Книга: Машинное обучение и безопасность
Авторы: Кларенс Чио, Дэвид Фримэн
Год издания: 2020
Описание:
С помощью этой книги вы изучите способы применения машинного обучения в задачах обеспечения безопасности, таких как выявление вторжения извне, классификация вредоносных программ и анализ сетевой среды. Особое внимание уделено задачам по созданию работоспособных, надежных масштабируемых систем извлечения и анализа данных в сфере обеспечения безопасности.
#книга #ml #ru
Авторы: Кларенс Чио, Дэвид Фримэн
Год издания: 2020
Описание:
С помощью этой книги вы изучите способы применения машинного обучения в задачах обеспечения безопасности, таких как выявление вторжения извне, классификация вредоносных программ и анализ сетевой среды. Особое внимание уделено задачам по созданию работоспособных, надежных масштабируемых систем извлечения и анализа данных в сфере обеспечения безопасности.
#книга #ml #ru
Курс: Машинное обучение
Курс по машинному обучению от Стэнфордского университета представляет собой широкое введение в машинное обучение, анализ данных и статистическое распознавание образов. Курс объёмный и рассчитан на 11 недель обучения.
Доступен бесплатно с русскими субтитрами
#курс #ml #ru #en
Курс по машинному обучению от Стэнфордского университета представляет собой широкое введение в машинное обучение, анализ данных и статистическое распознавание образов. Курс объёмный и рассчитан на 11 недель обучения.
Доступен бесплатно с русскими субтитрами
#курс #ml #ru #en
Coursera
Supervised Machine Learning: Regression and Classification
In the first course of the Machine Learning ... Enroll for free.
Доклад: Нейронные сети. Смотрим, как они устроены изнутри
Алексей Гучко, проект-менеджер компании EORA, которая занимается разработкой Искусственного интеллекта подготовил доклад, где подробно расскажет о том:
— существует ли вообще ИИ;
— какие задачи решает нейросеть;
— что находится "внутри" нейронки.
Посмотреть доклад
#доклад #ml #ru
Алексей Гучко, проект-менеджер компании EORA, которая занимается разработкой Искусственного интеллекта подготовил доклад, где подробно расскажет о том:
— существует ли вообще ИИ;
— какие задачи решает нейросеть;
— что находится "внутри" нейронки.
Посмотреть доклад
#доклад #ml #ru
Доклад: Как тестировать нейронные сети
В докладе рассказывают про тесты в машинном обучении для тех, кто не из мира машинного обучения, или только начал углубляться в тему.
Также докладчик расскажет про то, как построены процессы тестирования у него в компании.
Содержание:
— Немного теории про машинное обучение;
— Метрики;
— Теория тестирования нейронных сетей;
— Примеры процессов тестирования в задачах верификации и синтеза речи;
https://youtu.be/170mtOFLc8g
#доклад #ml #ru
В докладе рассказывают про тесты в машинном обучении для тех, кто не из мира машинного обучения, или только начал углубляться в тему.
Также докладчик расскажет про то, как построены процессы тестирования у него в компании.
Содержание:
— Немного теории про машинное обучение;
— Метрики;
— Теория тестирования нейронных сетей;
— Примеры процессов тестирования в задачах верификации и синтеза речи;
https://youtu.be/170mtOFLc8g
#доклад #ml #ru
YouTube
Как тестировать нейронные сети. Доклад c TestDrivenConf. А что вы, нейронные сети тоже тестируете?
Доклад c конференции TestDrivenConf2022. Здесь я расскажу про тесты в машинном обучении для тех, кто не из мира машинного обучения, или только начал.
Расскажу про то, какие процессы построены в компаниях, где я работал.
Содержание:
01:00 Немного теории…
Расскажу про то, какие процессы построены в компаниях, где я работал.
Содержание:
01:00 Немного теории…
Книга: Прикладной анализ текстовых данных на Python
Авторы: Бенджамин Бенгфорт, Ребекка Билбро, Тони Охеда
Год издания: 2019
Описание:
Научитесь применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных вы перейдёте к приёмам классификации и кластеризации текстов, затем приступите к визуальной интерпретации, анализу графов, а после знакомства с приёмами масштабирования научитесь использовать глубокое обучение для анализа текста.
Основные темы:
— Естественные языки и вычисления;
— Создание собственного корпуса, его предварительная подготовка;
— Классификация в текстовом анализе;
— Кластеризация для выявления сходств в тексте;
— Визуализация текста;
— Чат-боты.
#книга #ru #neural #python #ml
Авторы: Бенджамин Бенгфорт, Ребекка Билбро, Тони Охеда
Год издания: 2019
Описание:
Научитесь применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных вы перейдёте к приёмам классификации и кластеризации текстов, затем приступите к визуальной интерпретации, анализу графов, а после знакомства с приёмами масштабирования научитесь использовать глубокое обучение для анализа текста.
Основные темы:
— Естественные языки и вычисления;
— Создание собственного корпуса, его предварительная подготовка;
— Классификация в текстовом анализе;
— Кластеризация для выявления сходств в тексте;
— Визуализация текста;
— Чат-боты.
#книга #ru #neural #python #ml
Книга: Машинное обучение
Авторы: Хенрик Бринк, Джозеф Ричардс, Марк Феверолф
Год издания: 2017
Описание:
Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Основные темы:
— Последовательность действий при машинном обучении;
— Моделирование и прогнозирование;
— Оценка и оптимизация модели;
— Практическое применение;
— Пример обработки естественного языка.
#книга #ml #python #ru
Авторы: Хенрик Бринк, Джозеф Ричардс, Марк Феверолф
Год издания: 2017
Описание:
Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Основные темы:
— Последовательность действий при машинном обучении;
— Моделирование и прогнозирование;
— Оценка и оптимизация модели;
— Практическое применение;
— Пример обработки естественного языка.
#книга #ml #python #ru
Интервью: Машинное обучение и нейросети / Интервью с техническим директором Яндекс.Дзен
Из этого выпуска вы узнаете о том, что такое машинное обучение (machine learning), какие бывают нейронные сети, что такое data sets и чем инженер машинного обучения отличается от data scientist.
В гостях CTO компании Яндекс.Дзен - Антон Фролов:
https://youtu.be/7bUYEMZVMCE
#интервью #ml #ru
Из этого выпуска вы узнаете о том, что такое машинное обучение (machine learning), какие бывают нейронные сети, что такое data sets и чем инженер машинного обучения отличается от data scientist.
В гостях CTO компании Яндекс.Дзен - Антон Фролов:
https://youtu.be/7bUYEMZVMCE
#интервью #ml #ru
YouTube
Машинное обучение и нейросети / Интервью с техническим директором Яндекс.Дзен
Из этого выпуска вы узнаете о том, что такое машинное обучение (machine learning), какие бывают нейронные сети, что такое data sets и чем инженер машинного обучения отличается от data scientist.
В гостях CTO компании Яндекс.Дзен - Антон Фролов.
Кроме того…
В гостях CTO компании Яндекс.Дзен - Антон Фролов.
Кроме того…
Доклад: Нейронные сети. Смотрим, как они устроены изнутри
Алексей Гучко, проект-менеджер компании EORA, которая занимается разработкой Искусственного интеллекта, подготовил доклад, где подробно расскажет о том:
— существует ли вообще ИИ;
— какие задачи решает нейросеть;
— что находится "внутри" нейронки.
https://youtu.be/WXSgWawdo0A
#доклад #ml #ru
Алексей Гучко, проект-менеджер компании EORA, которая занимается разработкой Искусственного интеллекта, подготовил доклад, где подробно расскажет о том:
— существует ли вообще ИИ;
— какие задачи решает нейросеть;
— что находится "внутри" нейронки.
https://youtu.be/WXSgWawdo0A
#доклад #ml #ru
Урок: Введение в Машинное Обучение
Машинное обучение представляет собой новую парадигму программирования, где вместо явного задания правил на таком языке программирования как Java или C++, вы создаете систему, которая сама выводит эти правила, обучаясь на данных. Но как это выглядит на самом деле?
В первой части серии "Машинное Обучение: Zero to Hero" Макс Горбунов показывает простой пример создания модели машинного обучения, объясняя идеи, которые мы применим в последующих эпизодах к более интересной задаче — машинному зрению.
https://youtu.be/qu_WEHvGXWk
#урок #ml #ru
Машинное обучение представляет собой новую парадигму программирования, где вместо явного задания правил на таком языке программирования как Java или C++, вы создаете систему, которая сама выводит эти правила, обучаясь на данных. Но как это выглядит на самом деле?
В первой части серии "Машинное Обучение: Zero to Hero" Макс Горбунов показывает простой пример создания модели машинного обучения, объясняя идеи, которые мы применим в последующих эпизодах к более интересной задаче — машинному зрению.
https://youtu.be/qu_WEHvGXWk
#урок #ml #ru
YouTube
Введение в Машинное Обучение (Машинное Обучение: Zero to Hero, часть 1)
Машинное обучение представляет собой новую парадигму программирования, где вместо явного задания правил на таком языке программирования как Java или C++, вы создаете систему, которая сама выводит эти правила, обучаясь на данных. Но как это выглядит на самом…
Книга: Программирование компьютерного зрения на языке Python
Автор: Ян Эрик Солем
Год издания: 2016
Описание:
Если вы хотите разобраться в основах теории и алгоритмов компьютерного зрения, то эта книга — как раз то, что вам нужно. Вы узнаете о методах распознавания объектов, трехмерной реконструкции, обработке стереоизображений, дополненной реальности и других приложениях компьютерного зрения. Изложение сопровождается понятными примерами на языке Python. При этом объяснения даются в общих чертах, без погружения в сухую теорию.
Издание идеально подходит для студентов, исследователей и энтузиастов-любителей с базовыми знаниями математики и навыками программирования.
#книга #python #ml #ru
Автор: Ян Эрик Солем
Год издания: 2016
Описание:
Если вы хотите разобраться в основах теории и алгоритмов компьютерного зрения, то эта книга — как раз то, что вам нужно. Вы узнаете о методах распознавания объектов, трехмерной реконструкции, обработке стереоизображений, дополненной реальности и других приложениях компьютерного зрения. Изложение сопровождается понятными примерами на языке Python. При этом объяснения даются в общих чертах, без погружения в сухую теорию.
Издание идеально подходит для студентов, исследователей и энтузиастов-любителей с базовыми знаниями математики и навыками программирования.
#книга #python #ml #ru
Шпаргалка: Обучение под наблюдением
Это качественная шпаргалка по обучению под наблюдением с курса по машинному обучению университета Стенфорда. Сохраняйте для изучения:
Ссылка на шпаргалку
#шпаргалка #ml #en
Это качественная шпаргалка по обучению под наблюдением с курса по машинному обучению университета Стенфорда. Сохраняйте для изучения:
Ссылка на шпаргалку
#шпаргалка #ml #en
GitHub
stanford-cs-229-machine-learning/en/cheatsheet-supervised-learning.pdf at master · afshinea/stanford-cs-229-machine-learning
VIP cheatsheets for Stanford's CS 229 Machine Learning - afshinea/stanford-cs-229-machine-learning
Инструмент: платформа для машинного обучения
Сервис предоставляет множество натренированных моделей для обработки текста, аудио и графических данных. С их помощью можно выполнять различные задачи, такие как классификация текста, извлечение информации, перевод, генерация текста и многое другое. Он также подходит для классификации объектов на изображениях и распознавания речи. Модели способны обрабатывать несколько задач одновременно. Можно использовать сервис через веб-версию, на приватном хостинге или через API.
Инструмент основывается на трёх популярных библиотеках глубокого обучения: Jax, PyTorch и TensorFlow, что обеспечивает безпроблемную интеграцию наинс платформе.
Ссылка на инструмент: Transformers
#инструмент #ai #ml #general
Сервис предоставляет множество натренированных моделей для обработки текста, аудио и графических данных. С их помощью можно выполнять различные задачи, такие как классификация текста, извлечение информации, перевод, генерация текста и многое другое. Он также подходит для классификации объектов на изображениях и распознавания речи. Модели способны обрабатывать несколько задач одновременно. Можно использовать сервис через веб-версию, на приватном хостинге или через API.
Инструмент основывается на трёх популярных библиотеках глубокого обучения: Jax, PyTorch и TensorFlow, что обеспечивает безпроблемную интеграцию наинс платформе.
Ссылка на инструмент: Transformers
#инструмент #ai #ml #general
Репозиторий: масштабный сборник всеразличных моделей ML
Сохраняйте репозиторий PINTO_model_zoo, в котором можно найти более 400 моделей на различные задачи: обработка жестов, определение лица, эмоций и объектов, захват движений и многое другое. В описании репозитория все модели разделены по группам, там же отмечены поддерживаемые библиотеки (TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite, EdgeTPU и CoreML). В конце описания можно найти несколько примеров работы с некоторыми из моделей.
#репозиторий #ml
Сохраняйте репозиторий PINTO_model_zoo, в котором можно найти более 400 моделей на различные задачи: обработка жестов, определение лица, эмоций и объектов, захват движений и многое другое. В описании репозитория все модели разделены по группам, там же отмечены поддерживаемые библиотеки (TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite, EdgeTPU и CoreML). В конце описания можно найти несколько примеров работы с некоторыми из моделей.
#репозиторий #ml
Статья: PyTorch или TensorFlow — что выбрать
Сохраняйте статью, где сравнивают TensorFlow и PyTorch. PyTorch — гибкий инструмент на базе Python и Torch. TensorFlow — система машинного обучения Google Brain с высокоуровневым API Keras.
Выбор зависит от целей проекта: PyTorch прост в использовании, но ограничен в визуализации. TensorFlow — производителен и имеет много предварительно обученных моделей.
#статья #ml #ru
Сохраняйте статью, где сравнивают TensorFlow и PyTorch. PyTorch — гибкий инструмент на базе Python и Torch. TensorFlow — система машинного обучения Google Brain с высокоуровневым API Keras.
Выбор зависит от целей проекта: PyTorch прост в использовании, но ограничен в визуализации. TensorFlow — производителен и имеет много предварительно обученных моделей.
#статья #ml #ru
Tproger
PyTorch или TensorFlow — что выбрать
IT-блогер Daniel Dan выпустил новое видео, в котором сравнил PyTorch или TensorFlow, их плюсы и минусы, а также ключевые различия.
Курс: Контролируемое машинное обучение — регрессия и классификация
Сохраняйте годный курс по ML от Стэнфордского университета. Материал рассчитан для начинающих, есть русские субтитры.
Тут вы научитесь строить модели на Python с использованием NumPy и scikit-learn и модели под наблюдением для задач прогнозирования и бинарной классификации, включая линейную и логистическую регрессию.
#курс #начинающим #ml #python #ru
Сохраняйте годный курс по ML от Стэнфордского университета. Материал рассчитан для начинающих, есть русские субтитры.
Тут вы научитесь строить модели на Python с использованием NumPy и scikit-learn и модели под наблюдением для задач прогнозирования и бинарной классификации, включая линейную и логистическую регрессию.
#курс #начинающим #ml #python #ru
Coursera
Supervised Machine Learning: Regression and Classification
In the first course of the Machine Learning ... Enroll for free.
Forwarded from Веб-страница
Media is too big
VIEW IN TELEGRAM
Машинное обучение на JavaScript
Заняться машинным обучением можно даже, если вы не знакомы с Python. Для этого у JS есть библиотека
В этом уроке вы познакомитесь с основами использования
#javascript #ml #видео
Заняться машинным обучением можно даже, если вы не знакомы с Python. Для этого у JS есть библиотека
ml5.js, которая построена на основе TensorFlow.js.В этом уроке вы познакомитесь с основами использования
ml5.js для создания интерактивных и интеллектуальных веб-приложений. Ролик подойдёт даже тем, у кого ещё нет опыта работы с машинным обучением.#javascript #ml #видео
Курс: Разработка ML сервиса — от идеи к прототипу
Чтобы идея в машинном обучении не осталась просто кодом в ноутбуке, ее нужно довести до рабочего состояния. А для этого важно не только обучить модель, но и упаковать ее в удобный сервис.
Этот курс как раз об этом: от разведочного анализа данных до веб-приложения на Streamlit. В программе – основы ML, работа с Git, построение моделей и презентация результатов. А в конце получится не просто опыт, а готовый проект в портфолио.
#курс #ml #начинающим #ru
Чтобы идея в машинном обучении не осталась просто кодом в ноутбуке, ее нужно довести до рабочего состояния. А для этого важно не только обучить модель, но и упаковать ее в удобный сервис.
Этот курс как раз об этом: от разведочного анализа данных до веб-приложения на Streamlit. В программе – основы ML, работа с Git, построение моделей и презентация результатов. А в конце получится не просто опыт, а готовый проект в портфолио.
#курс #ml #начинающим #ru
Stepik: online education
Разработка ML сервиса: от идеи к прототипу
Буткемп проводится командой онлайн-магистратуры "Машинное обучение и высоконагруженные системы" факультета компьютерных наук Высшей школы экономики и знакомит с основами разведочного анализа данных
Курс по разработке ML сервиса: от идеи к прототипу
Иногда хочется не просто покрутить данные, а собрать из них что-то живое — например, работающий ML-сервис. Но с чего вообще начать, если опыта немного, а интерес есть?
Один из вариантов — разобрать процесс от анализа данных до прототипа вместе с преподавателями из Вышки. В курсе — немного теории, немного практики, и в итоге — интерактивный дашборд на Streamlit, который не стыдно добавить в резюме.
Ссылка на курс
#курс #ml #начинающим #ru
Иногда хочется не просто покрутить данные, а собрать из них что-то живое — например, работающий ML-сервис. Но с чего вообще начать, если опыта немного, а интерес есть?
Один из вариантов — разобрать процесс от анализа данных до прототипа вместе с преподавателями из Вышки. В курсе — немного теории, немного практики, и в итоге — интерактивный дашборд на Streamlit, который не стыдно добавить в резюме.
Ссылка на курс
#курс #ml #начинающим #ru
Stepik: online education
Разработка ML сервиса: от идеи к прототипу
Буткемп проводится командой онлайн-магистратуры "Машинное обучение и высоконагруженные системы" факультета компьютерных наук Высшей школы экономики и знакомит с основами разведочного анализа данных