🎥 Keynote: Machine Learning using Kubeflow and Kubernetes - Arun Gupta
👁 1 раз ⏳ 629 сек.
Don't miss KubeCon + CloudNativeCon 2020 events in Amsterdam March 30 - April 2, Shanghai July 28-30 and Boston November 17-20! Learn more at kubecon.io. The conference features presentations from developers and end users of Kubernetes, Prometheus, Envoy, and all of the other CNCF-hosted projects - Learn more at https://kubecon.io

Keynote: Machine Learning using Kubeflow and Kubernetes - Arun Gupta

The Kubeflow project makes deployments of machine learning (ML) workflows on Kubernetes simple, portable and

​Очистка данных, как игра «Камень, Ножницы, Бумага». Это игра с финишем или без? Часть 1. Теоретическая
1. Исходные данные
Очистка данных – это одна из проблем стоящих перед задачами анализа данных. В этом материале отразил наработки, решения, которые возникли в результате решения практической задачи по анализу БД при формировании кадастровой стоимости. Исходники здесь «ОТЧЕТ № 01/ОКС-2019 об итогах государственной кадастровой оценки всех видов объектов недвижимости (за исключением земельных участков) на территории Ханты-Мансийского автономного округа — Югры».

Рассматривался файл «Сравнительный модель итог.ods» в «Приложение Б. Результаты определения КС 5. Сведения о способе определения кадастровой стоимости 5.1 Сравнительный подход».

Таблица 1. Статпоказатели датасета в файле «Сравнительный модель итог.ods»
Общее количество полей, шт. — 44
Общее количество записей, шт. — 365 490
Общее количество символов, шт. — 101 714 693
Среднее количество символов в записи, шт. — 278,297
Стандартное отклонение символов в записи, шт. — 15,510
Минимальное количество символов в записи, шт. — 198
Максимальное количество символов в записи, шт. — 363

2. Вводная часть. Базовые нормы
Занимаясь анализом указанной БД сформировалась задача по конкретизации требований к степени очистки, так как, это понятно всем, указанная БД формирует правовые и экономические последствия для пользователей. В процессе работы оказалось, что особо никаких требований к степени очистки больших данных не сформировано. Анализируя правовые нормы в этом вопросе пришел к выводу, что все они сформированы от возможностей. То есть появилась определенная задача, под задачу комплектуются источники информации, далее формируется датасет и, на основе создаваемого датасета, инструменты для решения задачи. Полученные решения являются реперными точками в выборе из альтернатив. Представил это на рисунке 1.

🔗 Очистка данных, как игра «Камень, Ножницы, Бумага». Это игра с финишем или без? Часть 1. Теоретическая
1. Исходные данные Очистка данных – это одна из проблем стоящих перед задачами анализа данных. В этом материале отразил наработки, решения, которые возникли в ре...

​Введение в анализ данных

1. Введение в Python.
2. Библиотека Numpy.
3. Библиотека PANDAS.
4. Визуализация данных.
5. Углубленный Python. Часть 1
6. Углубленный Python. Часть 2
7. Временные ряды
8. Введение в SQL
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



🎥 1. Введение в Python. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 2 раз ⏳ 6058 сек.
Лекция №1 "Введение в python". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http...

🎥 2. Библиотека Numpy. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 6684 сек.
Лекция №2 "Библиотека Numpy". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http:...

🎥 3. Библиотека PANDAS. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 4369 сек.
Лекция №3 "Библиотека PANDAS". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http...

🎥 4. Визуализация данных. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 3348 сек.
Лекция №4 "Визуализация данных". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: ht...

🎥 5. Углубленный Python. Часть 1. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 8656 сек.
Лекция №5 "Углубленный Python. Часть 1". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого к...

🎥 6. Углубленный Python. Часть 2. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 9917 сек.
Лекция №6 "Углубленный Python. Часть 2". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого к...

🎥 10. Временные ряды. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 6014 сек.
Лекция №10 "Временные ряды". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http:/...

🎥 11. Введение в SQL. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
👁 1 раз ⏳ 3518 сек.
Лекция №11 "Введение в SQL". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова
Другие лекции этого курса: http:/...

​Тренировка по машинному обучению 22.02.2020

🔗 Тренировка по машинному обучению 22.02.2020
Тренировка по машинному обучению – это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться. С докладами выступают успешные участники последних соревнований на Kaggle и других платформах — рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам. В программе 22 февраля: - Artur Kuzin – Driven Data Hakuna Ma-data: Identify Wildlife on the Seren

Ещё один актуальный курс по Data Science для начинающих.

https://youtu.be/JL_grPUnXzY

🎥 What is Data Science?
👁 1 раз ⏳ 407 сек.
We will understand what is data science by looking at simple restaurant business example. Data science is a process of getting insights from data. You don't have to be deep learning expert in order to do data science, you can do that in plain old microsoft excel also (if dataset is small enough). In recent years volume of data has grown too much so that data has become BIG DATA. Microsoft excel can't work with big data hence you need tools such as,

1) Apache hadoop and apache spark: For database storage an

🎥 Ruslan Salakhutdinov (CMU) "Deep Learning: Recent Advances and New Challenges"
👁 2 раз ⏳ 2732 сек.
Ruslan Salakhutdinov is a professor of computer science at the Carnegie Mellon University. Since 2009, he's published at least 42 papers on machine learning. His research has been funded by Google, Microsoft and Samsung. In 2016, Ruslan joined Apple as its director of AI research.

Abstract:
In the first part of the talk, Ruslan will introduce XLNet, a generalized autoregressive pretraining method that (1) enables learning bidirectional contexts by maximizing the expected likelihood over all permutations of

🎥 Deep learning for movement-related diseases | Łukasz Kidziński (Stanford University) | ML in PL
👁 1 раз ⏳ 2368 сек.
Łukasz Kidziński is a researcher in the Mobilize Center at Stanford, working on the intersection of computer science, statistics, and biomechanics. He is a co-founder of Saliency.ai - a startup focusing on improving efficacy of clinical trials using artificial intelligence. Previously, Łukasz was a researcher in the CHILI group, Computer-Human Interaction in Learning and Instruction, at the EPFL. He obtained his Ph.D. at Université Libre de Bruxelles in mathematical statistics, working on time series analys

Машинное обучение

✅Нейрон на JavaScript
✅Обучение нейрона на JavaScript
✅Визуализация результатов нейрона на JavaScript
✅Однослойный персептрон на JavaScript (1)
✅Обучение однослойного персептрона на JavaScript
✅Многослойный персептрон (пример на пальцах)
✅Нейронная сеть : многослойный персептрон Румельхарта на JavaScript
✅Нейронная сеть Кохонена (обучение без учителя) реализация на JavaScript
✅Обучение без учителя (алгоритм Хебба на JavaSctipr). Анализ временных рядов продаж Биткоина

#video #neural #ai #js

🎥 Нейрон на JavaScript
👁 60 раз ⏳ 996 сек.
В данном уроке рассматривается создание одного нейрона на JavaScript.
Ссылка на CodePen: https://codepen.io/raman-mamedov/pen/WmvERM?editors=0012

🎥 Обучение нейрона на JavaScript
👁 17 раз ⏳ 2243 сек.
В данном уроке рассматривается процесс обучение одного нейрона. Реализация данного процесса. осуществляется на языке JavaScript. Затрагивается полн...

🎥 Визуализация результатов нейрона на JavaScript
👁 11 раз ⏳ 1763 сек.
В этом уроке рассматривается процесс визуализации результатов одного нейрона, который решает задачу классификации сторон.

🎥 Однослойный персептрон на JavaScript (1)
👁 9 раз ⏳ 1667 сек.
В данном видео будет рассмотрен процесс работы однослойного персептрона, с учетом всех нюансов его функционирования. В результате будет создана схе...

🎥 Обучение однослойного персептрона на JavaScript
👁 3 раз ⏳ 1804 сек.
В данном видео рассматривается как обучить однослойный персептрон который мы разработали в прошлом уроке на языке JavaScript. Будет применен градие...

🎥 Многослойный персептрон (пример на пальцах)
👁 2 раз ⏳ 1249 сек.
Нейронные сети применяемые в современных технологиях, получили свое начало от такого вида персептрона как многослойный. Искусственный интеллект по...

🎥 Нейронная сеть : многослойный персептрон Румельхарта на JavaScript
👁 5 раз ⏳ 1959 сек.
В данном уроке рассматривается процесс реализации и обучения многослойного персептрона Румельхарта. Это первая нейронная сеть, которую мы создаем ...

🎥 Нейронная сеть Кохонена (обучение без учителя) реализация на JavaScript
👁 6 раз ⏳ 1551 сек.
В данном уроке мы продолжаем изучение нейронные сетей, которые обучаются без учителя. Нейронная сеть Кохонена отлично подходит для задач классифика...

🎥 Обучение без учителя (алгоритм Хебба на JavaSctipr). Анализ временных рядов продаж Биткоина.
👁 5 раз ⏳ 2272 сек.
В данном уроке рассмотрим принципы работы с нейронной сетью которая обучается без учителя, на примере выборки о проведенных торгах на одной из бирж...

​OpenCV Python for Beginners - Learn Computer Vision with OpenCV 2020

https://morioh.com/p/b1da9761de8c

https://youtu.be/N81PCpADwKQ

🔗 Morioh - Connecting with Programmers and Developers all over the World
Morioh is the place to create a Great Personal Brand, connect with Developers around the World and Grow your Career!


🎥 OpenCV Python for Beginners - Full Course in 10 Hours (2020) - Learn Computer Vision with OpenCV
👁 4 раз ⏳ 33830 сек.
Welcome to this courese on OpenCV Python Tutorial For Beginners.
OpenCV is an image processing library created by Intel and later supported by Willow Garage and now maintained by Itseez. opencv is available on Mac, Windows, Linux. Works in C, C++, and Python.
it is Open Source and free. opencv is easy to use and install.

Starting with an overview of what the course will be covering, we move on to discussing morphological operations and practically learn how they work on images. We will then learn contrast

​KaoKore: A Pre-modern Japanese Art Facial Expression Dataset

From classifying handwritten digits to generating strings of text, the datasets which have received long-time focus from the machine learning community vary greatly in their subject matter. This has motivated a renewed interest in building datasets which are socially and culturally relevant, so that algorithmic research may have a more direct and immediate impact on society.

https://github.com/rois-codh/kaokore

https://arxiv.org/abs/2002.08595v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

https://github.com/rois-codh/kaokore/raw/master/images/fig/label_example.png

🔗 rois-codh/kaokore
Dataset for the Collection of Facial Expressions from Japanese Artwork - rois-codh/kaokore

​Mobile Data Collection: What it is and what it can do

🔗 Mobile Data Collection: What it is and what it can do
Data collection is nothing new, but the introduction of mobile devices has made it more interesting and efficient.

🎥 Bengali.AI: Handwritten Grapheme Classification Using PyTorch (Part-2)
👁 2 раз ⏳ 4388 сек.
In this video, I will show you how to approach an on-going kaggle competition, specifically bengali.ai: grapheme classification.

This is a multi-label classification challenge with over 200K images. I will be using PyTorch to solve this problem. By the end of this tutorial you will be able to train any pre-trained model you want to train on this dataset!

Competition page: https://www.kaggle.com/c/bengaliai-cv19

The video is in two parts. In this part, we will build the framework for training any pretrain

​Efficient Graph Generation with Graph Recurrent Attention Networks
Liao et al.: https://arxiv.org/abs/1910.00760
Code: https://github.com/lrjconan/GRAN/
#Graph #NeuralNetworks #NeurIPS #NeurIPS201

🔗 lrjconan/GRAN
Efficient Graph Generation with Graph Recurrent Attention Networks, Deep Generative Model of Graphs, Graph Neural Networks, NeurIPS 2019 - lrjconan/GRAN

​TRFL : TensorFlow Reinforcement Learning
A library of reinforcement learning building blocks
By DeepMind: https://github.com/deepmind/trfl
#DeepLearning #TensorFlow #ReinforcementLearning

🔗 deepmind/trfl
TensorFlow Reinforcement Learning. Contribute to deepmind/trfl development by creating an account on GitHub.

​BM Data Science and AI Programs on Coursera Free for 30 Days

https://onlinecoursesgalore.com/ibm-data-science-ai-coursera/

Курс: https://www.coursera.org/promo/ibmdscommunity?ranMID=40328&ranEAID

🔗 IBM Data Science and AI Programs on Coursera Free for 30 Days
Get 30 days of free access to IBM data science and artificial intelligence specialization and professional certificate program until June 2020 on Coursera

​В поисках «Годзиллы». Нейросети и прогнозирование котировок на основе биржевых и «внешних» данных

Эта работа вдохновлена статьей «Мечтают ли нейросети об электроденьгах?», где автор без преувеличения талантливо в своей доходчивости объясняет, почему использование искусственных нейросетей на голых биржевых данных не приводит к успеху. Вот особенно, на мой взгляд, удачный отрывок:
«Цена не формирует сама себя… Если рынок выразить как метафоричное озеро, то биржевой график это лишь рябь на воде. Может быть это ветер подул, может камень в воду бросили, может рыбы плеснула, может Годзилла прыгает в 200 километрах на батуте. Мы видим лишь рябь.»Действительно, пытаться предсказать поведение ряби на следующий день, имея в распоряжении только лишь данные о поведении ряби в прошлом, видится, как минимум, самонадеянным. Не тот масштаб модели. Поведение водной глади формируется за счет множества внешних и внутренних по отношению к водоему факторов. И вот на этом моменте мое любопытство не позволило мне пройти мимо. А что если все-таки поработать с этими факторами? Что получиться, если учесть их в модели данных, предназначенных для «кормежки» нейросети?
«Но как же учесть миллионы, если не миллиарды возможных факторов влияющих на наш метафорический водоем?» — спросите вы. А я отвечу, что нас не интересуют ни движение мальков, ни случайно упавший с близлежащей скалы камушек, ни мерное покачивание удочки Дяди Вити-рыбака. Нас интересует Годзилла.

🔗 В поисках «Годзиллы». Нейросети и прогнозирование котировок на основе биржевых и «внешних» данных
Эта работа вдохновлена статьей «Мечтают ли нейросети об электроденьгах?», где автор без преувеличения талантливо в своей доходчивости объясняет, почему использо...

​Web Scraping News Articles to Build an NLP Data Pipeline

🔗 Web Scraping News Articles to Build an NLP Data Pipeline
In 3 Easy to Follow Steps with Tensorflow 2.0, Scrapy, and SpaCy!

🎥 Build a Neural Network with Python Tutorial | Deep Learning with PyTorch
👁 3 раз ⏳ 3481 сек.
Subscribe: https://bit.ly/venelin-youtube-subscribe
Complete tutorial: https://www.curiousily.com/posts/build-your-first-neural-network-with-pytorch/
GitHub: https://github.com/curiousily/Getting-Things-Done-with-Pytorch

Build a model that predicts whether or not is going to rain tomorrow using real-world weather data. Learn how to train, evaluate and make predictions with it

⭐️ Tutorial Contents ⭐️

(00:12) Download the weather data
(04:13) Data preprocessing
(17:45) Build a Neural Network with PyTorch
(3

​Чем отличаются data analyst, data engineer и data scientist?

https://youtu.be/lDkTNURDIaY

🔗 074. Чем отличаются data analyst, data engineer и data scientist – Алексей Натёкин
- Как войти в сообщество data science? - О различиях data scientist, data analyst, data engineer, кто из них чем занимается? - В чём отличия между Machine Learning и Data Science? - Что у них общего и чем их работа отличается? * 21 октября 2018 г. в московском офисе Яндекса прошла встреча сообщества Open Data Science. Мы испытали новый формат: программа не была определена заранее, а составлялась по запросам аудитории. Мы собрали больше 500 заявок от участников и ответили на самые популярные и интересные во

​Measuring Social Biases in Grounded Vision and Language Embeddings

We generalize the notion of social biases from language embeddings to grounded vision and language embeddings. Biases are present in grounded embeddings, and indeed seem to be equally or more significant than for ungrounded embeddings

https://github.com/candacelax/bias-in-vision-and-language

https://arxiv.org/abs/2002.08911v1

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 candacelax/bias-in-vision-and-language
Code for paper "Measuring Social Biases in Grounded Vision and Language Embeddings" - candacelax/bias-in-vision-and-language

Introduction to Reinforcement Learning

By DeepMind: https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLqYmG7hTraZDM- OYHWgPebj2MfCFzFObQ
#DeepLearning #ReinforcementLearning #Robotics

🎥 RL Course by David Silver - Lecture 1: Introduction to Reinforcement Learning
👁 1 раз ⏳ 5293 сек.
#Reinforcement Learning Course by David Silver# Lecture 1: Introduction to Reinforcement Learning

#Slides and more info about the course: https://goo.gl/vUiyjq