🎥 #HITBHaxpo D2 - Secure And Scalable Anomaly-Based Network Intrusion Detection - Philipp Mieden
👁 1 раз ⏳ 1909 сек.
Corporate communication networks are frequently attacked with sophisticated and previously unseen malware or insider threats, which makes advanced defense mechanisms such as anomaly based intrusion detection systems necessary, to detect, alert and respond to security incidents. Both signature-based and anomaly detection strategies rely on features extracted from the network traffic, which requires secure and extensible collection strategies that make use of modern multi core architectures. Available solutio

🎥 Логика, Символы и Нейроны. Логическое программирование встречает Deep Learning. - Дулат Ерзат
👁 1 раз ⏳ 1071 сек.
VI DS/ML Meetup Astana

В этом видео Дулат Ерзат рассказал про объединение нейронных сетей и классического символьного искусственного интеллекта с помощью логического программирования.

​Команда Big Data Билайн ищет Старшего менеджера продукта для нескольких интересных направлений: Big Data, Retail, IoT!
Мы предлагаем тебе присоединиться к команде, разрабатывающей крутые инновационные продукты для наших клиентов. Ты будешь отвечать за проекты от этапа инициации до внедрения решения и управлять кросс-функциональной командой (data analysts, data scientists, разработчики).

Тебе к нам, если ты:
• Имеешь опыт управления продуктом в сфере ИТ и/или разработке ПО и участвовал в проектах обработки больших данных;
• Умеешь управлять командами разработки;
• Готов проявлять инициативу и работать самостоятельно.
• Хочешь решать по-настоящему сложные задачи, которые, возможно, до тебя не решал никто;

Чтобы узнать подробности и отправить резюме переходи по ссылке и выбирай, что интересно: https://job.beeline.ru/job-specialists/moskva/tsifrovoj-i-novyj-biznes/
Работай на яркой стороне!

#яработаювбилайн #хочувбилайн #followbeeline

🔗 Работа в Билайн: открытые вакансии для экспертов в направлении Цифровой и новый бизнес
Для тех, кто готов решать сложные и масштабные задачи в команде настоящих профессоналов

A Guide for Making Black Box Models Explainable
https://christophm.github.io/interpretable-ml-book/

​Introducing TensorFlow Graphics: Computer Graphics Meets Deep Learning

Github : https://github.com/tensorflow/graphics

Article: https://medium.com/tensorflow/introducing-tensorflow-graphics-computer-graphics-meets-deep-learning-c8e3877b7668

🔗 tensorflow/graphics
TensorFlow Graphics: Differentiable Graphics Layers for TensorFlow - tensorflow/graphics

🎥 Введение в глубокое обучение: первая модель, Fashion MNIST, набор данных для тренировки и обучения.
👁 2 раз ⏳ 953 сек.
⚡⚡⚡ Введение в глубокое обучение: первая модель, Fashion MNIST, набор данных для тренировки и обучения.

— Итак, мы снова вместе с вами и с нами по-прежнему Себастьян. Мы как раз хотим обсудить полносвязные слои, те самые Dense-слои. Перед этим мне бы хотелось задать один вопрос. Каковы границы и каковы основные препятствия, которые будут стоять на пути развития глубокого обучения и окажут на него наибольшее влияние в ближайшие 10 лет? Всё меняется настолько быстро! Как вы думаете, что будет той самой следу

​Introduction to Graphs (Part 1)

🔗 Introduction to Graphs (Part 1)
Main concepts, properties, and applications in Python

​Рекомендации в Okko: как заработать сотни миллионов, перемножив пару матриц

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Знакома ли вам ситуация, когда на выбор фильма вы тратите гигантское количество времени, сопоставимое со временем самого просмотра? Для пользователей онлайн-кинотеатров это частая проблема, а для самих кинотеатров — упущенная прибыль.

К счастью, у нас есть Rekko — система персональных рекомендаций, которая уже год успешно помогает пользователям Okko выбирать фильмы и сериалы из более чем десяти тысяч единиц контента. В статье я расскажу вам как она устроена с алгоритмической и технической точек зрения, как мы подходим к её разработке и как оцениваем результаты. Ну и про сами результаты годового A/B теста тоже расскажу.
https://habr.com/ru/company/okko/blog/454224/

🔗 Рекомендации в Okko: как заработать сотни миллионов, перемножив пару матриц
Знакома ли вам ситуация, когда на выбор фильма вы тратите гигантское количество времени, сопоставимое со временем самого просмотра? Для пользователей онлайн-кин...

​K Means Clustering with Dask (Image Filters for Cat Pictures)

🔗 K Means Clustering with Dask (Image Filters for Cat Pictures)
Applying filters to images is not a new concept to anyone. How do we make it cooler with Machine Learning?

🎥 An Empirical Study on Quality of Android Applications written in Kotlin language
👁 1 раз ⏳ 1599 сек.
Язык программирования Kotlin разрабатывался как прагматичная и приятная замена Java.

Мы рассмотрим статью, в которой авторы изучают использование Kotlin при написании Android-приложений.

Статья анализирует динамику использования Java/Kotlin и качества кода в 244 open-source приложениях. При помощи инструмента Paprika было обнаружено, что некоторые code smells в приложениях на Java в среднем встречаются чаще, чем в приложениях на Kotlin, а даже частичный переход на Kotlin уменьшает количество code smells б

🎥 Lecture 8: Matrix Manipulations | Exploring MATLAB by Dr. Ahmad Bazzi
👁 1 раз ⏳ 3793 сек.
In this lecture, you will learn everything you need to know in order to properly handle matrices and arrays. Starting from creating the most basic matrices, such as the zeros, ones, identity, random matrices. You will also learn how to handle logical matrices that are involved in logical/discrete mathematics. Furthermore, you will also grasp fast and easy techniques on how array/matrix concatenation, replication, permutation, and shifting is done. You will sort matrices based off certain criteria. You could

🎥 Build, Train, and Deploy Machine Learning Models at Scale Using AWS
👁 1 раз ⏳ 2744 сек.
Learn more about AWS at – https://amzn.to/2MqPzHk 
Learn how to quickly build, train, and deploy machine learning models using Amazon SageMaker, an end-to-end machine learning platform. Amazon SageMaker simplifies machine learning with pre-built algorithms, support for popular deep learning frameworks, such as PyTorch, TensorFlow, and Apache MXNet, as well as one-click model training and deployment.

🎥 Rajat Monga: TensorFlow | Artificial Intelligence (AI) Podcast
👁 1 раз ⏳ 4258 сек.
Rajat Monga is an Engineering Director at Google, leading the TensorFlow team. This conversation is part of the Artificial Intelligence podcast at MIT and beyond. Audio podcast version is available on https://lexfridman.com/ai/

INFO:
Podcast website: https://lexfridman.com/ai
Course website: https://deeplearning.mit.edu
YouTube Playlist: https://bit.ly/2EcbaKf

OUTLINE:
0:00 - Introduction
1:17 - Google Brain early days
4:47 - TensorFlow early days - open sourcing, etc
12:53 - TensorFlow growth
22:00 - Kera

🎥 Deep Learning and Neural Network Introduction with Keras (3.1)
👁 1 раз ⏳ 981 сек.
An introduction to neural networks and deep learning. This provides the fundamental information needed to begin study of Keras and TensorFlow. Topics such as bias neurons, activation functions, input layer, hidden layers, and neural network structure are discussed.

Code for This Video: https://github.com/jeffheaton/t81_558_deep_learning/blob/master/t81_558_class01_intro_python.ipynb
Course Homepage: https://sites.wustl.edu/jeffheaton/t81-558/

Follow Me/Subscribe:
https://www.youtube.com/user/HeatonResea

​«Толстый и тонкий» или как я осваивал нейросети
Искусственный интеллект

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Часть 2

Обучение

Ну вот, всё готово! Теперь можно начинать. Начинать обучать нейросеть, а потом пожинать плоды этого её обучения. Так думается поначалу, по неопытности… Но вернёмся к теории. К устройству нейрона. Есть дендриты, есть тело нейрона, есть аксон. По дендритам мы передаём входные сигналы (рост и вес), которые имеют свои веса W1 и W2, есть тело нейрона (активационная функция) и есть аксон(выход).
https://habr.com/ru/post/454694/

🔗 «Толстый и тонкий» или как я осваивал нейросети
Часть 2 Часть 1 — здесь. Большое спасибо читателям за положительные отзывы. Обучение Ну вот, всё готово! Теперь можно начинать. Начинать обучать нейросеть, а п...

Parallel Neural Text-to-Speech

https://arxiv.org/pdf/1905.08459.pdf

​Anomaly detection in time series with Prophet library

🔗 Anomaly detection in time series with Prophet library
Find outliers in time series and plot in few lines of code

​Машинное обучение в микрофинансах: строим скоринговую модель для клиентов с пустой кредитной историей

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Нет кредитной истории — не дают кредиты, не дают кредиты — нет кредитной истории. Замкнутый круг какой-то. Что делать? Давайте разбираться.

Привет! Меня зовут Марк, я data scientist в компании Devim. Недавно мы запустили модель для скоринга заемщиков МФК “До Зарплаты”, у которых отсутствует кредитная история. Хочу поделиться опытом поиска данных, особенностями конструирования и интерпретации признаков.

https://habr.com/ru/post/454574/

🔗 Машинное обучение в микрофинансах: строим скоринговую модель для клиентов с пустой кредитной историе
Нет кредитной истории — не дают кредиты, не дают кредиты — нет кредитной истории. Замкнутый круг какой-то. Что делать? Давайте разбираться. Привет! Меня зовут М...

​An Explicitly Relational Neural Network Architecture

🔗 An Explicitly Relational Neural Network Architecture
With a view to bridging the gap between deep learning and symbolic AI, we present a novel end-to-end neural network architecture that learns to form propositional representations with an explicitly relational structure from raw pixel data. In order to evaluate and analyse the architecture, we introduce a family of simple visual relational reasoning tasks of varying complexity. We show that the proposed architecture, when pre-trained on a curriculum of such tasks, learns to generate reusable representations that better facilitate subsequent learning on previously unseen tasks when compared to a number of baseline architectures. The workings of a successfully trained model are visualised to shed some light on how the architecture functions.