Learning Semantically Enhanced Feature for Fine-Grained Image Classification

Gitgub: https://github.com/cswluo/SEF

Paper: https://arxiv.org/abs/2006.13457v1

Building AI Trading Systems

Lessons learned building a profitable algorithmic trading system using Reinforcement Learning techniques.

https://dennybritz.com/blog/ai-trading/

Tensor Programs II: Neural Tangent Kernel for Any Architecture
which shows the tangent kernel of any randomly initialized neural network converges in the large width limit.

Github: https://github.com/thegregyang/NTK4A

Paper: https://arxiv.org/abs/2006.14548

Wavelet Networks: Scale Equivariant Learning From Raw Waveforms

Github: https://github.com/dwromero/wavelet_networks

Paper: https://arxiv.org/abs/2006.05259

One Policy to Control Them All:
Shared Modular Policies for Agent-Agnostic Control

https://wenlong.page/modular-rl/

⚡️23 июля в 20:00 состоится демо-урок «Логистическая регрессия для классификации данных».
За 1,5 часа вы:
● Обсудите основы регрессионных моделей
● Узнаете, как устроена логистическая регрессия
● Разберёте, какие разделы математики используются для ее построения
● Поймёте, как улучшить этот классификатор.

Занятие является частью курса «Математика для Data Science. Продвинутый уровень». Приходите получить полезные знания, познакомиться с преподавателем и оценить формат обучения.

👉Для регистрации пройдите вступительный тест, который поможет сориентироваться в уровне вашей подготовки: https://otus.pw/f6bb/