​Big data в переводческой отрасли: как это работает, реалии и перспективы – популярная тематическая секция в рамках технологического потока 10-го юбилейного Translation Forum Russia - 2019.

Организатор – группа компаний ЭГО Транслейтинг – один из лидеров лингвистического рынка России.

Различные аспекты обработки и анализа данных в переводческой отрасли в сравнении с другими областями. Возможность применения технологии блокчейн. Сложные вопросы работы с большими базами данных при координации работ по переводу. Адаптивный машинный перевод: от чего зависит качество? Поменяет ли технология ландшафт переводческой отрасли?

Обсуждение этих и других «горячих» тем, а также официальная презентация EGOTECH - технологической платформы, предоставляющей решения обработки текста и контроля качества перевода – на секции, посвященной big data в переводческой отрасли.

Спикеры: Елизавета Иванова (R&D директор Компании ЭГО Транслейтинг), Максим Ковалев (генеральный директор IQ Systems), Татьяна Попова (руководитель отдела переводов АО Группа Илим); Юлия Епифанцева (директор по развитию Promt), Никита Ткачев (менеджер по развитию ML продуктов Яндекс.Облака), Павел Доронин (продакт-менеджер Smartcat). Модератор секции – Евгения Городецкая, вице-президент по технологическому развитию группы компаний ЭГО Транслейтинг.

Секция состоится 24 августа с 10.00 до 12.00 на площадке Российского государственного педагогического университета имени А.И. Герцена (Казанская улица, 3а, корпус 5, «Дискуссионный зал»).

Регистрация по ссылке: https://tconference.ru/account/#tab-register

Ждём вас! Будет интересно😎

#EGOTranslating #ЭГОТранслейтинг #TFRUS #TFR10yearschallenge
#TranslationForumRussia #TFR2019

​Mesh R-CNN
Rapid advances in 2D perception have led to systems that accurately detect
https://arxiv.org/abs/1906.02739

🔗 Mesh R-CNN
Rapid advances in 2D perception have led to systems that accurately detect objects in real-world images. However, these systems make predictions in 2D, ignoring the 3D structure of the world. Concurrently, advances in 3D shape prediction have mostly focused on synthetic benchmarks and isolated objects. We unify advances in these two areas. We propose a system that detects objects in real-world images and produces a triangle mesh giving the full 3D shape of each detected object. Our system, called Mesh R-CNN, augments Mask R-CNN with a mesh prediction branch that outputs meshes with varying topological structure by first predicting coarse voxel representations which are converted to meshes and refined with a graph convolution network operating over the mesh's vertices and edges. We validate our mesh prediction branch on ShapeNet, where we outperform prior work on single-image shape prediction. We then deploy our full Mesh R-CNN system on Pix3D, where we jointly detect objects and predict their 3D shapes.

​How technology impacts the way of producing and consuming food at AGRO & TECH conference by Sistema_VC

Founders of startups from the UK, the Netherlands and Russia will talk about how AI provides people with better nutrition and globally helps fighting hunger. You will learn how agriculture and tech interact and network with startup founders, innovation managers, investors and the media in the industry.

Place: Moscow, Kollektiv Space, Bol'shoy Znamenskiy 2s3, metro Kropotkinskaya
Date: August 21st, 6 pm
Register free: https://is.gd/JgvmUA

🔗 #PUBLIC_TECH / AGRO & TECH
Конференция о технологиях в сельском хозяйстве.

Евгений Разинков. Лекция 10. Кластеризация (курс "Машинное обучение, весна 2019)
https://www.youtube.com/watch?v=lEUTG6s5YhY

🎥 Евгений Разинков. Лекция 10. Кластеризация (курс "Машинное обучение, весна 2019)
👁 1 раз ⏳ 3608 сек.
Лекция посвящена алгоритмам кластеризации. Рассмотрены следующие вопросы:
- Постановка задачи кластеризации.
- Алгоритм k-means.
- Целевая функция алгоритма k-means.
- Вывод формул обновления весов из целевой функции.
- Агломеративная кластеризация.
- Способы вычисления расстояния между кластерами: Single-Link, Average-Link, Complete-Link.

Евгений Разинков -- к.ф.-м.н., руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, ассистент кафедры системного анализа и ИТ института ВМи

​Awesome Machine Learning
A curated list of awesome machine learning frameworks, libraries and software (by language).

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
libraries: https://github.com/josephmisiti/awesome-machine-learning

books: https://github.com/josephmisiti/awesome-machine-learning/blob/master/books.md

🔗 josephmisiti/awesome-machine-learning
A curated list of awesome Machine Learning frameworks, libraries and software. - josephmisiti/awesome-machine-learning

​Data Science Simplified Part 12: Resampling Methods

🔗 Data Science Simplified Part 12: Resampling Methods
Concept

​Building a Vocal Emotion Sensor with Deep Learning
Teaching machines to better understand human communication

https://towardsdatascience.com/building-a-vocal-emotion-sensor-with-deep-learning-bedd3de8a4a9?source=topic_page---------------------------20

🔗 Building a Vocal Emotion Sensor with Deep Learning
Teaching machines to better understand human communication

🎥 17. Bayesian Statistics
👁 1 раз ⏳ 4685 сек.
MIT 18.650 Statistics for Applications, Fall 2016
View the complete course: https://ocw.mit.edu/18-650F16
Instructor: Philippe Rigollet

In this lecture, Prof. Rigollet talked about Bayesian approach, Bayes rule, posterior distribution, and non-informative priors.

License: Creative Commons BY-NC-SA
More information at https://ocw.mit.edu/terms
More courses at https://ocw.mit.edu

🎥 35. Finding Clusters in Graphs
👁 1 раз ⏳ 2089 сек.
MIT 18.065 Matrix Methods in Data Analysis, Signal Processing, and Machine Learning, Spring 2018
Instructor: Gilbert Strang
View the complete course: https://ocw.mit.edu/18-065S18
YouTube Playlist: https://www.youtube.com/playlist?list=PLUl4u3cNGP63oMNUHXqIUcrkS2PivhN3k

The topic of this lecture is clustering for graphs, meaning finding sets of 'related' vertices in graphs. The challenge is finding good algorithms to optimize cluster quality. Professor Strang reviews some possibilities.

License: Creative

🎥 33. Neural Nets and the Learning Function
👁 1 раз ⏳ 3367 сек.
MIT 18.065 Matrix Methods in Data Analysis, Signal Processing, and Machine Learning, Spring 2018
Instructor: Gilbert Strang
View the complete course: https://ocw.mit.edu/18-065S18
YouTube Playlist: https://www.youtube.com/playlist?list=PLUl4u3cNGP63oMNUHXqIUcrkS2PivhN3k

This lecture focuses on the construction of the learning function F, which is optimized by stochastic gradient descent and applied to the training data to minimize the loss. Professor Strang also begins his review of distance matrices.

Lic

​New State of the Art AI Optimizer: Rectified Adam (RAdam). Improve your AI accuracy instantly versus Adam, and why it works.

🔗 New State of the Art AI Optimizer: Rectified Adam (RAdam). Improve your AI accuracy instantly versus Adam, and why it works.
A new paper by Liu, Jian, He et al introduces RAdam, or “Rectified Adam”. It’s a new variation of the classic Adam optimizer that provides…

​PVS-Studio в гостях у Apache Hive

#BigData

Последние десять лет движение open source является одним из ключевых факторов развития IT-отрасли и важной ее составной частью. Роль и место open source не только усиливается в виде роста количественных показателей, но происходит и изменение его качественного позиционирования на IT-рынке в целом. Не сидя сложа руки, бравая команда PVS-Studio активно способствует закреплению позиций open source проектов, находя затаившиеся баги в огромных толщах кодовых баз и предлагая для таких проектов бесплатные лицензии. Эта статья не исключение! Сегодня речь пойдет об Apache Hive! Отчет получен — есть на что посмотреть!
https://habr.com/ru/company/pvs-studio/blog/463759/

🔗 PVS-Studio в гостях у Apache Hive
Последние десять лет движение open source является одним из ключевых факторов развития IT-отрасли и важной ее составной частью. Роль и место open source не толь...

​How to Deal with Imbalanced Data using SMOTE - Analytics Vidhya -

https://medium.com/analytics-vidhya/balance-your-data-using-smote-98e4d79fcddb

🔗 How to Deal with Imbalanced Data using SMOTE
With a Case Study in Python

​О чем не расскажешь на ML тренировке — Артур Кузин

🔗 О чем не расскажешь на ML тренировке — Артур Кузин
Артур Кузин рассказывает о том, о чём бы он не рассказал на ML тренировке (доклад секции Black ML, Data Fest⁶). Из видео вы сможете узнать различные истории из соревнований и хакатонов, из-за которых и родилась идея создание Black ML секции. Узнать о текущих соревнованиях можно на сайте https://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https://vk.com/mltrainings Facebook https://www.facebook.com/groups/1413405125598651/ Telegram https://t.iss.one/mltrainings

​Interpreting Latent Space of GANs for Semantic Face Editing

https://shenyujun.github.io/InterFaceGAN/

code: https://github.com/ShenYujun/InterFaceGAN.git

🔗 InterFaceGAN
InterFaceGAN.

​Elon Musk: What's Outside the Simulation? | AI Podcast Clips

🔗 Elon Musk: What's Outside the Simulation? | AI Podcast Clips
This is a clip from a conversation with Elon Musk on the Artificial Intelligence podcast. You can watch the full conversation here: https://bit.ly/2Z8vma4 If you enjoy these, consider subscribing, sharing, and commenting below. Full episode: https://bit.ly/2Z8vma4 Full episodes playlist: https://bit.ly/2EcbaKf Podcast website: https://lexfridman.com/ai Elon Musk is the CEO of Tesla, SpaceX, Neuralink, and a co-founder of several other companies. Subscribe to this YouTube channel or connect on: - Twitter: ht

​Everything you need to know about Tensorflow 2.0🔥
https://towardsdatascience.com/everything-you-need-to-know-about-tensorflow-2-0-b0856960c074

🔗 Everything you need to know about TensorFlow 2.0
Keras-APIs, SavedModels, TensorBoard, Keras-Tuner and more.

Realtime Deep Learning for Self-Driving Cars: Making the Mass Production of AVs Feasible

https://www.youtube.com/watch?v=vpWpvPizv8c

🎥 Realtime Deep Learning for Self-Driving Cars: Making the Mass Production of AVs Feasible
👁 1 раз ⏳ 1393 сек.
- While deep learning was originally designed for powerful processors (e.g., NVIDIA GPUs), efficient processors must be used in order to apply deep learning on the edge, which is crucial for self-driving cars.
- Limitations of software optimization, algorithm optimization, and post processing
- Running accurate deep learning algorithms on low power processors to significantly reduce cost and improve accuracy on powerful processors

Speaker: Dr Amir Alush – Co-Founder and Chief Technology Officer, Brodmann17

​DEPLOYING A SEQ2SEQ MODEL WITH TORCHSCRIPT
Author: Matthew Inkawhich 1.2, this tutorial was updated to work with PyTorch 1.2

This tutorial will walk through the process of transitioning a sequence-to-sequence model to TorchScript using the TorchScript API. The model that we will convert is the chatbot model from the Chatbot tutorial. You can either treat this tutorial as a “Part 2” to the Chatbot tutorial and deploy your own pretrained model, or you can start with this document and use a pretrained model that we host. In the latter case, you can reference the original Chatbot tutorial for details regarding data preprocessing, model theory and definition, and model training.

https://pytorch.org/tutorials/beginner/deploy_seq2seq_hybrid_frontend_tutorial.html

🔗 Deploying a Seq2Seq Model with TorchScript — PyTorch Tutorials 1.2.0 documentation

🎥 Python Flappy Bird AI Tutorial (with NEAT) - Finishing the Graphics
👁 1 раз ⏳ 713 сек.
In this python flappy bird tutorial we finish creating the graphics for our game and fine tune a few features we worked on previously. In the next video we will start to implement the NEAT algorithm to build an AI that can play our flappy bird game.

Image Download: https://techwithtim.net/wp-content/uploads/2019/08/imgs.zip
Code Download: https://github.com/techwithtim/NEAT-Flappy-Bird

Enroll in The Fundamentals of Programming w/ Python
https://tech-with-tim.teachable.com/p/the-fundamentals-of-programmin