Deep Learning: 2018-2019, ч.2

5. Нейрон и ООП в Python: семинар
6. Многослойные нейросети и многоклассовая классификация: лекция
6. Многослойные нейросети и введение в PyTorch: семинар
7. Практика обучения нейросетей: семинар 1
7. Практика обучения нейросетей: семинар 2
8. Основы свёрточных нейросетей: лекция
8. Основы свёрточных нейросетей: семинар
9. Беспилотники: лекция от Яндекса
9. Подготовка данных для свёрточных нейросетей: семинар
10. Natural Language Processing: лекция от ABBYY

🎥 5. Нейрон и ООП в Python: семинар
👁 74 раз ⏳ 4598 сек.
На семинаре рассматриваются основы объектно-ориентированного программирования и реализация модели нейрона на языке Python.

Занятие ведёт Григорий ...

🎥 6. Многослойные нейросети и многоклассовая классификация: лекция
👁 111 раз ⏳ 3480 сек.
Время поговорить о том, как устроены многослойные нейросети, а именно самые простые из них -- полносвязные (Fully Connected) нейронные сети.

В нач...

🎥 6. Многослойные нейросети и введение в PyTorch: семинар
👁 87 раз ⏳ 4540 сек.
На семинаре наглядно демонстрируется работа полносвязных многослойных нейросетей с помощью платформы TensorFlow Playground.

Далее рассказывается ...

🎥 7. Практика обучения нейросетей: семинар 1
👁 24 раз ⏳ 6456 сек.
Материалы семинара (cifar10):
https://drive.google.com/open?id=1dvRnC-Y7My8gwD_A2WTrSpSAeQT7Ek7L

Занятие ведёт Татьяна Гайнцева (ФИВТ МФТИ).
---
...

🎥 7. Практика обучения нейросетей: семинар 2
👁 19 раз ⏳ 2646 сек.
Материалы семинара (notMNIST):
https://drive.google.com/open?id=1dvRnC-Y7My8gwD_A2WTrSpSAeQT7Ek7L

Занятие ведёт Михаил Макаров (ФИВТ МФТИ).

---
...

🎥 8. Основы свёрточных нейросетей: лекция
👁 24 раз ⏳ 1936 сек.
Начинается самое интересное -- свёрточные нейросети!

На этой лекции Роман Ушаков (МФТИ, ШАД) рассказывает о том, из чего эти нейросети состоят -- ...

🎥 8. Основы свёрточных нейросетей: семинар
👁 27 раз ⏳ 3905 сек.
На этом занятии Михаил Макаров (ФИВТ МФТИ) рассказывает об операциях свёртки и пулинга на примерах. Во второй части семинара слушатели практикуются...

🎥 9. Беспилотники: лекция от Яндекса
👁 12 раз ⏳ 6710 сек.
🚗 Беспилотные автомобили — популярная и быстро развивающаяся технология. Мы уверены, Вам интересно, что же она из себя представляет, как работает и...

🎥 9. Подготовка данных для свёрточных нейросетей: семинар
👁 8 раз ⏳ 3718 сек.
На этом семинаре Леонид Мурашов (ФИВТ МФТИ) расскажет о том, как правильно готовить данные для обучения свёрточной нейросети и научит своими руками...

🎥 10. Natural Language Processing: лекция от ABBYY
👁 19 раз ⏳ 4866 сек.
Настало время поговорить о том, что такое обработка естественного языка (natural language processing).

Иван Смуров, руководитель группы "Advanced...

​Машинное обучение и анализ данных: магистратура Высшей школы экономики в Санкт-Петербурге

В этом году запускается новая магистерская программа «Промышленное программирование» на факультете «Санкт-Петербургская школа физико-математических и компьютерных наук» Петербургского кампуса Высшей школы экономики. Эта программа, как и магистерская программа «Разработка программного обеспечения» в Университете ИТМО (мы о ней писали тут), создана в сотрудничестве с компанией JetBrains. В данном посте мы расскажем, что объединяет эти две магистратуры и чем они отличаются.
https://habr.com/ru/company/compscicenter/blog/455606/

🔗 Машинное обучение и анализ данных: магистратура Высшей школы экономики в Санкт-Петербурге
В этом году запускается новая магистерская программа «Промышленное программирование» на факультете «Санкт-Петербургская школа физико-математических и компьютер...

🎥 ICML 2019 A Tutorial on Attention in Deep Learning
👁 1 раз ⏳ 7096 сек.

Нe стoй в cтoронe!
Oбвинения в наркоторгoвле корреcпондентa « Mедyзы» — cамый проcтой и дeйcтвенный споcoб посaдить чeлoвeкa. В Pосси – этo нopмaльноe явлениe посадить на дoлгoe вpемя чeлoвeкa, кoтopый выпoлняя cвoю роботy, рaскpывaя прaвдy o коpрyпции, мaхинaцияx cветит угoлoвноe дeлo. Hаpoд, пoдымaет бунт, они бoятьcя, чтo их могут тaк жe зaкpыть нa долгoe вpeмя. Вeдь каждый можeт окaзаться на eго меcте! В Рocсии coтни тысяч людeй нeвинoвныx cидят, вce пoтoмy чтo кoмy-тo еcть, что cкpывaть. Oни бояться, чтo все иx тaйнoe cтанeт явным. Bот и пoдкидывaют нapкотики, избывaют, cадят лишь бы они зaмoлчaли как прoисхoдит этo с Гoлyнoвым.
Ecли Teбe плeвать тo знaй, зaвтpа a мecтe Гoлyновa можeт окaзаться твой дpуг!

🎥 Develop and Deploy Deep Learning Services at the Edge with IBM
👁 1 раз ⏳ 3741 сек.
Learn more about NVIDIA Jetson at https://developer.nvidia.com/embedded-computing

https://developer.nvidia.com/embedded/jetson-ibm-webinar-nv-slides

Challenging Common Assumptions in the Unsupervised Learning of Disentangled
Representations https://arxiv.org/pdf/1811.12359.pdf

​Make your own Recommendation System

🔗 Make your own Recommendation System
Deep dive into what happens behind the scenes when you are busy binge-watching or listening to an automatically curated playlist

​CNN Heat Maps: Class Activation Mapping (CAM)

🔗 CNN Heat Maps: Class Activation Mapping (CAM)
This is the first post in an upcoming series about different techniques for visualizing which parts of an image a CNN is looking at in…

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 Use Nvidia’s DeepStream and Transfer Learning Toolkit to Deploy Streaming Analytics at Scale
👁 1 раз ⏳ 3664 сек.
Learn about the latest tools for overcoming the biggest challenges in developing streaming analytics applications for video understanding at scale. NVIDIA’s DeepStream SDK framework frees developers to focus on the core deep learning networks and IP, rather than designing an end-to-end framework from scratch. It’s ideal for building applications for edge devices, workstation appliances, and in the cloud. Process camera images and video for applications such as public safety, retail, traffic, transportation,

🎥 High-Performance Input Pipelines for Scalable Deep Learning
👁 1 раз ⏳ 1646 сек.
A production AI system is more than just training a deep learning model. It also includes 1) ingesting and running inference on new data, 2) transformation, processing, and cleaning new data to incorporate it into the training set, 3) continuously retraining to update and continue learning, and 4) experimental pipeline to test improvements to the AI models. This presentation focuses on the importance of high-performance and highly-scalable storage that is needed to take advantage of ever-larger datasets in

​Videoken Enterprise Search

🔗 Videoken Enterprise Search

​Clear Explanation of DEEP LEARNING by MIT. for who wants to start with deep learning.

1) Introduction to Deep Learning
https://lnkd.in/fJ2-WJm

2) Deep Sequence Modelling
https://lnkd.in/fw6CVus

3) Deep Learning for Computer Vision
https://lnkd.in/fqWUtqd

4) Deep Generative Models
https://lnkd.in/f2_66T2

5) Deep Reinforcement Learning
https://lnkd.in/fVxphZd

6) Limitations and New Frontiers
https://lnkd.in/fKEmBjS

Github Link - https://lnkd.in/fwsKKp4

🔗 MIT 6.S191: Introduction to Deep Learning
MIT Introduction to Deep Learning 6.S191: Lecture 1 *New 2019 Edition* Foundations of Deep Learning Lecturer: Alexander Amini January 2019 For all lectures, ...

​Disentangling Disentanglement in Variational Autoencoders

🔗 Disentangling Disentanglement in Variational Autoencoders
We develop a generalisation of disentanglement in variational autoencoders (VAEs)—decomposition of the latent representation—characterising it as the fulfilment of two factors: a) the latent encodi...

​CVPR 2019 Open Access Repository

🔗 CVPR 2019 Open Access Repository

​Может ли разум подделать Вселенную?
Объективная реальность и сами законы физики возникают из наших наблюдений в соответствии с новой концепцией, которая переворачивает с ног на голову то, что мы считаем фундаментальным
.https://habr.com/ru/post/455565/

🔗 Может ли разум подделать Вселенную?
Объективная реальность и сами законы физики возникают из наших наблюдений в соответствии с новой концепцией, которая переворачивает с ног на голову то, что мы сч...

​rtanno21609/AdaptiveNeuralTrees

🔗 rtanno21609/AdaptiveNeuralTrees
Adaptive Neural Trees . Contribute to rtanno21609/AdaptiveNeuralTrees development by creating an account on GitHub.

​Exploratory Data Analysis with Tableau for Classification Problems

🔗 Exploratory Data Analysis with Tableau for Classification Problems
Let’s do EDA to find those groups of customers in the dataset who are better positioned to react in the affirmative to the campaign

​Machine Learning Classification with Python for Direct Marketing

🔗 Machine Learning Classification with Python for Direct Marketing
Let’s create a predictive model to help the telesales team center their efforts on more promising clients first

🎥 Speech Recognition Using Python | Speech To Text Translation in Python | Python Training | Edureka
👁 1 раз ⏳ 1352 сек.
** Python Certification Training: https://www.edureka.co/python **
This Edureka video on 'Speech Recognition in Python' will cover the concepts of speech recognition module in python with a program using speech recognition to translate speech into text. Following are the topics discussed:

How Speech Recognition Works?
How To Install SpeechRecognition In Python?
Working With Microphones
How To Install Pyaudio In Python?
Use case

Python Tutorial Playlist: https://goo.gl/WsBpKe
Blog Series: https://bit.ly/2sq

🎥 Machine Learning In Trading Q&A By Dr. Ernest Chan - June 11, 2019
👁 1 раз ⏳ 3443 сек.
Dr. Ernest P Chan is the Managing Member of QTS Capital Management, LLC. He has worked for various investment banks (Morgan Stanley, Credit Suisse, Maple) and hedge funds (Mapleridge, Millennium Partners, MANE) since 1997.

We, at QuantInsti, bring you a Q&A session on Machine Learning in Trading, with Dr. Ernest Chan.

QuantInsti® is one of the pioneer algorithmic trading research and training institutes across the globe. With its educational initiatives, QuantInsti is preparing financial market professio

​How to deal with outliers in a noisy population?

🔗 How to deal with outliers in a noisy population?
Defining outliers can be a straight forward task. On the other hand, deciding what to do with them always requires some deeper study.