​Consider TPOT your Data Science Assistant. TPOT is a Python Automated Machine Learning tool that optimizes machine learning pipelines using genetic programming.
https://github.com/EpistasisLab/tpot

🔗 EpistasisLab/tpot
A Python Automated Machine Learning tool that optimizes machine learning pipelines using genetic programming. - EpistasisLab/tpot

#ProgrammingKnowledge #ComputerVision #OpenCV
OpenCV Python Tutorial For Beginners 30 - Probabilistic Hough Transform using HoughLinesP in OpenCV

🎥 OpenCV Python Tutorial For Beginners 30 - Probabilistic Hough Transform using HoughLinesP in OpenCV
👁 1 раз ⏳ 648 сек.
code - https://gist.github.com/pknowledge/baa1e9785d818e70be78f7ac5795ee51
In this video on OpenCV Python Tutorial For Beginners, we are going to see Probabilistic Hough Transform using HoughLinesP method in OpenCV.
OpenCV implements two kind of Hough Line Transforms
The Standard Hough Transform (HoughLines method)
The Probabilistic Hough Line Transform (HoughLinesP method)

lines=cv.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])

rho : Distance resolution of the accum

#Python #ArtificialIntelligence #AI
AI Teaches Itself to Play Flappy Bird - Using NEAT Python!

🎥 AI Teaches Itself to Play Flappy Bird - Using NEAT Python!
👁 1 раз ⏳ 617 сек.
Watch an genetic/evolutionary algorithm slowly progress and teach itself to flappy bird. The AI that learns to play this game using an algorithm called NEAT. In this video I show how the AI works and go into some specific details about the concepts behind it.

Code: https://github.com/techwithtim/NEAT-Flappy-Bird
NEAT-Python Moduler: https://neat-python.readthedocs.io/en/latest/
Original NEAT Paper: https://nn.cs.utexas.edu/downloads/papers/stanley.cec02.pdf

Inspired By: https://www.youtube.com/watch?v=WSW-

​Differential Privacy Note 2: A Powerful Synopsis from the Bible of Privacy
“Tell me and I forget. Teach me and I remember. Involve me and I learn.”  — Benjamin Franklin

https://towardsdatascience.com/differential-privacy-note-2-a-powerful-synopsis-from-the-bible-of-privacy-51e2f99d3900?source=collection_home---4------2-----------------------

🔗 Differential Privacy Note 2: A Powerful Synopsis from the Bible of Privacy
“Tell me and I forget. Teach me and I remember. Involve me and I learn.”
 — Benjamin Franklin

​What is Decision Intelligence?
A new discipline for leadership in the AI era
https://towardsdatascience.com/introduction-to-decision-intelligence-5d147ddab767?source=collection_home---4------1-----------------------

🔗 Introduction to Decision Intelligence
A new discipline for leadership in the AI era

​Model predicts cognitive decline due to Alzheimer’s, up to two years out
Researchers hope the system can zero in on the right patients to enroll in clinical trials, to speed discovery of drug treatments.

https://news.mit.edu/2019/model-predicts-alzheimers-decline-0802

🔗 Model predicts cognitive decline due to Alzheimer’s, up to two years out
Researchers hope the system can zero in on the right patients to enroll in clinical trials, to speed discovery of drug treatments.

Курс «Программирование на языке Python для сбора и анализа данных»
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
1. Первое знакомство
2. Списки и цикл for
3. Ввод-вывод списков и проверка условий
4. Функции
5. Словари, списковые включения
6. Сортировка. Форматирование строк
7. Указатели. Множества. Строки. Файлы
8. Извлечение данных из веб-страниц
9. Работа с открытыми API с помощью XML
#python

🎥 Лекция №1: первое знакомство
👁 2 раз ⏳ 2902 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №1: первое знакомство.
...

🎥 Лекция №2: Списки и цикл for
👁 1 раз ⏳ 4009 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №2: Списки и цикл for, ...

🎥 Лекция №3: ввод-вывод списков и проверка условий
👁 1 раз ⏳ 4227 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №3: ввод-вывод списков ...

🎥 Лекция №4: функции
👁 1 раз ⏳ 4247 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №4: функции, 24 октября...

🎥 Лекция №5: словари, списковые включения
👁 1 раз ⏳ 2632 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №5: Словари. Списковые ...

🎥 Лекция №6. Сортировка. Форматирование строк
👁 1 раз ⏳ 3229 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №6: Сортировка. Формати...

🎥 Лекция №7: Указатели. Множества. Строки. Файлы
👁 1 раз ⏳ 3848 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №7: Указатели. Множест...

🎥 Лекция 8. Извлечение данных из веб-страниц
👁 1 раз ⏳ 3044 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №8: Извлечение данных ...

🎥 Лекция №9: Работа с открытыми API с помощью XML
👁 1 раз ⏳ 1458 сек.
Курс «Программирование на языке Python для сбора и анализа данных», НИУ ВШЭ, 2015-16 учебный год, лектор Илья Щуров. Лекция №9: Работа с открытыми ...

​Deep Sensor Fusion for Real-Time Odometry Estimation

Authors: Michelle Valente, Cyril Joly, Arnaud de La Fortelle

Abstract: …consecutive frames. Results on a real road dataset show that the fusion network runs in real-time and is able to improve the odometry estimation of a single sensor alone by learning how to fuse two different types of data information.
https://arxiv.org/abs/1908.00524

🔗 Deep Sensor Fusion for Real-Time Odometry Estimation
Cameras and 2D laser scanners, in combination, are able to provide low-cost, light-weight and accurate solutions, which make their fusion well-suited for many robot navigation tasks. However, correct data fusion depends on precise calibration of the rigid body transform between the sensors. In this paper we present the first framework that makes use of Convolutional Neural Networks (CNNs) for odometry estimation fusing 2D laser scanners and mono-cameras. The use of CNNs provides the tools to not only extract the features from the two sensors, but also to fuse and match them without needing a calibration between the sensors. We transform the odometry estimation into an ordinal classification problem in order to find accurate rotation and translation values between consecutive frames. Results on a real road dataset show that the fusion network runs in real-time and is able to improve the odometry estimation of a single sensor alone by learning how to fuse two different types of data information.

​"Songs to sing in the car" - recommender systems at Spotify (human vs machine) | AI Podcast Clips

🔗 "Songs to sing in the car" - recommender systems at Spotify (human vs machine) | AI Podcast Clips
This is a clip from a conversation with Gustav Soderstrom on the Artificial Intelligence podcast. You can watch the full conversation here: https://bit.ly/2yzx6hN or watch other AI clips here: https://bit.ly/2JYkbfZ Gustav Soderstrom is the Chief Research & Development Officer at Spotify, leading Product, Design, Data, Technology & Engineering teams. Full episode: https://bit.ly/2yzx6hN Clips playlist: https://bit.ly/2JYkbfZ Full episodes playlist: https://bit.ly/2EcbaKf Podcast website: https://lexfridman.com

​Treat Negation Stopwords Differently According to Your NLP Task
The negation words (not, nor, never) are considered to be stopwords in NLTK, spacy and sklearn, but we should pay different attention
https://towardsdatascience.com/treat-negation-stopwords-differently-according-to-your-nlp-task-e5a59ab7c91f?source=collection_home---4------1-----------------------

🔗 Treat Negation Stopwords Differently According to Your NLP Task
The negation words (not, nor, never) are considered to be stopwords in NLTK, spacy and sklearn, but we should pay different attention…

​Shifts & Twists in Business Analytics: Reflections from Qlik Qonnections and Alteryx Inspire
Business Analytics evolves mostly upward, but with unexpected shifts in thinking and sudden twists in technology.
https://towardsdatascience.com/https-towardsdatascience-com-shifts-twists-in-business-analytics-bec8766091b9?source=topic_page---------2------------------1

🔗 Shifts & Twists in Business Analytics: Reflections from Qlik Qonnections and Alteryx Inspire
Business Analytics evolves mostly upward, but with unexpected shifts in thinking and sudden twists in technology.

​LSTM-based African Language Classification
Tired of German-French dataset? Look at Yemba, and stand out. Mechanics of LSTM, GRU explained and applied, with powerful visuals and code.
https://towardsdatascience.com/lstm-based-african-language-classification-e4f644c0f29e?source=collection_home---4------0-----------------------

🔗 LSTM-based African Language Classification
Tired of German-French dataset? Look at Yemba, and stand out. Mechanics of LSTM, GRU explained and applied, with powerful visuals and code.

​Deep Generative Model Driven Protein Folding Simulation

Authors: Heng Ma, Debsindhu Bhowmik, Hyungro Lee, Matteo Turilli, Michael T. Young, Shantenu Jha, Arvind Ramanathan

Abstract: …ensemble of MD runs, and (2) identifying novel states from which simulations can be initiated to sample rare events (e.g., sampling folding events).
https://arxiv.org/abs/1908.00496

🔗 Deep Generative Model Driven Protein Folding Simulation
Significant progress in computer hardware and software have enabled molecular dynamics (MD) simulations to model complex biological phenomena such as protein folding. However, enabling MD simulations to access biologically relevant timescales (e.g., beyond milliseconds) still remains challenging. These limitations include (1) quantifying which set of states have already been (sufficiently) sampled in an ensemble of MD runs, and (2) identifying novel states from which simulations can be initiated to sample rare events (e.g., sampling folding events). With the recent success of deep learning and artificial intelligence techniques in analyzing large datasets, we posit that these techniques can also be used to adaptively guide MD simulations to model such complex biological phenomena. Leveraging our recently developed unsupervised deep learning technique to cluster protein folding trajectories into partially folded intermediates, we build an iterative workflow that enables our generative model to be coupled with

​Location-Based Recommendations
Create a location-based recommender with machine learning.
https://towardsdatascience.com/location-based-recommendations-bb70af7b1538?source=collection_home---4------2-----------------------

🔗 Location-Based Recommendations
Create a location-based recommender with machine learning.

​Stanford University School of Engineering CS224N Natural Language Processing with Deep Learning

https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_

🔗 CS224N Natural Language Processing with Deep Learning - YouTube
https://web.stanford.edu/class/cs224n/syllabus.html

#data #mining #weka
Data mining with Weka | Data mining Tutorial for Beginners

🎥 Data mining with Weka | Data mining Tutorial for Beginners
👁 1 раз ⏳ 13741 сек.
In this data mining course you will learn how to do data mining tasks with Weka. This #data #mining course has been designed for beginners. It will walk you through data mining process with #weka. Weka is very powerful and widely used for data mining.

Enjoy this data mining course and share with those who need it.

Topic Covered:
***************
Data Mining with Weka (1.1: Introduction)

Data Mining with Weka (1.2: Exploring the Explorer)

Data Mining with Weka (1

​Dog Breed prediction using CNNs and transfer learning
In this article, I will demonstrate how to use keras and tensorflow to build, train, and test a Convolutiuonal Neural Network
https://towardsdatascience.com/dog-breed-prediction-using-cnns-and-transfer-learning-22d8ed0b16c5?source=collection_home---4------2-----------------------

🔗 Dog Breed prediction using CNNs and transfer learning
In this article, I will demonstrate how to use keras and tensorflow to build, train, and test a Convolutiuonal Neural Network capable of…

​Несколько соображений по поводу параллельных вычислений в R применительно к «enterprise» задачам

#BigData

Параллельные или распределенные вычисления — вещь сама по себе весьма нетривиальная. И среда разработки должна поддерживать, и DS специалист должен обладать навыками проведения параллельных вычислений, да и задача должна быть приведена к разделяемому на части виду, если таковой существует. Но при грамотном подходе можно весьма ускорить решение задачи однопоточным R, если у вас под руками есть хотя бы многоядерный процессор (а он есть сейчас почти у всех), с поправкой на теоретическую границу ускорения, определяемую законом Амдала. Однако, в ряде случаев даже его можно обойти.

https://habr.com/ru/post/462469/

🔗 Несколько соображений по поводу параллельных вычислений в R применительно к «enterprise» задачам
Параллельные или распределенные вычисления — вещь сама по себе весьма нетривиальная. И среда разработки должна поддерживать, и DS специалист должен обладать навы...

​Ученые заявили ИИ в качестве автора нового патента и пытаются изменить патентное законодательство

#Искусственныйинтеллект

Ученые и юристы из Великобритании пытаются одержать верх в споре с патентными чиновниками относительно регистрации одного изобретения. Эта команда заявила в качестве автора изобретения искусственный интеллект. Патентная заявка, о которой идет речь, подана сразу в трех разных странах.

Dabus AI, такое название получил ИИ, заявлен в качестве автора изобретения в Великобритании, ЕС и США. По словам команды, которая инициировала весь процесс, процесс регистрации патентов должен быть изменен с тем, чтобы в качестве авторов можно было заявлять не только людей. Собственно, ученые желают просто показать, что законодательство большинства стран не готово к изменениям, которые происходят уже сейчас.
https://habr.com/ru/company/madrobots/blog/462477/

🔗 Ученые заявили ИИ в качестве автора нового патента и пытаются изменить патентное законодательство
Ученые и юристы из Великобритании пытаются одержать верх в споре с патентными чиновниками относительно регистрации одного изобретения. Эта команда заявила в ка...

Машинное обучение в IOT устройствах (demo)

🎥 Машинное обучение в IOT устройствах (demo)
👁 1 раз ⏳ 601 сек.
Машинное обучение в IOT устройствах (ru)
Никита Бедункевич - Head of hardware development OneSoil
Обзор существующих решений и архитектур для встраиваемых систем. Реализация нейроускорителя на базе FPGA для IoT.

​George Hotz: Comma.ai, OpenPilot, and Autonomous Vehicles | Artificial Intelligence (AI) Podcast

🔗 George Hotz: Comma.ai, OpenPilot, and Autonomous Vehicles | Artificial Intelligence (AI) Podcast
George Hotz is the founder of Comma.ai, a machine learning based vehicle automation company. He is an outspoken personality in the field of AI and technology in general. He first gained recognition for being the first person to carrier-unlock an iPhone, and since then has done quite a few interesting things at the intersection of hardware and software. This conversation is part of the Artificial Intelligence podcast. INFO: Podcast website: https://lexfridman.com/ai YouTube Playlist: https://bit.ly/2EcbaKf