Прикладное машинное обучение. Введение в обучение с подкреплением.
📹https://youtu.be/neYEP75m4bo

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🎥 Прикладное машинное обучение 6. Введение в обучение с подкреплением
👁 1 раз ⏳ 5003 сек.
Лекция от 11.10.19
Лектор: Радослав Нейчев
Лекции потока 2020: https://www.youtube.com/playlist?list=PL4_hYwCyhAvY7k32D65q3xJVo8X8dc3Ye

Ссылка на материалы занятия: https://github.com/girafe-ai/ml-mipt/tree/master/week1_06_RL_intro
Семинар: https://youtu.be/ejqfCh5OMPs

Список всех лекций: https://www.youtube.com/playlist?list=PL4_hYwCyhAvZeq93ssEUaR47xhvs7IhJM
Список всех семинаров: https://www.youtube.com/playlist?list=PL4_hYwCyhAvYvuHz_PKlEV-kOsK2bwUBg

Общая информация о курсе: https://ml-mipt.github.io/

Снимал: Михаил Кревский
Монтировал: Артём Сапожников

➰ Источник ВК

​Видеокурс по нейронным сетям на русском для новичков.
🌐https://proglib.io/p/neural-networks

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Лучший видеокурс по нейронным сетям на русском
Искусственные нейронные сети упакованы в удобный видеокурс, который научит новичков и освежит знания тех, кто уже давно прошел базис.

➰ Источник ВК

​Предсказание курса криптовалюты с помощью RNN-модели глубокого обучения на Python.
🖲https://pythonprogramming.net/crypto-rnn-model-deep-learning-python-tensorflow-keras/
📹https://youtu.be/yWkpRdpOiPY

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming #python #keras

🔗 Python Programming Tutorials
Python Programming tutorials from beginner to advanced on a massive variety of topics. All video and text tutorials are free.


🎥 Cryptocurrency-predicting RNN Model - Deep Learning w/ Python, TensorFlow and Keras p.11
👁 1 раз ⏳ 1386 сек.
Welcome to the next tutorial covering deep learning with Python, Tensorflow, and Keras. We've been working on a cryptocurrency price movement prediction recurrent neural network, focusing mainly on the pre-processing that we've got to do. In this tutorial, we're going to be finishing up by building our model and training it.

Text tutorials and sample code: https://pythonprogramming.net/crypto-rnn-model-deep-learning-python-tensorflow-keras/

Discord: https://discord.gg/sentdex
Support the content: https://pythonprogramming.net/support-donate/
Twitter: https://twitter.com/sentdex
Facebook: https://www.facebook.com/pythonprogramming.net/
Twitch: https://www.twitch.tv/sentdex
G+: https://plus.google.com/+sentdex

➰ Источник ВК

​Машинное обучение для людей. Разбираемся простыми словами.
Большая и подробная статья про разные аспекты машинного обучения и нейронные сети.
📖https://vas3k.ru/blog/machine_learning/

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Машинное обучение для людей
Разбираемся простыми словами

➰ Источник ВК

​Нечувствительные к весам нейронные сети (WANN).
Новая работа Google предлагает архитектуру нейронных сетей, способных имитировать врожденные инстинкты и рефлексы живых существ, с последующим дообучением в течение жизни.
Спойлер:
👉🏻Нейронную сеть можно собрать из отдельных нейронов с разной функцией активации, но использовать одно значение веса, оптимизируя только его.
👉🏻Таким образом создаётся оптимальная структура нейросети.
👉🏻Далее можно обучить нейросеть обычным способом через обратное распространение ошибки.

📖https://habr.com/ru/post/465369/
🌐https://weightagnostic.github.io/
🧩https://github.com/google/brain-tokyo-workshop/tree/master/WANNRelease

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Нечувствительные к весам нейронные сети (WANN)
Новая работа Google предлагает архитектуру нейронных сетей, способных имитировать врожденные инстинкты и рефлексы живых существ, с последующим дообучением в течение жизни. А также значительно...

➰ Источник ВК

​Библиотека машинного обучения CatBoost » https://catboost.ai/docs/concepts/tutorials.html
🧩Git » https://github.com/catboost/tutorials
🧩Пример ноутбука на Python » https://github.com/catboost/tutorials/blob/master/python_tutorial.ipynb
📹https://youtu.be/usdEWSDisS0

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Tutorials - CatBoost. Documentation
CatBoost is well covered with educational materials for both novice and advanced machine learners and data scientists.


🎥 Anna Veronika Dorogush: Mastering gradient boosting with CatBoost | PyData London 2019
👁 1 раз ⏳ 5297 сек.
Gradient boosting is a powerful machine-learning technique that achieves state-of-the-art results in a variety of practical tasks. This tutorial will explain details of using gradient boosting on practice, we will solve a classification problem using popular GBDT library CatBoost.

www.pydata.org

PyData is an educational program of NumFOCUS, a 501(c)3 non-profit organization in the United States. PyData provides a forum for the international community of users and developers of data analysis tools to share ideas and learn from each other. The global PyData network promotes discussion of best practices, new approaches, and emerging technologies for data management, processing, analytics, and visualization. PyData communities approach data science using many languages, including (but not limited to) Python, Julia, and R.

PyData conferences aim to be accessible and community-driven, with novice to advanced level presentations. PyData tutorials and talks bring attendees the latest project features along with c

➰ Источник ВК

​Уроки по PyQt5 и GUI-приложениям на Python.
📖https://python-scripts.com/pyqt5

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Руководство по PyQt5 для начинающих - GUI Python
PyQt5 является одним из наиболее популярным модулей для создания GUI приложений в Python. Полное руководство по QLabel, QLineEdit, QTableWidget и QCombobox.

➰ Источник ВК

​Мегаинструмент для помощи разработчику и исследователю в разных областях науки.

Вперёд!
https://www.wolframalpha.com/
📖https://ru.wikipedia.org/wiki/WolframAlpha
📹https://www.youtube.com/user/WolframAlpha/videos

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Wolfram|Alpha: Making the world’s knowledge computable
Wolfram|Alpha brings expert-level knowledge and capabilities to the broadest possible range of people—spanning all professions and education levels.

➰ Источник ВК

​ПОЛЕЗНЫЕ МАТЕРИАЛЫ ДЛЯ НАЧИНАЮЩИХ ML-СПЕЦИАЛИСТОВ.
В статье:
✏Курсы на русском
✏Курсы на английском
✏Блоги
✏Интересные посты
✏Книги
✏Соревнования
✏Papers, code feeds
✏И еще немного подборок на русском языке

https://blog.xperience.ai/machine-learning-dlia-nachinaiushchikh-s-chiegho-nachat/

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 Полезные материалы для начинающих ML-специалистов
Гид по курсам, книгам и блогам для тех, кто хочет разобраться в Machine Learning

➰ Источник ВК

​Федеративное обучение от Intel.
🧩Open Federated Learning » https://github.com/intel/openfl
📹https://youtu.be/BUfSQu9gSzI

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #буднипрограммиста #programming

🔗 GitHub - intel/openfl: An open framework for Federated Learning.
An open framework for Federated Learning. Contribute to intel/openfl development by creating an account on GitHub.


🎥 #023 ML Ольга Перепелкина. Про федеративное обучение и распознавание эмоций
👁 1 раз ⏳ 5047 сек.
В очередном выпуске беседа с Ольгой Перепелкиной Deep Learning Product Manager компании Intel. Для того, чтобы машинное обучение было эффективным - ему нужны данные и чем больше, тем лучше. Но чем быстрее развивается искусственный интеллект, тем жестче становятся законы о защите персональных данных. Проблема? Да, проблема. Но где есть проблема, там находятся и решения и федеративное обучение - одно из таких, позволяющих и приватность сохранить и модели обучить. Об этом, а также о подходах к распознаванию эмоций и карьерном пути в ML слушайте в выпуске!
Ссылки выпуска:
OpenFL - опенсорс библиотека для федеративного обучения (Federated Learning) (https://github.com/intel/openfl)
Вакансия Deep Learning RnD Intern (Federated Learning) в Нижнем Новгороде, работа в компании Intel Corporation (https://nn.hh.ru/vacancy/41942809)
Выпуск подкаста на anchor.fm - https://anchor.fm/kmsrus/episodes/023-ML-eutiao
Все выпуски подкаста на anchor.fm - https://anchor.fm/kmsrus
Подкаст на Apple Podcasts - https://podcasts.apple.

➰ Источник ВК