.

Presentation page -- https://2018.pycon.ca/talks/talk-A-9016
Author website -- Author website: https://medium.com/@nischalhp

​When Tech Leaves No Space for Humans

https://medium.com/@cfhorgan/when-tech-leaves-no-space-for-humans-89becafa3a20?source=topic_page---------------------------20

🔗 When Tech Leaves No Space for Humans – Member Feature Stories – Medium
The fear of A.I. has long been that we might merge with computers, create hybrid superbeings, or become enslaved by them. But the rise of “deepfakes” points toward a very different outcome.