Deep Learning with PyTorch (2020)
Авторы: Eli Stevens, Luca Antiga, Thomas Viehmann
Количество страниц: 520

Каждый день мы слышим о новых способах эффективного использования глубокого обучения: улучшенных медицинских изображениях, точном обнаружении мошенничества с кредитными картами, долгосрочном прогнозировании погоды и многом другом. Данная книга научит вас создавать системы глубокого обучения и нейронные сети с PyTorch. Изучив основы, вы познакомитесь с передовыми практиками для всего конвейера глубокого обучения, берясь за сложные проекты по мере того улучшения навыков. Все образцы кода легко изучить в загружаемых блокнотах Jupyter.

Скачать книгу

Использование DeepSpeed и Megatron для обучения крупнейшей в мире генеративной языковой модели.

https://proglib.io/w/1cb8910b

Бурное прошлое и неопределенное будущее искусственного интеллекта.

https://proglib.io/w/f5ea1c51

Нейронные сети (с нуля).

https://proglib.io/w/13860160

Facebook откажется от распознавания лиц и удалит данные о более чем 1 миллиарде человек.

https://proglib.io/w/fe7f9836

Начните путь в Data Science уже сейчас!

Тогда без знаний, которые даст вам онлайн-курс Математика для Data Science от преподавателей из МГУ & proglib.academy за 5 месяцев, не обойтись.
Для обучения достаточно школьных знаний по математике. Специальный модуль "Базовая математика" поможет подготовится к курсу.

Оставьте заявку и получите доступ к демо-урокам курса, а также не упустите свой шанс записаться в группу по специальной цене: https://proglib.io/w/c4413cc4

Deep Learning for Vision Systems (2020)
Автор: Mohamed Elgendy
Количество страниц: 480

Как компьютер учится понимать то, что видит? Автор данной книги отвечает на этот вопрос, описывая применения глубокого обучения в компьютерном зрении. Эта книга, в которой используется только школьная алгебра, освещает концепции, лежащие в основе визуальной интуиции. Вы поймете, как использовать глубокое обучение для создания систем компьютерного зрения, работающих с изображениями и распознаванием лиц.

Скачать книгу

🕵️ 10 самых опасных компьютерных вирусов нового века

Список наиболее опасных вирусов, нанесших в XXI веке значительный урон пользователям по всему миру.

proglib.io/w/10v

Math for Deep Learning: What You Need to Know to Understand Neural Networks (2021)
Автор: Ronald T. Kneusel
Количество страниц: 345

Автор объясняет математику, необходимую для понимания дискуссий по глубокому обучению, изучения более сложных реализаций и более эффективного использования инструментов глубокого обучения. Читая книгу, вы проработаете примеры на Python, чтобы изучить ключевые темы, связанные с глубоким обучением, в области вероятности, статистики, линейной алгебры, дифференциального и матричного исчисления, а также узнаете о том, как реализовать поток данных в нейронной сети, обратное распространение и градиентный спуск. Вы также используете Python для работы с математикой, лежащей в основе этих алгоритмов, и даже для построения полнофункциональной нейронной сети.

Скачать книгу

Краткий обзор индустрии ИИ и финансовых услуг.

https://proglib.io/w/245dfebe

🧩 5 интересных головоломок и задач, чтобы отвлечься от рутины и немного пошевелить извилинами

Читайте очередную еженедельную подборку 5 новых интересных алгоритмических, логических и математических задачек для отдыха и прокачки мозгов.

https://proglib.io/sh/RfSQldjrhX

Hands-On Unsupervised Learning Using Python (2020)
Автор: Ankur A. Patel
Количество страниц: 362

Многие эксперты считают, что машинное обучение без учителя - это новый рубеж в области искусственного интеллекта, который может стать ключом к святому Граалю в исследованиях ИИ, так называемому общему искусственному интеллекту. Поскольку большая часть мировых данных немаркирована, традиционное обучение с учителем часто не может быть применено; здесь помогает Unsupervised Learning. Неконтролируемое обучение может быть применено в работе с немаркированными наборами данных, чтобы обнаруживать значимые закономерности, скрытые глубоко в данных, шаблоны, которые могут быть почти никогда не раскрыты людьми.

Скачать книгу

#вопросы_с_собеседований
Почему ReLU лучше и чаще используется в нейронных сетях, чем сигмоида?

Представьте сеть со случайно проинициализированными весами (или нормализованными). Почти 50% сети дает 0 после активации из-за ReLu (вывод 0 для отрицательных значений x). Это означает, что срабатывает меньше нейронов и сама сеть легче.

Может ли нейронная сеть обучать другие сети?

https://proglib.io/w/5eb544ef

Автор обсуждения делится впечатлениями от первого года работы на позиции аналитика данных.

https://proglib.io/w/ff0d126b

💡 Выжимаем из гигантских нейросетей качество, обучая всего 40к параметров из 3 млрд

Гремучая смесь из глубокого обучения и покемонов — статья о том, как Яндекс применил метод P-tuning для модели YaLM.

https://habr.com/ru/company/yandex/blog/588214/

Все говорят: данные — новая нефть.

Объём рынка Big Data составил $208 млн в прошлом году, по данным Expert Market Research. Прогнозируют, что через пять лет эта цифра вырастет до $450 млн.

Какой вклад у искусственного интеллекта (ИИ) в этом процессе?
Узнаем на 📍AI Journey 2021.

Это международная конференция по искусственному интеллекту и анализу данных, которая пройдёт 10–12 ноября в онлайн-формате. Запланированы выступления более 250 keynote-спикеров.

Среди заявленных тем👇
• Big Data пайплайн для большого распределённого ИИ.
• Моделирование параллельных процессов с помощью 3D-технологий визуализации. Интеграция Big data, AI.
• Прогнозирование движения в роботизированных задачах.

А ещё: самые популярные искусственные нейронные сети, автоматическое визуальное распознавание, передача музыкального стиля при помощи ИИ, технологии ИИ в хирургии, применение ML подходов в медицинской генетике – смотрите всё это на одной площадке, не отходя от экрана монитора.

🔗Регистрироваться бесплатно сейчас

63 алгоритма машинного обучения - введение.

https://proglib.io/w/3e391799

🤖 Наивный байесовский алгоритм классификации: преимущества и недостатки

Наивный байесовский классификатор (Naive Bayes classifier) – это очень популярный в машинном обучении алгоритм, который в основном используется для получения базовой точности набора данных. Изучим его преимущества и недостатки, а также реализацию на языке Python.

https://proglib.io/sh/nhxylH8o4J

Artificial Intelligence in Finance (2020)
Автор: Yves Hilpisch
Количество страниц: 478

Широкое распространение ИИ и машинного обучения сегодня меняет многие отрасли. Как только эти технологии будут объединены с программной доступностью финансовых данных за прошлые периоды и в реальном времени, финансовая отрасль также кардинально изменится. Из этой практической книги вы узнаете, как использовать ИИ и машинное обучение, чтобы обнаруживать статистические недостатки финансовых рынков и использовать их с помощью алгоритмической торговли.

Скачать книгу