​Linear Regression Using Normal Equations

🔗 Linear Regression Using Normal Equations
Data on two variables recorded simultaneously for a group of individuals are called bi-variate data. Examples of bi-variate data are…

​Linear Algebra for Machine Learning: Solve a System of Linear Equations

🔗 Linear Algebra for Machine Learning: Solve a System of Linear Equations
How Algebra is the Underline Mechanism of Machine Learning Algorithms

OpenCV Python Tutorial - Find Lanes for Self-Driving Cars (Computer Vision Basics Tutorial)

https://www.youtube.com/watch?v=eLTLtUVuuy4

🎥 OpenCV Python Tutorial - Find Lanes for Self-Driving Cars (Computer Vision Basics Tutorial)
👁 1 раз ⏳ 5182 сек.
Simulate Self-Driving Cars with Computer Vision & Deep Learning - Full Course on sale for $10! (normally $200): https://www.udemy.com/applied-deep-learningtm-the-complete-self-driving-car-course/?couponCode=YOUTUBE09

Rayan Slim's channel: https://www.youtube.com/channel/UCY-XVeC8oCIm9tfX7qqt0Xw
Road Image Link: https://github.com/rslim087a/road-image (for Computer Vision tutorial 1)

Road Video Link: https://github.com/rslim087a/road-video (for last Computer Vision tutorial)

This video was done in colla

​RecSys Series Part 4: The 7 Variants of Matrix Factorization For Collaborative Filtering

🔗 RecSys Series Part 4: The 7 Variants of Matrix Factorization For Collaborative Filtering
Mathematical Deep Dive Into Matrix Factorization

​Ищем Data Scientists, которые готовы принять методологический вызов и участвовать в хакатоне Яндекс.Недвижимости по анализу данных домов в Москве для повышения эффективности объявлений на классифайде. Очный этап 21-22 марта, регистрация для индивидуальных участников и команд до 10 марта на сайте: https://hacktherealty.ru/

🔗 Hack The Realty
Первый хакатон Яндекс.Недвижимости пройдет в Москве 21-22 марта. Призовой фонд мероприятия 500 000 рублей.

​Статья о трёх продвинутых функциях Python для data scientist-ов.

https://towardsdatascience.com/3-advanced-python-functions-for-data-scientists-f869016da63a

🔗 3 Advanced Python Functions for Data Scientists
Make your code cleaner and more readable by not reinventing the wheel.

​MIT Deep Learning online course *New 2020 Edition* ALL! New lectures every week for the rest of the course with slides, video coding labs
For all lectures, slides, and lab materials https://introtodeeplearning.com/

https://www.youtube.com/watch?v=iaSUYvmCekI&feature=youtu.be

🔗 MIT Deep Learning 6.S191
MIT's official introductory course on deep learning methods and applications.

🎥 Переосмысление переводческой отрасли как бизнеса, управляемого данными. UTICamp-2019
👁 1 раз ⏳ 2434 сек.
Докладчица: Оксана Ткач, основатель и руководитель компании Metamova
О докладчице: https://2019.utic.eu/speakers/oksana-tkach

Мы привыкли считать, что переводческая отрасль — это бизнес, основанный на управлении и ориентированный в первую очередь на клиентов. Это действительно так: непросто организовать работу, подобрать подходящего переводчика для клиента, согласовать рабочий процесс, обеспечить качество перевода… Но если рассмотреть переводческий бизнес как отрасль с большим объемом данных, то мы придем

​Neo4j vs GRAKN Part I: Basics

🔗 Neo4j vs GRAKN Part I: Basics
Dear readers, in this series of articles I compared two popular knowledge bases: Neo4j and Grakn. I decided to write this comparison long…

​KaoKore: A Pre-modern Japanese Art Facial Expression Dataset
Paper: https://arxiv.org/pdf/2002.08595v1.pdf
Github: https://github.com/rois-codh/kaokore

🔗

​Architecture as a Graph

🔗 Architecture as a Graph
A Computational Approach

🎥 Enhancing Actions with APIs like Machine Learning and Canvas (Assistant on Air)
👁 1 раз ⏳ 367 сек.
Meet Sachin Kumar, a Google Developer Expert (GDE) for Google Assistant. Sachin hosts workshops for beginners, and expands beyond beginner level to teaching how to build meaningful Actions with Machine Learning APIs. He also touches on building for Interactive Canvas.

Links:
Actions on Google docs → https://goo.gle/2YIelnq
Listen to the podcast version for the longer conversation → https://goo.gle/2VdYbDQ

Catch more episodes of Assistant on Air → https://goo.gle/2X0nBqG
Please subscribe for more updates

🎥 Deep Learning | How to Train your Deep Neural Network? | Eduonix
👁 1 раз ⏳ 394 сек.
This video will help you understand how to train your first Deep Neural Network in a very simplified manner. Deep learning is part of a broader family of machine learning methods based on artificial neural networks with representation learning. Learning can be supervised, semi-supervised or unsupervised.



➡ Get 10% flat off on the above complete course with certification - https://bit.ly/39trxCf (APPLY COUPON - YTDEG)

➡Get 15% flat off on the these AI/ML courses with certification - (APPLY COUPON

​Best Practices for Machine Learning engineering

https://github.com/mukeshmithrakumar/Book_List/blob/master/Rules%20of%20Machine%20Learning.pdf

🔗 mukeshmithrakumar/Book_List
Python, Machine Learning, Deep Learning and Data Science Books - mukeshmithrakumar/Book_List

​Простой пример парсинга и аналитики данных по игре World of Tanks
В этом небольшом примере, я хочу показать, как парсить данные с сайтов и как дальше использовать их для анализа. Для этого я спарсил таблицу рейтингов кланов из игры World of Tanks и посмотрел, как рейтинг клана может коррелировать с другими данными.

🔗 Простой пример парсинга и аналитики данных по игре World of Tanks
В этом небольшом примере, я хочу показать, как парсить данные с сайтов и как дальше использовать их для анализа. Для этого я спарсил таблицу рейтингов кланов из...

​New Kaggle Competition: University of Liverpool - Ion Switching - Identify the number of channels open at each time point. Total Prize of $25,000.

https://www.kaggle.com/c/liverpool-ion-switching

🔗 University of Liverpool - Ion Switching
Identify the number of channels open at each time point

🎥 Машинное обучение. Семинар 1. Introduction. Naive Bayes.
👁 1 раз ⏳ 2506 сек.
Ссылка на ноутбук: https://github.com/ml-mipt/ml-mipt/tree/basic_s20/week0_01_org_kNN_and_Naive_Bayes

Лекция: https://www.youtube.com/watch?v=8s9073kNXgY&feature=youtu.be

Лекции по машинному обучению: https://www.youtube.com/playlist?list=PL4_hYwCyhAvZyW6qS58x4uElZgAkMVUvj
Семинары по машинному обучению: https://www.youtube.com/playlist?list=PL4_hYwCyhAvYPOWn6e44RKxEfRWEsPA1z

Съемка: Александра Погребная
Монтаж: Владимир Гончаров

​Обратный парадокс Банаха-Тарского или как сократить хранимый объем данных в пять раз
Сразу хочу пояснить что речь идет о теоретической модели позволяющей сократить объем хранимой информации в 5 раз, а не о ее практическом применении.
Введение
Восемь месяцев назад бродил я на просторах интернета в поисках вдохновения. Сам я инженер по первому образованию, но занимаюсь в целом развитием стартапов, менторством, коучингом, консалтингом и все в этом духе. Поэтому я стараюсь следить за трендами, новыми идеями (как говориться все новое, это хорошо забытое старое) и находя какую либо информацию, всегда стараюсь задать себе вопрос: "как это можно применить на практике?". Так вот, наткнулся я на статью, честно признать я больше из лагеря физиков, чем математиков, поэтому понял примерно 10%, но суть уловил что 1=2 и так далее в прогрессии, причем это не бред сумасшедшего, а реальная математическая выкладка.
Стало интересно.
Суть парадокса Банаха-Тарского в легком изложении
Я читал много статей, пол книги прочел, смотрел ряд видео, вот это легче и наглядней всего объясняет суть.
Говоря простым языком можно взять любое трехмерное тело, разделить его на части (точнее на 5 частей), а потом из них собрать обратно 2 тела причем абсолютно по структуре, размеру, форме, объему и всем другим параметрам равные не только друг другу, но и первоначальному телу.

🔗 Обратный парадокс Банаха-Тарского или как сократить хранимый объем данных в пять раз
Сразу хочу пояснить что речь идет о теоретической модели позволяющей сократить объем хранимой информации в 5 раз, а не о ее практическом применении. Введение Во...

🎥 Deep Learning Chapter 10: Recurrent Neural Networks and Teacher Forcing
👁 1 раз ⏳ 621 сек.
For a more detailed explanation see my blog post here:
https://www.arashash.com/2020/02/23/deeplearning-ch10-lect2.html

Reference:
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
Chapter 10 - Sequence Modeling: Recurrent and Recursive Nets
10.2 Recurrent Neural Networks (pp. 372- 378)

--Arash Ashrafnejad