Функции потерь в задачах линейной бинарной классификации

Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про виды функций потерь в задачах бинарной классификации образов: кусочно-линейная, логарифмическая, квадратичная, сигмоидная, экспоненциальная. Приведен пример использования квадратической функции потерь.

👀Смотреть видео

#видео

dict.get

Метод get() возвращает значение для указанного ключа, если ключ находится в словаре. В результате может вернуться: значение для указанного ключа, если ключ находится в словаре; None, если ключ не найден и значение не указано; опциональное значение, если ключ не найден и опциональное значение указано.

#практика

Конвертер 3D-моделей

Делимся статьей, где автор рассказывает про создание конвертера 3D-моделей. Продемонстрированы различные методы конвертации, код плагина. Также ты узнаешь, почему методы не подходят и с чем не смогли справиться Blender и Unreal Engine.

👉Читать статью

#статьи

Нейросети: Теория стилизации изображений

Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты научишься выполнять перенос стиля с одного изображения на другое. Ты узнаешь концепцию общего алгоритма, способ вычисления критерия качества для оценки контента и степени стилизации с помощью сверточной нейронной сети VGG19.

👀Смотреть видео

#видео #нейронные_сети

math.remainder

Метод math.remainder() Он возвращает остаток от операции деления, когда первое число делится на второе число. Тип возвращаемого значения — значение с плавающей запятой, что означает, что оно может быть и дробным. Делитель должен быть ненулевым числом, иначе возникнет ошибка ValueError.

#практика

Автоматический майнинг изображений

Делимся статьей, где автор рассказывает про автоматический майнинг изображений. Ты научишься автоматизировать поиск источников, а также проверку, является ли каждое изображение “хорошим”.

👉Читать статью

#статьи

Нейросети: Перенос стилей изображений

Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты узнаешь, как выполнять стилизацию изображений (Neural Style Transfer), используя пакет Keras и Tensorflow 2.x

👀Смотреть видео

#видео #нейронные_сети

dict.update

Метод update() обновляет словарь элементами из другого объекта словаря или из итерации пар ключ/значение. Если update() вызывается без передачи параметров, словарь остается неизменным. Метод update() добавляет элемент(ы) в словарь, если ключ отсутствует в словаре. Если ключ находится в словаре, он обновляет ключ новым значением.

#практика

Нейросети: Раскраска изображений

Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты узнаешь о принципах построения нейронных сетей для раскраски (colorization) черно-белых изображений (в градациях серого). Продемонстрированы примеры реализации.

👀Смотреть видео

#видео #нейронные_сети

Нейросеть с точки зрения математики

Нейронные сети, также известные как искусственные нейронные сети (ИНС) или смоделированные нейронные сети (СНС), представляют собой подмножество машинного обучения и лежат в основе алгоритмов глубокого обучения. Делимся статьей, где автор рассматривает нейронные сети с точки зрения математики и программного кода.

👉Читать статью

#статьи #нейронные_сети

math.isinf

Метод math.isinf() проверяет, является ли число бесконечным или нет. Этот метод возвращает True, если указанное число является положительной или отрицательной бесконечностью, в противном случае он возвращает False.

#практика

Байесовский вывод

Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про оптимальный байесовский классификатор, а также наивный байесовский классификатор. Приводится пример задачи классификации наивным байесовским классификатором.

👀Смотреть видео

#видео

Оптимизация Jupyter Notebook

Делимся статьей, где автор рассказывает о возможностях применения параллельных вычислений в интерактивной среде Jupyter Notebook. Параллелизм необходим, так как он ускоряет вычисления, а также позволяет эффективно обрабатывать большие объемы данных.

👉Читать статью

#статьи

dict.fromkeys

Метод fromkeys() создает словарь из заданной последовательности ключей и значений. Параметр alphabets – это ключи, которые могут быть любыми итерациями, такими как строка, набор, список и т. д. Необязательный параметр numbers — это значения, которые могут быть любого типа или любых итераций, таких как строка, набор, список и т. д. Обрати внимание, если значение словаря не указано, ключам присваивается None.

#практика

Рекуррентная нейронная сеть

Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты узнаешь, что такое рекуррентная нейронная сеть. Продемонстрированы ее архитектуры: Many to Many, Many to One и One to Many. Также приведен пример простейших рекуррентных сетей.

👀Смотреть видео

#видео #нейронные_сети

А/Б тесты с метрикой отношения

Благодаря данной статье ты узнаешь, что такое метрики отношения. Автор рассказывает, почему критерий Стьюдента не работает, а также демонстрирует применение бутстреп к зависимым данным.

👉Читать статью

#статьи

math.exp

Метод math.exp() возвращает E в степени x. «Е» — это основание натуральной системы логарифмов (приблизительно 2,718282), а х — переданное ему число. Обрати внимание, для использования данного метода необходимо импортировать math.

#практика

Рекуррентная нейросеть: Прогноз символов

Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты научишься строить рекуррентную нейросеть для прогнозирования символов последовательности. Ты узнаешь, как правильно кодировать и подавать на вход сети текстовую информацию в виде One-hot encoding (OHE) векторов.

👀Смотреть видео

#видео #нейронные_сети

Apache Airflow в связке с Kubernetes

Делимся статьей, где автор рассказывает про свой опыт в работе Apache Airflow в связке с Kubernetes. Ты соберешь собственный образ Docker с python-скриптом, настроишь автоматическую синхронизацию DAG’ов с удаленным репозиторием и их исполнение.

👉Читать статью

#статьи

dict.setdefault

Метод setdefault() возвращает значение ключа (если ключ находится в словаре). Если нет, он вставляет ключ со значением в словарь. setdefault() возвращает: значение ключа, если он есть в словаре; None, если ключа нет в словаре и значение по умолчанию не указано; default value, если ключ отсутствует в словаре и указано default value.

#практика

Пример использования SGD при бинарной классификации образов

Продолжаем делиться циклом видео про машинное обучение. В этот раз автор демонстрирует пример реализации стохастического градиентного спуска (SGD) применительно к задаче бинарной классификации образов с помощью линейной модели и сигмоидальной функции потерь.

👀Смотреть видео

#видео