​​Советы от Гугла по построению систем ML
Этот документ призван помочь тем, кто обладает базовыми знаниями в области машинного обучения, и хочет получить
преимущества передового опыта от Google.

#книгадня #статьядня

Файл прикреплен ниже!

Обучайте, оценивайте, повторяйте: создание системы обнаружения мошенничества с кредитными картами
В этом выступлении рассматриваются три основные проблемы ML, с которыми столкнулся (и решил!) Stripe при создании своей системы обнаружения мошенничества с кредитными картами: выбор меток для мошенничества, которые распространяются на всех продавцов, устранение дисбаланса классов (допустимые обвинения значительно превышают число мошеннических) и проведение контрфактивной оценки ( для измерения производительности и получения данных обучения, когда система ML сама меняет результаты).

#видеодня

Speaker: Лила Сентил Натан

https://prglb.ru/5dgfl

​​Как изучать Data Science в 2019: ответы на частые вопросы
Мысль о том, чтобы изучать Data Science, не даёт вам покоя? Возможно, не зря. В этой статье мы ответили на ряд популярных вопросов новичков.

#статьядня

https://prglb.ru/5pet6

Любой сервис, на котором вообще есть поиск, рано или поздно приходит к потребности научиться исправлять ошибки в пользовательских запросах. Пользователи постоянно опечатываются и ошибаются, и качество поиска от этого неизбежно страдает — а с ним и пользовательский опыт.

При этом каждый сервис обладает своей спецификой, своим лексиконом, которым должен уметь оперировать исправитель опечаток.

#статьядня

https://prglb.ru/4afrh

Анализ изображений и видео (часть 2)
Лекция 1. Поиск изображений по содержанию
Лекция 2. Детектирование объектов
Лекция 3. Детектирование объектов 2
Лекция 4. Цифровой фотомонтаж
Лекция 5. Сегментация изображений
Лекция 6. Генеративные сети
Лекция 7. Генеративные сети 2
Лекция 8. Трекинг объектов
Лекция 9. Трекинг объектов часть 2

Преподаватель курса: Алексей Сергеевич Артамонов

А вот ссылочка на первую часть:
https://prglb.ru/49wyy

#youtubeдня

https://prglb.ru/2ivrt

​​The Data Science Handbook
Автор: Field Cady

Книга направлена на более опытных специалистов и рассматривает классические алгоритмы машинного обучения, от их математических основ до реальных приложений, инструменты визуализации, а также классическую статистику, помогающую читателю критически подумать об интерпретации данных.

В книге рассматриваются следующие темы:
✔️ дорожная карта разработчика в области data science;
✔️ языки программирования, необходимые для data science (scala, python, etc);
✔️ визуализация и простая метрика;
✔️ машинное обучение;
✔️ техническая документация и многое другое.

Скачать книгу:
 https://t.iss.one/progbook/1574

​​ 11 must-have алгоритмов машинного обучения для Data Scientist
Статья содержит в себе список одиннадцати алгоритмов машинного обучения. К каждому прилагается краткое описание, гайды и полезные ссылки.

#статьядня

https://prglb.ru/4z1ns

Руководство хакера по нейронным сетям
Автор работал над глубоким обучением в течение нескольких лет в рамках своего исследования, и среди его проектов - ConvNetJS - библиотека Javascript для обучения нейронных сетей.
Javascript позволяет наглядно представить, что происходит, и поэкспериментировать с различными настройками гиперпараметра

#книгадня

https://prglb.ru/5e9lo

Парадокс Симпсона и интерпретация данных
Решаем задачу поиска правильного представления данных.

#статьядня

https://prglb.ru/2laci

​​Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning
Автор: Chris Albon

Это руководство рассматривает современные подходы языка к решению актуальных проблем в данной области, принятые стандарты и практики, а также реальные примеры применения.

#книгадня

Скачать книгу:
https://prglb.ru/2x68k

SC-FEGAN: Генеративная состязательная сеть редактирования лица с эскизом и цветом пользователя
Система редактирования изображений, которая генерирует изображения, когда пользователь предоставляет маску произвольной формы, эскиз и цвет в качестве входных данных.

#статьядня

https://prglb.ru/5c5eu

«Прометей» — это решение для раннего обнаружения пожаров, в котором объединены ИИ, компьютерное зрение, автоматические дроны и сервисы прогноза погоды.

#статьядня

https://prglb.ru/3mtm2

​​Онлайн книга про нейросети от MIT
Учебник по глубокому обучению - это ресурс, предназначенный для того, чтобы помочь студентам и практическим специалистам освоить области машинного обучения в целом и глубокого обучения в частности. Онлайн-версия книги завершена и будет доступна онлайн бесплатно.

#полезностьдня #книгадня

https://prglb.ru/4ezd6

Открытый курс машинного обучения. Линейные модели классификации и регрессии
Основное преимущество данного открытого курса - это акцент на практическом применении линейных моделей в реальных задачах (хотя и математики тоже будет немало).

#статьядня

https://prglb.ru/yicl

PyText - это основанная на PyTorch платформа моделирования НЛП с глубоким обучением. PyText отвечает на часто противоречивые требования обеспечения быстрого экспериментирования и обслуживания моделей в масштабе.

#библиотекадня

https://prglb.ru/1v1qu

В документе также упоминается тот же ограниченный API, что и в AllenNLP.
https://prglb.ru/4bkkw

​​Капсульные сети встряхивают AI: вот как их использовать
Если вы изучаете ИИ, возможно, вы также слышали о появлении такого революционного явления, как капсульные сети. Начните их использовать уже сегодня!

#статьядня

https://prglb.ru/5d73x

​​Профессия Data Scientist стартует 8 апреля в Нетологии.

Достигнутые результаты после обучения:
— Построена полносвязная нейросеть
— Создан чат-бот для поиска авиабилетов
— Построен классификатор изображений
— Созданы рекомендательные системы для музыкального и киносайта
— Создан готовый к внедрению ml-проект

Скидка 15% для по промокоду datascience15. Действует до конца марта и суммируется с остальными сезонными скидками.

Зарегистрируйтесь на курс здесь: https://netolo.gy/eQb

​​​​Deep Learning for Computer Vision with Python
Автор: Dr. Adrian Rosebrock

Тем, кто знает Python и профессионально на нём программирует, невероятно повезло: вы можете делать обычное программное обеспечение, можете обрабатывать естественные языки, рисовать графики, производить сложные математические вычисления, составлять фото-роботы, а теперь ещё и создавать программы компьютерного зрения с помощью глубокого обучения. Это руководство познакомит вас с основами компьютерного зрения, с библиотеками и лучшими практиками.

#книгадня

Скачать книгу:
 https://t.iss.one/progbook/1504