Подводные камни в управлении Machine Learning проектом
Уже полтора года я занимаю у себя в компании позицию основного ML-разработчика. Полгода управляю небольшой командой. Я накопил опыт, которым хочу поделиться. Делать это буду в формате топа заблуждений и потенциальных трудностей.
🔗 Подводные камни в управлении Machine Learning проектом
Уже полтора года я занимаю у себя в компании позицию основного ML-разработчика. Полгода управляю небольшой командой. Я накопил опыт, которым хочу поделиться. Д...
Уже полтора года я занимаю у себя в компании позицию основного ML-разработчика. Полгода управляю небольшой командой. Я накопил опыт, которым хочу поделиться. Делать это буду в формате топа заблуждений и потенциальных трудностей.
🔗 Подводные камни в управлении Machine Learning проектом
Уже полтора года я занимаю у себя в компании позицию основного ML-разработчика. Полгода управляю небольшой командой. Я накопил опыт, которым хочу поделиться. Д...
Хабр
Подводные камни в управлении Machine Learning проектом
Уже полтора года я занимаю у себя в компании позицию основного ML-разработчика. Полгода управляю небольшой командой. Я накопил опыт, которым хочу поделиться. Делать это буду в формате топа...
Practical Machine Learning with Python
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Practical Machine Learning with Python (en).pdf - 💾20 333 817
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Practical Machine Learning with Python (en).pdf - 💾20 333 817
Ridge Regression, Memory vs Understanding & Ice Cream!
🔗 Ridge Regression, Memory vs Understanding & Ice Cream!
Understanding where Ridge sits in the ecosystem of Linear Methods for Regression
🔗 Ridge Regression, Memory vs Understanding & Ice Cream!
Understanding where Ridge sits in the ecosystem of Linear Methods for Regression
Medium
Ridge Regression, Memory vs Understanding & Ice Cream!
Understanding where Ridge sits in the ecosystem of Linear Methods for Regression
Latest from Google brain researchers
https://www.profillic.com/paper/arxiv:1912.01603
🔗 Dream to Control: Learning Behaviors by Latent Imagination - Profillic
Explore state-of-the-art in machine learning, AI, and robotics. Browse models, source code, papers by topics and authors. Connect with researchers and engineers working on related problems in machine learning, deep learning, natural language processing, robotics, computer vision, data mining, neural networks, artificial intelligence/AI, data science... and explore working together on projects, github code
https://www.profillic.com/paper/arxiv:1912.01603
🔗 Dream to Control: Learning Behaviors by Latent Imagination - Profillic
Explore state-of-the-art in machine learning, AI, and robotics. Browse models, source code, papers by topics and authors. Connect with researchers and engineers working on related problems in machine learning, deep learning, natural language processing, robotics, computer vision, data mining, neural networks, artificial intelligence/AI, data science... and explore working together on projects, github code
Profillic
Dream to Control: Learning Behaviors by Latent Imagination - Profillic
Explore state-of-the-art in machine learning, AI, and robotics. Browse models, source code, papers by topics and authors. Connect with researchers and engineers working on related problems in machine learning, deep learning, natural language processing, robotics…
А/Б тестирование, пайплайн и ритейл: брендированная четверть по Big Data от GeekBrains и X5 Retail Group
Технологии Big Data применяются сейчас повсеместно — в промышленности, медицине, бизнесе, развлечениях. Так, без анализа больших данных не смогут нормально работать крупные ритейлеры, упадут продажи в Amazon, будут не в состоянии предсказывать погоду на многие дни, недели и месяцы наперед метеорологи. Логично, что специалисты по большим данным сейчас нарасхват, причем спрос постоянно растет.
🔗 А/Б тестирование, пайплайн и ритейл: брендированная четверть по Big Data от GeekBrains и X5 Retail Group
Технологии Big Data применяются сейчас повсеместно — в промышленности, медицине, бизнесе, развлечениях. Так, без анализа больших данных не смогут нормально раб...
Технологии Big Data применяются сейчас повсеместно — в промышленности, медицине, бизнесе, развлечениях. Так, без анализа больших данных не смогут нормально работать крупные ритейлеры, упадут продажи в Amazon, будут не в состоянии предсказывать погоду на многие дни, недели и месяцы наперед метеорологи. Логично, что специалисты по большим данным сейчас нарасхват, причем спрос постоянно растет.
🔗 А/Б тестирование, пайплайн и ритейл: брендированная четверть по Big Data от GeekBrains и X5 Retail Group
Технологии Big Data применяются сейчас повсеместно — в промышленности, медицине, бизнесе, развлечениях. Так, без анализа больших данных не смогут нормально раб...
Хабр
А/Б тестирование, пайплайн и ритейл: брендированная четверть по Big Data от GeekBrains и X5 Retail Group
Технологии Big Data применяются сейчас повсеместно — в промышленности, медицине, бизнесе, развлечениях. Так, без анализа больших данных не смогут нормально раб...
Исследование МФТИ по реконструкции изображения, которое видит человек, по ЭЭГ при помощи нейросети
https://techxplore.com/news/2019-10-neural-network-reconstructs-human-thoughts.html
https://www.youtube.com/watch?v=nf-P3b2AnZ
🔗 Neural network reconstructs human thoughts from brain waves in real time
Researchers from Russian corporation Neurobotics and the Moscow Institute of Physics and Technology have found a way to visualize a person's brain activity as actual images mimicking what they observe ...
https://techxplore.com/news/2019-10-neural-network-reconstructs-human-thoughts.html
https://www.youtube.com/watch?v=nf-P3b2AnZ
🔗 Neural network reconstructs human thoughts from brain waves in real time
Researchers from Russian corporation Neurobotics and the Moscow Institute of Physics and Technology have found a way to visualize a person's brain activity as actual images mimicking what they observe ...
Tech Xplore
Neural network reconstructs human thoughts from brain waves in real time
Researchers from Russian corporation Neurobotics and the Moscow Institute of Physics and Technology have found a way to visualize a person's brain activity as actual images mimicking what they observe ...
Дэвидсон-Пайлон К. - Вероятностное программирование на Python
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Дэвидсон-Пайлон К. - Вероятностное программирование на Python (Библиотека программиста) - 2019.pdf - 💾9 841 979
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Дэвидсон-Пайлон К. - Вероятностное программирование на Python (Библиотека программиста) - 2019.pdf - 💾9 841 979
Добрый вечер. Пытаюсь реализовать свою нейронную сеть с нуля без фреймворков. типа торч, тенсорфлов и керас, вроде бы так. Подскажите пожалуйста. Как правильно подбирать значения нейрона смещения? Есть ли какой способ?
Why Data Scientists Must Speak the Language of Python
🔗 Why Data Scientists Must Speak the Language of Python
Since the year 1950, the world has seen the emergence of more than a few programming langauge. Be it JAVA, C, C++, Python or C#, every…
🔗 Why Data Scientists Must Speak the Language of Python
Since the year 1950, the world has seen the emergence of more than a few programming langauge. Be it JAVA, C, C++, Python or C#, every…
Medium
Why Data Scientists Must Speak the Language of Python
Since the year 1950, the world has seen the emergence of more than a few programming langauge. Be it JAVA, C, C++, Python or C#, every…
Understanding Word2vec Embedding in Practice
🔗 Understanding Word2vec Embedding in Practice
Word embedding, vector space model, Gensim
🔗 Understanding Word2vec Embedding in Practice
Word embedding, vector space model, Gensim
Medium
Understanding Word2vec Embedding in Practice
Word embedding, vector space model, Gensim
Julia и дистрибутивная семантика
С момента выхода прошлой публикации в мире языка Julia произошло много интересного:
Она заняла все первые места в плане роста вспомогательных пакетов. За это я и люблю статистику — главное выбрать удобную единицу измерения, например проценты как в приведенном ресурсе
Вышла версия 1.3.0 — из самых масштабных нововведений там модернизация менеджера пакетов и появление многопоточного параллелизма
Джулия заручается поддержкой Nvidia
Американский департамент перспективных исследований в области энергетики выделил кучу денег на решение задач оптимизации
В то же время заметен рост интереса со стороны разработчиков, что выражается обильными бенчмаркингами:
Международное энергетическое агенство проверяет пакеты реализующие многомерную оптимизацию
Датасаянтисты тестят работу с GPU
Ни капли не предвзятые ребята сравнивают интеграторы для дифуров
А энтузиасты сравнивают языки на базовых задачах.
Мы же просто радуемся новым и удобным инструментам и продолжаем их изучать. Сегодняшний вечер будет посвящен текстовому анализу, поиску скрытого смысла в выступлениях президентов и генерации текста в духе Шекспира и джулиа-программиста, а на сладкое — скормим рекуррентной сети 40000 пирожков.
🔗 Julia и дистрибутивная семантика
С момента выхода прошлой публикации в мире языка Julia произошло много интересного: Она заняла все первые места в плане роста вспомогательных пакетов. За это я...
С момента выхода прошлой публикации в мире языка Julia произошло много интересного:
Она заняла все первые места в плане роста вспомогательных пакетов. За это я и люблю статистику — главное выбрать удобную единицу измерения, например проценты как в приведенном ресурсе
Вышла версия 1.3.0 — из самых масштабных нововведений там модернизация менеджера пакетов и появление многопоточного параллелизма
Джулия заручается поддержкой Nvidia
Американский департамент перспективных исследований в области энергетики выделил кучу денег на решение задач оптимизации
В то же время заметен рост интереса со стороны разработчиков, что выражается обильными бенчмаркингами:
Международное энергетическое агенство проверяет пакеты реализующие многомерную оптимизацию
Датасаянтисты тестят работу с GPU
Ни капли не предвзятые ребята сравнивают интеграторы для дифуров
А энтузиасты сравнивают языки на базовых задачах.
Мы же просто радуемся новым и удобным инструментам и продолжаем их изучать. Сегодняшний вечер будет посвящен текстовому анализу, поиску скрытого смысла в выступлениях президентов и генерации текста в духе Шекспира и джулиа-программиста, а на сладкое — скормим рекуррентной сети 40000 пирожков.
🔗 Julia и дистрибутивная семантика
С момента выхода прошлой публикации в мире языка Julia произошло много интересного: Она заняла все первые места в плане роста вспомогательных пакетов. За это я...
Хабр
Julia и дистрибутивная семантика
С момента выхода прошлой публикации в мире языка Julia произошло много интересного: Она заняла все первые места в плане роста вспомогательных пакетов. За это я и люблю статистику — главное выбрать...
PeopleBlending: создаём Science Art с помощью когнитивных сервисов и небольшого количества креативности
Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность. Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваюсь к пересечению этих областей, которое можно назвать генеративным искусством (generative art), и которое является частью Science Art. В этой статье я хочу поделиться результатами одного креативного эксперимента по рисованию портрета, из которого родилась техника Cognitive People Blending:
Glass Girl, 2019
Vickie Rotator, 2019
Эти портреты создавались из нескольких фотографий, наложенных друг на друга таким образом, чтобы глаза совпадали — при этом основные черты лица подчеркиваются, фон размывается, и получается любопытный смешанный портрет. Такое безусловно можно сделать в PhotoShop, но это мучительно, и не оставляет места для быстрых экспериментов с разными фотографиями. Ниже я покажу, как такие портреты можно создавать автоматически с помощью когнитивных сервисов Microsoft и небольшого количества креативности. Вы сможете найти весь рассматриваемый мною код в этом репозитории, и сразу начать использовать его с помощью Azure Notebooks. Если вдруг Вы создадите шедевры в этом жанре — пожалуйста, ссылайтесь на Cognitive People Blending.
🔗 PeopleBlending: создаём Science Art с помощью когнитивных сервисов и небольшого количества креативности
Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность. Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваю...
Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность. Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваюсь к пересечению этих областей, которое можно назвать генеративным искусством (generative art), и которое является частью Science Art. В этой статье я хочу поделиться результатами одного креативного эксперимента по рисованию портрета, из которого родилась техника Cognitive People Blending:
Glass Girl, 2019
Vickie Rotator, 2019
Эти портреты создавались из нескольких фотографий, наложенных друг на друга таким образом, чтобы глаза совпадали — при этом основные черты лица подчеркиваются, фон размывается, и получается любопытный смешанный портрет. Такое безусловно можно сделать в PhotoShop, но это мучительно, и не оставляет места для быстрых экспериментов с разными фотографиями. Ниже я покажу, как такие портреты можно создавать автоматически с помощью когнитивных сервисов Microsoft и небольшого количества креативности. Вы сможете найти весь рассматриваемый мною код в этом репозитории, и сразу начать использовать его с помощью Azure Notebooks. Если вдруг Вы создадите шедевры в этом жанре — пожалуйста, ссылайтесь на Cognitive People Blending.
🔗 PeopleBlending: создаём Science Art с помощью когнитивных сервисов и небольшого количества креативности
Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность. Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваю...
Хабр
PeopleBlending: создаём Science Art с помощью когнитивных сервисов и небольшого количества креативности
Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность . Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваюсь к пересечению этих областей,...
Python for Scientists
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Python for Scientists (en).pdf - 💾10 091 133
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
📝 Python for Scientists (en).pdf - 💾10 091 133
What's Hidden in a Randomly Weighted Neural Network?
🔗 What's Hidden in a Randomly Weighted Neural Network?
This video explores the Edge-Popup algorithm to find a subnetwork within a randomly initialized dense network that can perform surprisingly well on ImageNet classification. This algorithm finds a subnetwork within Wide ResNet-50 that outperforms ResNet-34 when the weights in ResNet-34 have been optimized with SGD and the subnetwork of Wide ResNet-50 has not been trained at all! Paper: https://arxiv.org/pdf/1911.13299.pdf Other interesting papers referenced in the video: Rigging the Lottery: https://arxiv.or
🔗 What's Hidden in a Randomly Weighted Neural Network?
This video explores the Edge-Popup algorithm to find a subnetwork within a randomly initialized dense network that can perform surprisingly well on ImageNet classification. This algorithm finds a subnetwork within Wide ResNet-50 that outperforms ResNet-34 when the weights in ResNet-34 have been optimized with SGD and the subnetwork of Wide ResNet-50 has not been trained at all! Paper: https://arxiv.org/pdf/1911.13299.pdf Other interesting papers referenced in the video: Rigging the Lottery: https://arxiv.or
YouTube
What's Hidden in a Randomly Weighted Neural Network?
This video explores the Edge-Popup algorithm to find a subnetwork within a randomly initialized dense network that can perform surprisingly well on ImageNet classification. This algorithm finds a subnetwork within Wide ResNet-50 that outperforms ResNet-34…
Kaggle Severstal: Steel Defect Detection — Павел Якубовский, Илья Добрынин
🔗 Kaggle Severstal: Steel Defect Detection — Павел Якубовский, Илья Добрынин
Павел Якубовский и Илья Добрынин рассказывают про соревнование Kaggle Severstal: Steel Defect Detection. Команда заработала золотую медаль. Из этого видео вы сможете узнать: - Что такое Synchronous Kernel Only - Как распознать шейкап на старте - Как заансамблить 100500 моделей и уложиться в час 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/mltrainings.moscow
🔗 Kaggle Severstal: Steel Defect Detection — Павел Якубовский, Илья Добрынин
Павел Якубовский и Илья Добрынин рассказывают про соревнование Kaggle Severstal: Steel Defect Detection. Команда заработала золотую медаль. Из этого видео вы сможете узнать: - Что такое Synchronous Kernel Only - Как распознать шейкап на старте - Как заансамблить 100500 моделей и уложиться в час 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/mltrainings.moscow
YouTube
Kaggle Severstal: Steel Defect Detection — Павел Якубовский, Илья Добрынин
Павел Якубовский и Илья Добрынин рассказывают про соревнование Kaggle Severstal: Steel Defect Detection. Команда заработала золотую медаль.
Из этого видео вы сможете узнать:
- Что такое Synchronous Kernel Only
- Как распознать шейкап на старте
- Как заансамблить…
Из этого видео вы сможете узнать:
- Что такое Synchronous Kernel Only
- Как распознать шейкап на старте
- Как заансамблить…