​DragFace: Training a GAN for Drag Queen Transformation

🔗 DragFace: Training a GAN for Drag Queen Transformation
Drag queens have been gaining popularity among wider and wider populations nowadays. They also play a strong and inspiring role in the…

​An Analysis of Amazonian Forest Fires

🔗 An Analysis of Amazonian Forest Fires
How does a wildfire start in a rainforest?

Нейросети для анализа текстов

Нейронные сети для обработки естественного языка
Представление текста в цифровом виде для нейросети
Анализ тональности отзывов на фильмы IMDB
Представление текста вектором One Hot Encoding
Представление текста плотным вектором
Рекуррентные нейросети
Анализ тональности текста рекуррентной нейросетью

#neural

🎥 Нейронные сети для обработки естественного языка | Нейросети для анализа текстов
👁 24 раз ⏳ 589 сек.
Вводное описание курса "Нейросети для анализа текстов". Страница курса - https://www.asozykin.ru/courses/nnpython

Курс посвящен изучению основ пр...

🎥 Представление текста в цифровом виде для нейросети | Нейросети для анализа текстов
👁 7 раз ⏳ 794 сек.
В видео рассматриваются различные методы токенизации и векторизации текста для представления его в виде, пригодном для обработки нейросетью. Страни...

🎥 Анализ тональности отзывов на фильмы IMDB | Нейросети для анализа текстов
👁 7 раз ⏳ 1047 сек.
Применение Keras и TensorFlow для определения тональности текстов. Страница курса - https://www.asozykin.ru/courses/nnpython

Рассматривается загр...

🎥 Представление текста вектором One Hot Encoding | Нейросети для анализа текстов
👁 3 раз ⏳ 456 сек.
Представление текста в виде вектора One Hot Encoding для анализа нейронной сетью. Страница курса - https://www.asozykin.ru/courses/nnpython

Лекци...

🎥 Представление текста плотным вектором | Нейросети для анализа текстов
👁 4 раз ⏳ 752 сек.
Как использовать плотные векторные представления слов (embeddings) для анализа текста нейронной сетью. Страница курса - https://www.asozykin.ru/cou...

🎥 Рекуррентные нейросети | Нейросети для анализа текстов
👁 4 раз ⏳ 869 сек.
Лекция по рекуррентным нейронным сетям и их применению для анализа текстов. Страница курса - https://www.asozykin.ru/courses/nnpython

В предыдущи...

🎥 Анализ тональности текста рекуррентной нейросетью | Нейросети для анализа текстов
👁 4 раз ⏳ 374 сек.
Пример использования простой рекуррентной нейронной сети в TensorFlow для анализа тональности отзывов на фильмы из набора IMDB. Страница курса - ht...

​Writing Linguistic Rules for Natural Language Processing

🔗 Writing Linguistic Rules for Natural Language Processing
With a guide to question type extraction with spaCy

🎥 PySpark for Data Engineering and Machine Learning
👁 1 раз ⏳ 2805 сек.
PySpark for Data Engineering and Machine Learning

Presenter: Mikhail Vladimirov, Director of Curriculum Architecture
Recorded on: September 20, 2019
Duration: 60 min.

Description: In this webinar we will review the core capabilities of PySpark as well as PySpark’s areas of specialization in data engineering, ETL, and Machine Learning use cases.

Related courses: WA2845 Practical Machine Learning with Apache Spark



https://www.webagesolutions.com/webinars/categories/bigdataandnosql

​IntelliSense на основе ИИ для вашего кода
Visual Studio IntelliCode использует машинное обучение, чтобы делать полезные, контекстно-насыщенные предложения по дополнению кода при его написании, что позволяет быстрее изучать API и код. Хотя базовая модель IntelliCode была обучена на более чем 3000 лучших репозиториях C# на GitHub с открытым исходным кодом, она не включает в себя все кастомные типы из вашего кода. Для создания полезных, высокоточных, контекстно-насыщенных предложений модель необходимо адаптировать к уникальным типам или API-интерфейсам, специфичным для предметной области, которые не используются в открытом исходном коде. Для этого можно обучить модель на вашем коде.

Ранее в этом году мы расширили возможности обучения модели ML и вывели их за пределы первоначальной обученной базовой модели с Github, чтобы вы могли персонализировать предложения IntelliCode путем создания моделей, обученных на вашем собственном коде..

🔗 IntelliSense на основе ИИ для вашего кода
Visual Studio IntelliCode использует машинное обучение, чтобы делать полезные, контекстно-насыщенные предложения по дополнению кода при его написании, что позвол...

​ВТБ организует встречи с представителями IT и бизнес-сообщества, чтобы поделиться своим опытом развития технологий — Fintech Talks. На втором митапе 2 декабря расскажем как построена работа со всеми большими данными в банке. Обязательна предварительная регистрация — https://rb.ru/vtb/meetup2/

🔗 BigData-эволюция в ВТБ. Новый взгляд на функцию моделирования
Митапы Fintech Talks – специальный проект ВТБ и Rusbase

​Bayesian deep learning with Fastai : how not to be uncertain about your uncertainty !

🔗 Bayesian deep learning with Fastai : how not to be uncertain about your uncertainty !
We explore Bayesian Neural Networks with Dropout, to get uncertainty measures for free, and experiment those using Fastai

​Профессиональное сообщество Facebook Developer Circle: Moscow запускает серию событий по ML & AI

Системы машинного обучения и искусственного интеллекта все чаще встречаются в нашем быту, медицине, экономике и финансах, археологии, логистике и т.д. Сферы деятельности можно перечислять и дальше, что еще ярче подчеркивает актуальность обсуждения технических задач, над которыми трудятся инженеры ML & AI.

Этим митапом сообщество Facebook Developer Circle: Moscow открывает серию событий в области Machine Learning & Artificial Intelligence, чтобы инженеры данной области могли все чаще встречаться, делиться своим опытом и результатами работы, учиться друг у друга чему-то новому.

В ходе технических выступлений своими знаниями с вами поделятся инженеры таких компаний как Catalyst, Yandex, Kaspersky Lab и Rambler Group. Программа мероприятия состоит из четырех выступлений, из которых вы узнаете, каковы особенности использования машинного обучения в крупных проектах, и как развить свои навыки для эффективного использования в собственных проектах.

Митап состоится пятого декабря в офисе Rambler Group, который расположен по адресу: Москва, Варшавское шоссе 9, строение 1, вход 5 (БЦ Даниловская мануфактура, Ряды Солдатенкова). Количество мест ограничено, для участия необходимо зарегистрироваться ЗДЕСЬ.

🔗 Профессиональное сообщество Facebook Developer Circle: Moscow запускает серию событий по ML & AI
Системы машинного обучения и искусственного интеллекта все чаще встречаются в нашем быту, медицине, экономике и финансах, археологии, логистике и т.д. Сферы де...

🎥 A Label-Free World - Current State Of Unsupervised Deep Learning | Facebook / NYU
👁 1 раз ⏳ 2473 сек.
Download Slides: https://www.datacouncil.ai/talks/a-label-free-world-current-state-of-unsupervised-deep-learning

WANT TO EXPERIENCE TALKS LIKE THIS?
https://www.datacouncil.ai/new-york-city
https://www.datacouncil.ai/san-francisco
https://www.datacouncil.ai/singapore
https://www.datacouncil.ai/barcelona

ABOUT THE TALK

The promise of unsupervised and self-supervised learning is to usher in a new world where systems can draw greater levels of signal from data without labels. In this talk I’ll first cover t

​Итоги недели: у Google успехи с ИИ, но не ладится со Stadia, Дурова вызвали в суд, фермеры тестируют VR

Итоги прошедшей недели на Хабре. В этом дайджесте — самые важные, интересные и громкие события, о которых мы говорили с 22 по 29 ноября. В Google разработали «объяснимый» ИИ, Stadia все никак не взлетит, а Translator Toolkit скоро закроется. Ученые, возможно, близки к очень надежным накопителям на основе сегнетоэлектрических конденсаторов, дисплеи Visionox можно свернуть в рулон, а в Сети нашли Elasticsearch-сервер с 1,2 млрд записей в открытом доступе. В США Дурова вызвали в суд, в России определили максимальную сумму штрафа за хранение данных юзеров за пределами страны, а Samsung обновит 30 моделей смартфонов до Android 10.

🔗 Итоги недели: у Google успехи с ИИ, но не ладится со Stadia, Дурова вызвали в суд, фермеры тестируют VR
Итоги прошедшей недели на Хабре. В этом дайджесте — самые важные, интересные и громкие события, о которых мы говорили с 22 по 29 ноября. В Google разработали «...

​Breast Histopathology Images Dataset
Download: https://www.kaggle.com/paultimothymooney/breast-histopathology-images

🔗 Breast Histopathology Images
198,738 IDC(-) image patches; 78,786 IDC(+) image patches

​Подборка открытых датасетов
сравнение социально-экономической информации с показателями самоубийств по годам и странам

https://www.kaggle.com/russellyates88/suicide-rates-overview-1985-to-2016
Обработка данных :
https://www.kaggle.com/tavoosi/suicide-data-full-interactive-dashboard

https://www.kaggle.com/rblcoder/mental-health-happiness-economics-human-freedom

https://www.kaggle.com/kralmachine/data-visualization-of-suicide-rates

https://www.kaggle.com/AnalyzeBoston/crimes-in-boston . -
записи из Бостонской системы отчетов о происшествиях с преступностью, включающая в себя происшествия, и информацию о том когда и где оно произошло
Обработка данных :
https://www.kaggle.com/heesoo37/boston-crimes-starter-eda
https://www.kaggle.com/royrangan7/boston-crime-reports
https://www.kaggle.com/hemprove1/transfer-learning-and-imagedatagenerator-in-kera2

https://www.kaggle.com/lava18/google-play-store-apps
— категории, рейтинги, размер всех приложений Google Play

Обработка данных :
https://www.kaggle.com/lava18/all-that-you-need-to-know-about-the-android-market

https://www.kaggle.com/tanetboss/how-to-get-high-rating-on-play-store

https://www.kaggle.com/danilodiogo/google-play-store-eda-plotting-with-highcharts

https://www.kaggle.com/therohk/million-headlines — данные заголовков новостей, опубликованных за последние 15 лет

https://www.kaggle.com/nulldata/meaningful-random-headlines-by-markov-chain
https://www.kaggle.com/rcushen/topic-modelling-with-lsa-and-lda

https://www.kaggle.com/saurograndi/airplane-crashes-since-1908
— полная история авиакатастроф по всему миру, с 1908 года по настоящее время
https://www.kaggle.com/ruslankl/airplane-crashes-data-visualization
https://www.kaggle.com/jeffd23/chinese-zodiac-and-aircraft-deaths
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Suicide Rates Overview 1985 to 2016
Compares socio-economic info with suicide rates by year and country

Нейросети для анализа изображений

Сверточные нейронные сети
Распознавание объектов на изображениях
Предварительно обученные нейронные сети
Как подготовить свой набор изображений в Keras
Перенос обучения
Тонкая настройка нейронной сети
Анализ признаков, извлеченных нейросетью
Дополнение данных
Визуализация сверточных нейросетей

#neural #python

🎥 Сверточные нейронные сети | Глубокие нейронные сети на Python
👁 23 раз ⏳ 639 сек.
Краткий обзор архитектуры сверточных нейронных сетей. Страница курса - https://www.asozykin.ru/courses/nnpython.

Принципы сверточных нейронных сете...

🎥 Распознавание объектов на изображениях | Глубокие нейронные сети на Python
👁 9 раз ⏳ 928 сек.
Пишем программу на Keras для распознавания объектов на изображениях из набора данных CIFAR-10. Страница курса - https://www.asozykin.ru/courses/nnpy...

🎥 Предварительно обученные нейронные сети | Глубокие нейронные сети на Python
👁 1 раз ⏳ 890 сек.
Используем готовые нейронные сети в своих программах. Страница курса - https://www.asozykin.ru/courses/nnpython

Существует возможность не обучать ...

🎥 Как подготовить свой набор изображений в Keras | Глубокие нейронные сети на Python
👁 3 раз ⏳ 1058 сек.
Демонстрация подготовки своего набора изображений для обучения глубокой нейронной сети в Keras.
Страница курса - https://www.asozykin.ru/courses/nn...

🎥 Перенос обучения | Глубокие нейронные сети на Python
👁 1 раз ⏳ 852 сек.
Лекция по применению предварительно обученных нейронных сетей для решения задач других типов с помощью переноса обучения (transfer learning).
Стран...

🎥 Тонкая настройка нейронной сети | Глубокие нейронные сети на Python
👁 1 раз ⏳ 696 сек.
Лекция по тонкой настройке (fine tuning) нейронной сети.
Страница курса - https://www.asozykin.ru/courses/nnpython

Тонкая настройка (fine tining) ...

🎥 Анализ признаков, извлеченных нейросетью | Глубокие нейронные сети на Python
👁 1 раз ⏳ 1001 сек.
Классифицируем изображения с помощью признаков, извлеченных глубокой нейронной сетью.
Страница курса - https://www.asozykin.ru/courses/nnpython

Ра...

🎥 Дополнение данных | Глубокие нейронные сети на Python
👁 2 раз ⏳ 607 сек.
Увеличиваем количество данных в наборе для обучения с помощью генераторов в Keras.
Страница учебного курса - https://www.asozykin.ru/courses/nnpyth...

🎥 Визуализация сверточных нейросетей | Глубокие нейронные сети на Python
👁 6 раз ⏳ 618 сек.
Визуализируем, что изучили сверточные слои глубокой нейронной сети.
Страница учебного курса - https://www.asozykin.ru/courses/nnpython

В видео ра...

​WSAI Americas 2019 - Yoshua Bengio - Moving beyond supervised deep learning

🔗 WSAI Americas 2019 - Yoshua Bengio - Moving beyond supervised deep learning
Moving beyond supervised deep learning Watch Yoshua Bengio, Professor of Computer Science and Operations Research at Université de Montréal on stage at World Summit AI Americas 2019. americas.worldsummit.ai

​This AI Makes The Mona Lisa Speak…And More!

🔗 This AI Makes The Mona Lisa Speak…And More!
❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambdalabs.com/papers 📝 The paper "Few-shot Video-to-Video Synthesis" is available here: https://nvlabs.github.io/few-shot-vid2vid/ 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible: Alex Haro, Anastasia Marchenkova, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Benji Rabhan, Brian Gilman, Bryan Learn, Christian Ahlin, Claudio Fernandes, Daniel Hasegan, Dan Kennedy, Dennis Abts, Eric

​Чипы Intel Myriad X и их масштабируемость в инференсе нейронных сетей
Нейростики Intel NCS2, чипы Myriad X, решения сторонних производителей — компания Intel продвигает решения на базе Myriad X в самых различных вариантах.
Чем же так хороши эти ускорители? Во-первых, стоимостью одного FPS. Во-вторых, полной совместимостью с OpenVINO, где можно перенести существующие решения с CPU/GPU на стик или MyriadX без их доработки или дополнительной адаптации. Конечно же, адаптация это не особенность VPU, а, скорее, особенность OpenVINO, где каждая обученная сеть может работать на любой выбранной аппаратной платформе, будь то CPU, GPU, FPGA, VPU и выбор может быть сделан не до разработки, а после.

🔗 Чипы Intel Myriad X и их масштабируемость в инференсе нейронных сетей
Нейростики Intel NCS2, чипы Myriad X, решения сторонних производителей — компания Intel продвигает решения на базе Myriad X в самых различных вариантах. Чем же т...

​[NLP] Basics: Understanding Regular Expressions

🔗 [NLP] Basics: Understanding Regular Expressions
The only guide you’ll ever need

​Optimal Estimation Algorithms: Kalman and Particle Filters

🔗 Optimal Estimation Algorithms: Kalman and Particle Filters
An introduction to the Kalman and Particle Filters and their applications in fields such as Robotics and Reinforcement Learning.

🎥 Семинар: обучение CNN (16.11.2019)
👁 1 раз ⏳ 3775 сек.

🎥 Raphaël Meudec: tf-explain: Interpretability for Tensorflow 2.0 | PyData New York 2019
👁 1 раз ⏳ 1809 сек.
Deep learning models now emerge in multiple domains. The question data scientists and users always ask is "Why does it work?". Explaining decisions from neural networks is vital for model improvements and analysis, and users' adoption. In this talk, I will explain interpretability methods implementations with TF2.0 and introduce tf-explain, a TF2.0 library for interpretability.

www.pydata.org

PyData is an educational program of NumFOCUS, a 501(c)3 non-profit organization in the United States. PyData provi