​Mingxing Tan and Quoc V. Le. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML 2019. Arxiv link: https://arxiv.org/abs/1905.11946.
https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet

🔗 tensorflow/tpu
Reference models and tools for Cloud TPUs. Contribute to tensorflow/tpu development by creating an account on GitHub.

🎥 Deep Learning на пальцах 15 - Заключение
👁 7 раз ⏳ 5641 сек.
Курс: https://dlcourse.ai

​When and when not to A/B test

🔗 When and when not to A/B test
Split test vs. multi-armed bandit: simulation, source code and ready-to-use app

🎥 Азамат Бердышев - Элегантные абстракции в вычислениях машинного обучения
👁 1 раз ⏳ 3967 сек.
VI DS/ML Meetup Astana

4) Абстракции в вычислениях машинного обучения.
Азамат Бердышев рассмотрит конфликт между dynamism, generics & speed в вычислениях машинного обучения. Он попытается донести, что при правильной абстракции вычислений, несмотря на то, что мы наблюдаем в Python, R, MATLAB и др., можно писать код, обладающий всеми тремя качествами.

Мы также попытаемся понять, какие из существующих ограничений софта являются фундаментальными (т.е. от железа), а какие случайными (т.е. связаны с дизайном с

​50,000 training samples

https://www.profillic.com/paper/arxiv:1905.10498

🔗 Profillic: AI research & source code to supercharge your projects
Explore state-of-the-art in machine learning, AI, and robotics research. Browse papers, source code, models, and more by topics and authors. Connect with researchers and engineers working on related problems in machine learning, deep learning, natural language processing, robotics, computer vision, data mining, neural networks, artificial intelligence/AI, data science... and explore working together on projects, github code

🎥 Stanford CS234: Reinforcement Learning | Winter 2019 | Lecture 15 - Batch Reinforcement Learning
👁 1 раз ⏳ 4727 сек.
Professor Emma Brunskill, Stanford University
https://onlinehub.stanford.edu/

Professor Emma Brunskill
Assistant Professor, Computer Science
Stanford AI for Human Impact Lab
Stanford Artificial Intelligence Lab
Statistical Machine Learning Group

To follow along with the course schedule and syllabus, visit: https://web.stanford.edu/class/cs234/index.html

To get the latest news on Stanford’s upcoming professional programs in Artificial Intelligence, visit: https://learn.stanford.edu/AI.html

To view a

🎥 How Dangerous are AI and Algorithms? | Martin Ford | Rubin Report
👁 1 раз ⏳ 2072 сек.
In this episode of The Rubin Report Dave Rubin talks to Martin Ford (Author and Futurist) about AI, the power of computers and robots, Deep Learning, his views on promoting Universal Basic Income, and more. **Support The Rubin Report: https://www.rubinreport.com/donate

Stay tuned for Part 2 of Dave's interview with Martin Ford coming tomorrow and the full interview airing Friday 5/31.

Subscribe to The Rubin Report: https://www.youtube.com/subscription_center?add_user=RubinReport

See Dave LIVE: https://da

🎥 Stanford CS234: Reinforcement Learning | Winter 2019 | Lecture 16 - Monte Carlo Tree Search
👁 1 раз ⏳ 4031 сек.
Professor Emma Brunskill, Stanford University
https://onlinehub.stanford.edu/

Professor Emma Brunskill
Assistant Professor, Computer Science
Stanford AI for Human Impact Lab
Stanford Artificial Intelligence Lab
Statistical Machine Learning Group

To follow along with the course schedule and syllabus, visit: https://web.stanford.edu/class/cs234/index.html

To get the latest news on Stanford’s upcoming professional programs in Artificial Intelligence, visit: https://learn.stanford.edu/AI.html

To view a

​EfficientNet: Improving Accuracy and Efficiency through AutoML and Model Scaling

https://ai.googleblog.com/2019/05/efficientnet-improving-accuracy-and.html

🔗 EfficientNet: Improving Accuracy and Efficiency through AutoML and Model Scaling
Posted by Mingxing Tan, Staff Software Engineer and Quoc V. Le, Principal Scientist, Google AI Convolutional neural networks (CNNs) are c...

🎥 Should AI Research Try to Model the Human Brain?
👁 1 раз ⏳ 420 сек.
❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers

₿ Crypto and PayPal links are available below. Thank you very much for your generous support!
› PayPal: https://www.paypal.me/TwoMinutePapers
› Bitcoin: 1a5ttKiVQiDcr9j8JT2DoHGzLG7XTJccX
› Ethereum: 0xbBD767C0e14be1886c6610bf3F592A91D866d380
› LTC: LM8AUh5bGcNgzq6HaV1jeaJrFvmKxxgiXg

📝 The paper "Reinforcement Learning, Fast and Slow" is available here:
https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(19)30

​Соревнование ML-систем на лингвистическом материале. Как мы учились заполнять пропуски

https://habr.com/ru/company/abbyy/blog/453974/

🔗 Соревнование ML-систем на лингвистическом материале. Как мы учились заполнять пропуски
Каждый год в Москве проходит конференция "Диалог", в которой участвуют лингвисты и специалисты по анализу данных. Они обсуждают, что такое естественный язык, как...

🎥 Epic Growth Conference: Андрей Законов (ВКонтакте). Product-driven подход к машинному обучению
👁 5 раз ⏳ 1411 сек.
🔥Telegram-канал по продуктовому маркетингу: https://www.t.iss.one/epicgrowth

Директор по росту и исследованиям ВКонтакте Андрей Законов рассказал на Epic Growth Conference, как получить прирост активности пользователей с помощью внедрения машинного обучения в продукт, а также поделился интересными результатами экспериментов.

Расшифровка доклада: https://vc.ru/marketing/69828-product-driven-podhod-k-mashinnomu-obucheniyu-keys-vkontakte

#egconf

​The Definite Guide For Creating An Academic-Level Dataset With Industry Requirements & Constraints

🔗 The Definite Guide For Creating An Academic-Level Dataset With Industry Requirements & Constraints
Guidelines For Creating Your Own Data With Industry Requirements & Constraints. Aimed To Aid You When Making Key Decisions.

​Using Reinforcement Learning to play Super Mario Bros on NES using TensorFlow

🔗 Using Reinforcement Learning to play Super Mario Bros on NES using TensorFlow
Reinforcement learning is currently one of the hottest topics in machine learning. For a recent conference we attended (the awesome Data…

​From Ian Goodfellow https://twitter.com/goodfellow_ian/status/1133528189651677184

🔗 Ian Goodfellow on Twitter
Whoa! It turns out that famous examples of NLP systems succeeding and failing were very misleading. “Man is to king as woman is to queen” only works if the model is hardcoded not to be able to say “king” for the last word.

🎥 How Deep Neural Networks Work
👁 4 раз ⏳ 1405 сек.
How Deep Neural Networks Work
A gentle introduction to the principles behind neural networks, including back-propagation.

#Deep #Neural #Networks

​Реставрируем фотографии с помощью нейросетей

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Всем привет, я работаю программистом-исследователем в команде компьютерного зрения Mail.ru Group. Ко Дню Победы в этом году мы решили сделать проект по реставрации военных фотографий. Что такое реставрация фотографий? Она состоит из трех этапов:

находим все дефекты изображения: надломы, потертости, дырки;
закрашиваем найденные дефекты, основываясь на значениях пикселей вокруг них;
раскрашиваем изображение.

В этой статье я детально пройдусь по каждому из этапов реставрации и расскажу, как и где мы брали данные, какие сети мы учили, что у нас получилось, на какие грабли мы наступили.
https://habr.com/ru/company/mailru/blog/453872/

🔗 Реставрируем фотографии с помощью нейросетей
Всем привет, я работаю программистом-исследователем в команде компьютерного зрения Mail.ru Group. Ко Дню Победы в этом году мы решили сделать проект по реставр...

🎥 Perfomance tuning Twitter services with Graal and Machine Learning. Chris Thalinger, Twitter
👁 1 раз ⏳ 3264 сек.

🎥 Q Learning Intro/Table - Reinforcement Learning p.1
👁 1 раз ⏳ 1444 сек.
Welcome to a reinforcement learning tutorial. In this part, we're going to focus on Q-Learning.

Q-Learning is a model-free form of machine learning, in the sense that the AI "agent" does not need to know or have a model of the environment that it will be in. The same algorithm can be used across a variety of environments.

For a given environment, everything is broken down into "states" and "actions." The states are observations and samplings that we pull from the environment, and the actions are the choic

​https://arxiv.org/pdf/1905.09773v1.pdf

🔗

🎥 Современный политический анализ: искусственный интеллект, биг дата, машинное обучение.
👁 1 раз ⏳ 10807 сек.