🛠 Сложноструктурные аналитические отчеты с Python и LaTeX

В руководстве подробно рассматривается пример использования Python-библиотеки облачного представления приложений Streamlit и системы компьютерной вёрстки LaTeX для подготовки сложных аналитических отчетов с математическими, программными и графическими вставками.

https://proglib.io/sh/nobKzJihWU

Оценка больших языковых моделей, обученных на коде.

https://proglib.io/w/6a656828

jupyterlite: WASM Powered Jupyter, работающий в браузере.

https://proglib.io/w/81fa8944

Machine Learning for Beginners (2019)
Автор: Ethem Mining
Количество страниц: 712

Машинное обучение используется в здравоохранении, сельском хозяйстве, кибербезопасности, распознавании лиц, таргетинге и ретаргетинге клиентов в онлайн-рекламе, рекомендации продуктов, видео, текстах и т. д., беспилотных автомобилях, ценообразовании в реальном времени, прогнозировании поведения человека и многом другом. Данная книга написана для тех, кто хочет начать развиваться в сфере машинного обучения.

Скачать книгу

Распараллеливание нейронных сетей на одном графическом процессоре с помощью JAX.

https://proglib.io/w/5098ef87

Машинное обучение для начинающих - учебная программа.

https://proglib.io/w/6dab6d47

Большой курс по глубокому обучению при помощи PyTorch.

https://proglib.io/w/fe1181cf

Что такое диффузионные модели?

https://proglib.io/w/83b55e08

🤖 Генеративная состязательная сеть (GAN) для чайников – пошаговое руководство

Лучшее руководство для новичков по пониманию, созданию и обучению GAN с надежным кодом на Python.

https://proglib.io/sh/QwBPZbDhpq

Многозадачное обучение с помощью нейронных сетей: обзор.

https://proglib.io/w/3b913ec4

Unsupervised Learning in Space and Time (2020)
Автор: Marius Leordeanu
Количество страниц: 324

В этой книге рассматривается одна из наиболее важных нерешенных задач в области искусственного интеллекта: задача обучения без учителя на основе огромных объемов пространственно-временных визуальных данных, доступных по невысокой цене. В книге рассматриваются важные научные открытия с акцентом на последние достижения в этой области.

Скачать книгу

Deep Learning and Convolutional Neural Networks for Medical Image Computing (2018)
Авторы: Le Lu, Yefeng Zheng, Gustavo Carneiro, Lin Yang
Количество страниц: 339

В этой книге представлен подробный обзор современного состояния подходов в глубоком обучении для обнаружения и сегментации семантических объектов при работе с медицинскими изображениями, а также при крупномасштабном анализе медицинских баз данных. Особое внимание уделяется применению сверточных нейронных сетей, а теория подкрепляется практическими примерами.

Скачать книгу

The Data Storytelling Workbook (2020)
Авторы: Anna Feigenbaum, Aria Alamalhodaei
Количество страниц: 250

Опираясь на междисциплинарные исследования и отчеты из первых рук о различных проектах из разных сфер от общественного здравоохранения до жилищных судов, The Data Storytelling Workbook знакомит с ключевыми концепциями, проблемами и стратегиями решения проблем в развивающейся области создания историй данных. Рабочая тетрадь, наполненная практическими упражнениями и заданиями, предлагает интерактивные учебные материалы, которые можно использовать для обучения и повышения квалификации. Подходя как к данным, так и к сторителлингу в широком смысле, книга объединяет теорию и практику вокруг реальных сценариев выступлений, предлагая критические размышления наряду с практическими и творческими решениями проблем в процессе.

Скачать книгу

🤖 Метод k-ближайших соседей (k-nearest neighbour)

Метод k-ближайших соседей (k Nearest Neighbors, или kNN) – популярный алгоритм классификации, который используется в разных типах задач машинного обучения. Наравне с деревом решений это один из самых понятных подходов к классификации.

https://proglib.io/sh/7k36Qen8i0

Deep Learning with JavaScript (2020)
Авторы: Shanqing Cai, Stan Bileschi, Eric Nielsen
Количество страниц: 560

Глубокое обучение изменило области компьютерного зрения, обработки изображений и приложений естественного языка. Теперь благодаря TensorFlow.js JavaScript-разработчики могут создавать приложения с глубоким обучением, не полагаясь на Python или R. Данная книга показывает программистам, как они могут работать с Deep Learning прямо в браузере. Она написана авторами библиотеки TensorFlow, которые предоставили качественные примеры использования и подробные инструкции для приложений глубокого обучения на JavaScript в вашем браузере или на Node.

Скачать книгу

ИТ-компания Selectel приглашает на вебинар «Искусственный интеллект и Machine learning»

После вебинара вы сможете:

💥 наладить прозрачный R&D-процесс в командах
💥 получить нужный результат даже при низкой квалификации кадров
💥 провести оценку эффективности работы исследователей

Дата: 29 июля, четверг, 16:00 МСК

Спикеры: Алексей Гончаров, CEO в Machine Intelligence Laboratory, и Антон Чунаев, менеджер ML-продуктов в @selectelnews.

Подробности и регистрация по ссылке:

🚀 https://slc.tl/3jBrU

Глубокое обучение через Интернет: совместное обучение языковых моделей.

https://proglib.io/w/e548f090

MLP-Mixer - это замаскированная CNN?

https://proglib.io/w/798186c6

Список ресурсов по прикладному машинному обучению.

https://proglib.io/w/90318af6

Данные против классификаторов, кто победит?

https://proglib.io/w/b290fd8d

Почему глубокое обучение работает, хотя и не должно?

https://proglib.io/w/1c72c729