​Quantum Computing’s Internals Demystified

🔗 Quantum Computing’s Internals Demystified
“I think I can safely say that nobody understands quantum mechanics” — Richard Feynman

🎥 Theoretical Deep Learning #2: PAC-bayesian bounds. Part5
👁 1 раз ⏳ 4076 сек.
In this lecture we introduce a compression approach to obtain bounds for test-train risk difference. We prove a PAC-bayesian bound of [Neyshabur et al., 2018] once again using these approach.

Find all relevant info on github page: https://github.com/deepmipt/tdl2

Our open-source framework to develop and deploy conversational assistants: https://deeppavlov.ai/

🎥 Рекомендательная система B2B на основе ИИ
👁 1 раз ⏳ 1045 сек.
Как повысить продажи и оптимизировать работу отдела продаж с помощью ИИ на примере реального кейса Celado AI. Рекомендательная система (B2B) на основе искусственного интеллекта для персонализации коммерческого предложения.

0:34 – Что мы слышали и знаем про AI (искусственный интеллект)
1:25 – Машинное обучение. Что это и из чего состоит.
1:55 – Где эффективно применяется машинное обучение.
2:32 – Как машинное обучение может помочь в продажах.
3:50 – ИИ – поиск оптимального решения. Как найти иголку в стоге

​Kaggle APTOS 2019 Blindness Detection — Никита Мишуняев

🔗 Kaggle APTOS 2019 Blindness Detection — Никита Мишуняев
Никита Мишуняев рассказывает про соревнование Kaggle APTOS 2019 Blindness Detection, в котором он заработал 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_chat

🎥 Kaggle APTOS 2019 Blindness Detection — Borys Tymchenko
👁 1 раз ⏳ 1564 сек.
Борис Тимченко рассказывает историю боли и повесть о решениях с Kaggle соревнования APTOS 2019 Blindness Detection.

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_chat

​Cerebras Systems представила компьютер с самым большим в мире процессором 22×22 сантиметра

Схема компьютера CS-1 показывает, что большая часть отведена для питания и охлаждения гигантского «процессора-на-пластине» Wafer Scale Engine (WSE). Фото: Cerebras Systems

В августе 2019 года компания Cerebras Systems и её производственный партнер TSMC анонсировали крупнейшую микросхему в истории компьютерной техники. С площадью 46 225 мм² и 1,2 триллиона транзисторов микросхема Wafer Scale Engine (WSE) примерно в 56,7 раз больше, чем самый большой GPU (21,1 млрд транзисторов, 815 мм²).

Скептики говорили, что разработать процессор — не самая сложная задача. Но вот как он будет работать в реальном компьютере? Каков процент брака на производстве? Какое потребуется питание и охлаждение? Сколько будет стоить такая машина?

Похоже, инженерам Cerebras Systems и TSMC удалось решить эти проблемы. 18 ноября 2019 года на конференции Supercomputing 2019 они официально представили CS-1 — «самый быстрый в мире компьютер для расчётов в области машинного обучения и искусственного интеллекта».

🔗 Cerebras Systems представила компьютер с самым большим в мире процессором 22×22 сантиметра
Схема компьютера CS-1 показывает, что большая часть отведена для питания и охлаждения гигантского «процессора-на-пластине» Wafer Scale Engine (WSE). Фото: Cereb...

​DeepPavlov для разработчиков: #2 настройка и деплоймент
Всем привет! В первой статье из нашего цикла мы узнали, что такое DeepPavlov, какие модели библиотеки готовы к использованию без предварительного обучения и как запустить REST серверы с ними. Перед тем, как приступить к обучению моделей, мы расскажем о различных возможностях деплоймента моделей DeepPavlov и некоторых особенностях настройки библиотеки.

Договоримся, что все скрипты запуска библиотеки выполняются в environment Python с установленной библиотекой DeepPavlov (про установку см. первую статью, про virtualenv можно прочитать здесь). Примеры из этой статьи не требуют знания синтаксиса Python.

🔗 DeepPavlov для разработчиков: #2 настройка и деплоймент
Всем привет! В первой статье из нашего цикла мы узнали, что такое DeepPavlov, какие модели библиотеки готовы к использованию без предварительного обучения и как...

​6 крупных open source проектов в сфере Data Science

🔗 6 крупных open source проектов в сфере Data Science
6 проектов с открытым исходным кодом из различных областей Data Science для внедрения в ваши аналитические решения или украшения портфолио.

​Improving Pickups with Better Location Accuracy

🔗 Improving Pickups with Better Location Accuracy
Uber built beacon to improve vehicle location accuracy on our platform, leading to more seamless rider pickup and dropoff experiences.

🎥 Optimizing & Operationalizing Your Business with Jeff Mays
👁 1 раз ⏳ 2030 сек.
Do you find yourself stuck in your business and don’t find a way to grow?

Well on today’s episode of the Tom Ferry Podcast Experience, I’m diving deep on the best way to grow your business with lead speaker, phenomenal coach, and the broker/owner of Coldwell Banker Prime, Jeff Mays.

We’re giving you different ways to operationalize your business with an upcoming event that we’ll release in 2020.

Before we formally announce this important event, Jeff and I share with you the best practices that you can

​Reinforcement Learning

📝 Reinforcement Learning (en) (1) (1).pdf - 💾11 450 564

📝 Reinforcement Learning.pdf - 💾12 613 382

​Machine Learning for Everyone
In simple words. With real-world examples

https://vas3k.com/blog/machine_learning/

🔗 Machine Learning for Everyone
In simple words. With real-world examples. Yes, again

Курс лекций по Big Data

BigData Лекция №1 "Введение в машинное обучение"
BigData Лекция №2 "Python"
BigData Лекция №3 "Что такое BigData?"
BigData Лекция №4 "OLAP: What and why?"
BigData Лекция №5 "IoT and BigData"
BigData Лекция №6 "Сhallenges of classification"
BigData Лекция №7 "Formal Context Analysis"
BigData Лекция №8 "Регрессия"
BigData Лекция №9 "Хранение и анализ больших данных"
BigData Лекция №10 "Deep learning"

#BigData #Python

🎥 BigData Лекция №1 "Введение в машинное обучение"
👁 19 раз ⏳ 1960 сек.
Лекция 1 - Введение в машинное обучение.
В лекции рассказывается о том, что подразумевается под понятием «машинное обучение» и какие задачи решаютс...

🎥 BigData Лекция №2 "Python"
👁 7 раз ⏳ 8499 сек.
Лекция 2 - Python, как язык анализа данных.
В лекции сделан небольшой обзор языков и программ для анализа данных. Рассказан базовый синтаксис языка...

🎥 BigData Лекция №3 "Что такое BigData?"
👁 10 раз ⏳ 3792 сек.
Лекция 3 - Что такое BigData?
В лекции рассказывается о том, что же это такое. Цели, проблемы и практическая польза результатов
анализа BD на приме...

🎥 BigData Лекция №4 "OLAP: What and why?"
👁 3 раз ⏳ 5766 сек.
Лекция 4 - OLAP. What and why. Lightning talk.
В лекции описание OLAP. Что это? Для чего? Каковы отличия от OLTP? Небольшой экскурс в анализ данных...

🎥 BigData Лекция №5 "IoT and BigData"
👁 1 раз ⏳ 4183 сек.
Лекция 5 - IoT and BigData
В лекции рассказывается о IoT and BigData. Области их пересечения, применения, основные проблемы и методы решения. Lambd...

🎥 BigData Лекция №6 "Сhallenges of classification"
👁 2 раз ⏳ 3923 сек.
Лекция 6 - Сhallenges of classification
The Internet is growing at a tremendous rate. The amount of information presented is beyond human comprehen...

🎥 BigData Лекция №7 "Formal Context Analysis"
👁 1 раз ⏳ 6046 сек.
Лекция 7 - Formal Concept Analysis
В этой лекции рассказывается о том, откуда возник анализ формальных понятий, для чего он используется и какие за...

🎥 BigData Лекция №8 "Регрессия"
👁 2 раз ⏳ 4118 сек.
Лекция 8 - Регрессия
В лекции рассказана задача регрессии на примере классической задачи предсказания цены дома в Силиконовой Долине. Также рассмот...

🎥 BigData Лекция №9 "Хранение и анализ больших данных"
👁 2 раз ⏳ 8210 сек.
Лекция 9 - Хранение и анализ больших данных
Лекция дает ответы на такие вопросы как: что такое большие данные, откуда они берутся, как их хранить, ...

🎥 BigData Лекция №10 "Deep learning"
👁 3 раз ⏳ 5703 сек.
Лекция 10 - Deep learning - нейронные сети и их применение.
Лекция рассказывает о истории возникновения и развития нейронных сетей. Описание просте...

​Safety Gym

🔗 Safety Gym
We're releasing Safety Gym, a suite of environments and tools for measuring progress towards reinforcement learning agents which respect safety constraints while training.

​Research Note: What Are Natural Experiments? Methods, Approaches, and Applications

🔗 Research Note: What Are Natural Experiments? Methods, Approaches, and Applications
A review paper of Natural Experiments

​Use AI to Write Captions for Images with Cloudsight + Python

🔗 Use AI to Write Captions for Images with Cloudsight + Python
A Pythonic API lets you automatically write human-readable captions for your images

🎥 Netflix Automation Meet-Up - Test Selection: Heuristics and Machine Learning
👁 1 раз ⏳ 3801 сек.
Heuristics vs. Machine Learning - Brett Rose

Heuristics Approach to Test Case Selection and Prioritization - John Kenney

Reinforcement Learning in Test Case Selection - Stanislav Kirdey

🎥 Using Machine Learning and Observability Together to Reduce Incident Impact | DigitalOcean
👁 1 раз ⏳ 1823 сек.
Download Slides: https://www.datacouncil.ai/talks/the-observatorium-using-machine-learning-and-observability-together-to-reduce-incident-impact

WANT TO EXPERIENCE TALKS LIKE THIS?
https://www.datacouncil.ai/new-york-city
https://www.datacouncil.ai/san-francisco
https://www.datacouncil.ai/singapore
https://www.datacouncil.ai/barcelona

ABOUT THE TALK

Service organizations often measure themselves on keeping customer downtime to a minimum. In the complex distributed architectures inherent to many modern tec