Efficient Processing of Deep Neural Networks (2020)
Авторы: Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer
Количество страниц: 342

В этой книге содержится структурированное описание ключевых принципов и методов обеспечения эффективной обработки глубоких нейронных сетей. DNN (Deep Neural Networks) в настоящее время широко используются во многих приложениях искусственного интеллекта, включая компьютерное зрение, распознавание речи и робототехнику. Хотя DNN обеспечивают высочайшую точность при выполнении многих задач искусственного интеллекта, это достигается за счет высокой вычислительной сложности. Следовательно, методы, которые позволяют эффективно обрабатывать глубокие нейронные сети для улучшения ключевых показателей, таких как энергоэффективность, пропускная способность и задержка, без ущерба для точности или увеличения затрат на оборудование, имеют решающее значение для обеспечения широкого развертывания DNN в системах искусственного интеллекта.

Скачать книгу

Как преобразовать статический график pandas с Matplotlib в интерактивный?

https://proglib.io/w/2df572cd

Быстрые и эффективные нейронные сети копируют мозг стрекозы.

https://proglib.io/w/07047577

Попытка демистифицировать глубокое обучение на графах.

https://proglib.io/w/b8fdad18

Один интересный трюк для сжатия сверточных сетей для TinyML.

https://proglib.io/w/01756f56

Practical Machine Learning for Computer Vision (2021)
Авторы: Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Количество страниц: 482

В этой практической книге показано, как использовать модели машинного обучения для извлечения информации из изображений. Инженеры машинного обучения и специалисты по обработке данных узнают, как решать различные задачи работы с изображениями, включая классификацию, обнаружение объектов, автокодировщики, генерацию изображений, подсчет и создание субтитров с помощью проверенных методов машинного обучения. Эта книга представляет собой отличное введение в сквозное глубокое обучение: создание наборов данных, предварительная обработка данных, проектирование модели, обучение модели, оценка, развертывание и интерпретируемость.

Скачать книгу

Эксперименты с CLIP + VQGAN для создания изображений, созданных искусственным интеллектом.

https://proglib.io/w/8f454707

Курс MIT «Введение в глубокое обучение».

https://proglib.io/w/7dd2d141

LabelMe - DataScience blog - это канал про искусственный интеллект и машинное обучение.

Мы, как и ты, любим технологии и внимательно следим за индустрией. Каждый день мы находим :

• свежие новости по DS, ML, AI
• подробные туториалы, инструкции и руководства
• новые алгоритмы и колабы
• дипфейки и мемы

Если хочешь всегда быть в курсе и первым узнавать о новинках из мира Data Science - подписывайся на наш канал.

Подписаться

10 лучших инструментов для инженеров по обработке данных.

https://proglib.io/w/e8c514af

Разбор топ-10 алгоритмов Data Science.

https://youtu.be/F6-YizP493c

Statistics With R: Solving Problems Using Real-World Data (2020)
Автор: Jenine K. Harris
Количество страниц: 784

Опираясь на примеры из поведенческих и социальных наук, книга Дженин К. Харрис представляет основополагающие концепции статистики с помощью удобного для новичков подхода к программированию на языке R. В книге разобраны самые разные проекты и методы работы с языком. Особое внимание уделяется практической части работы.

Скачать книгу

Сознательный ИИ может быть в пределах досягаемости.

https://proglib.io/w/61a17bb0

OpenAI только что выпустила улучшенную версию Codex, системы искусственного интеллекта, которая переводит естественный язык в код и поддерживает GitHub Copilot через свой API в приватной бета-версии.

https://proglib.io/w/45be1aa9

6 сентября стартует новый поток курса о данных в энтерпрайзе. Это первая подобная программа в России. Ее разработали создатели MDM- и CDI-решений из компании HFLabs.

🧑‍💻 Для кого

Подойдет всем, кто работает или хочет работать с клиентскими данными в крупной компании.

Специальность не имеет значения: полезно аналитикам, архитекторам, тестировщикам, инженерам по данным.

📚 Программа

Пять дней, пять преподавателей, пять модулей:
1. Предпосылки создания MDM-системы. Проектирование модели данных.
2. Построение MDM-системы: структура и правила работы с данными.
3. Добавление новых источников в MDM-систему.
4. Получение данных из эталонной клиентской базы. Обратное распространение.
5. Управление качеством данных в MDM-системе.

🧙‍♂️ Преподаватели

Эти специалисты работают с клиентскими данными в ВТБ, «Открытии», «Росгосстрахе», МТС. Каждый «закрыл» десяток проектов для крупного бизнеса.

🏃‍♀️ Студенты уже регистрируются

Мест всего 16, разбирают быстро. Лучше не медлить.

Узнать больше https://bit.ly/37J0DHL

Глава лаборатории искусственного интеллекта в компании, стоящей за TikTok, ушел из частного сектора и присоединился к Калифорнийскому университету в Санта-Барбаре.

https://proglib.io/w/c28a9c7c

bagua: Распределенная обучающая библиотека для PyTorch на молниеносной скорости.

https://proglib.io/w/478f37f2

3 вещи, которые нельзя делать при изучении науки о данных.

https://proglib.io/w/e748a9ae

Machine Learning in Finance (2020)
Авторы: Matthew F. Dixon, Igor Halperin, Paul Bilokon
Количество страниц: 573

Эта книга знакомит читателя с использованием методов машинного обучения в сфере финансов. В ней реализован уникальный подход к машинному обучению и различным статистическим и вычислительным дисциплинам в количественных финансах, таким как финансовая эконометрика и стохастическое управление с дискретным временем, с акцентом на то, как теории и гипотезы определяют выбор алгоритма для моделирования финансовых данных и принятия решений.
Благодаря тенденции к увеличению вычислительных ресурсов и расширению наборов данных машинное обучение стало важным набором навыков для финансовой индустрии.

Скачать книгу

6 вопросов, которые мне задали на Data Science собеседовании.

https://proglib.io/w/b55ad664