VisionHack – первый международный хакатон по компьютерному зрению для беспилотного транспорта
НИТУ «МИСиС» и компания Cognitive Technologies проводят 11-13 сентября в Москве первый международный университетский хакатон VisionHack по искусственному интеллекту и компьютерному зрению с призовым фондом более 30 000 долларов США. Ожидается участие делегаций из MIT, Кембриджского университета, Аризонского университета, Политехнического университета Каталонии и других ведущих мировых и российских ВУЗов.
Хакатон будет посвящен использованию применению компьютерного зрения в практических задачах обеспечения безопасности движения беспилотных автомобилей. Участники должны будут создать интеллектуальную подсистему помощи водителю или ADAS (advanced driver assistance system), способную автоматически детектировать различные события на дороге. Детектирование событий должно осуществляться путем обработки видеоряда с камер наблюдения алгоритмами на основе искусственных нейронных сетей. Победителем хакатона будет считаться команда, предложившая наиболее точное и полное решение на наборе предложенных дорожных ситуаций. Также предусмотрены призы за распознавание событий определенного типа.
VisionHack состоит из 2 этапов. С 13 до 31 июля пройдет заочный тур, в рамках которого участникам будет предложено тестовое задание. Лучшие команды участников получат приглашение на очный этап. Зарегистрироваться может как команда (3-5 человек), так и индивидуальный участник.
НИТУ «МИСиС» и компания Cognitive Technologies проводят 11-13 сентября в Москве первый международный университетский хакатон VisionHack по искусственному интеллекту и компьютерному зрению с призовым фондом более 30 000 долларов США. Ожидается участие делегаций из MIT, Кембриджского университета, Аризонского университета, Политехнического университета Каталонии и других ведущих мировых и российских ВУЗов.
Хакатон будет посвящен использованию применению компьютерного зрения в практических задачах обеспечения безопасности движения беспилотных автомобилей. Участники должны будут создать интеллектуальную подсистему помощи водителю или ADAS (advanced driver assistance system), способную автоматически детектировать различные события на дороге. Детектирование событий должно осуществляться путем обработки видеоряда с камер наблюдения алгоритмами на основе искусственных нейронных сетей. Победителем хакатона будет считаться команда, предложившая наиболее точное и полное решение на наборе предложенных дорожных ситуаций. Также предусмотрены призы за распознавание событий определенного типа.
VisionHack состоит из 2 этапов. С 13 до 31 июля пройдет заочный тур, в рамках которого участникам будет предложено тестовое задание. Лучшие команды участников получат приглашение на очный этап. Зарегистрироваться может как команда (3-5 человек), так и индивидуальный участник.
Understanding & Visualizing Self-Normalizing Neural Networks
https://gist.github.com/eamartin/d7f1f71e5ce54112fe05e2f2f17ebedf
https://gist.github.com/eamartin/d7f1f71e5ce54112fe05e2f2f17ebedf
Gist
Understanding & Visualizing Self-Normalizing Neural Networks
QML: как легко получать футболки в конкурсах mailru по машинному обучению
https://habrahabr.ru/post/333554/
https://habrahabr.ru/post/333554/
Habr
QML: как легко получать футболки в конкурсах mail.ru по машинному обучению
В субботу завершился месячный конкурс по машинному обучению от mail.ru ML bootcamp 5 . я занял в нем 14ое место . Это уже третий мой конкурс, в котором я выиграл одежду и за время участия у меня...
Facets: An Open Source Visualization Tool for Machine Learning Training Data
https://research.googleblog.com/2017/07/facets-open-source-visualization-tool.html
https://research.googleblog.com/2017/07/facets-open-source-visualization-tool.html
blog.research.google
Facets: An Open Source Visualization Tool for Machine Learning Training Data
Deep Learning #4: Why You Need to Start Using Embedding Layers
https://medium.com/towards-data-science/deep-learning-4-embedding-layers-f9a02d55ac12
https://medium.com/towards-data-science/deep-learning-4-embedding-layers-f9a02d55ac12
Medium
Deep Learning #4: Why You Need to Start Using Embedding Layers
And how there’s more to it than word embeddings.
Debugging & Visualising training of Neural Network with TensorBoard
https://www.analyticsvidhya.com/blog/2017/07/debugging-neural-network-with-tensorboard/
https://www.analyticsvidhya.com/blog/2017/07/debugging-neural-network-with-tensorboard/
Analytics Vidhya
Tensorboard | Training A Neural Network
Tensorboard helps to train NN models. This article is an overview of tensorboard and a framework for training a neural network using tensorboard with keras.
Understanding Support Vector Machine via Examples
https://sadanand-singh.github.io/posts/svmpython/
https://sadanand-singh.github.io/posts/svmpython/
Sadanand's Notes
In the previous post on Support Vector Machines (SVM), we looked at the mathematical details of the algorithm. In this post, I will be discussing the practical implementations of SVM for classification as well as regression.
I will be using the iris dataset…
I will be using the iris dataset…
Text classifier algorithms: main approaches with tutorials
https://blog.statsbot.co/text-classifier-algorithms-in-machine-learning-acc115293278
https://blog.statsbot.co/text-classifier-algorithms-in-machine-learning-acc115293278
Stats and Bots
Text Classifier Algorithms in Machine Learning
Key text classification algorithms with use cases and tutorials
Video Tutorial on Sentiment Analysis with LSTMs
https://www.oreilly.com/learning/perform-sentiment-analysis-with-lstms-using-tensorflow
https://www.oreilly.com/learning/perform-sentiment-analysis-with-lstms-using-tensorflow
O’Reilly Media
Perform sentiment analysis with LSTMs, using TensorFlow
Explore a highly effective deep learning approach to sentiment analysis using TensorFlow and LSTM networks.
Andrew Ng announces new Deep Learning specialization on Coursera
https://medium.com/@andrewng/deeplearning-ai-announcing-new-deep-learning-courses-on-coursera-43af0a368116
https://medium.com/@andrewng/deeplearning-ai-announcing-new-deep-learning-courses-on-coursera-43af0a368116
Medium
deeplearning.ai: Announcing new Deep Learning courses on Coursera
Dear Friends,
Tensorflow implementation of different GANs and their comparisions
https://github.com/sanghoon/tf-exercise-gan
https://github.com/sanghoon/tf-exercise-gan
GitHub
sanghoon/tf-exercise-gan
Tensorflow implementation of different GANs and their comparisions - sanghoon/tf-exercise-gan
A tensorflow implementation of EAST text detector, runs 16fps@720p on GTX 1080Ti
https://github.com/argman/EAST
https://github.com/argman/EAST
GitHub
GitHub - argman/EAST: A tensorflow implementation of EAST text detector
A tensorflow implementation of EAST text detector. Contribute to argman/EAST development by creating an account on GitHub.
How to Use Metrics for Deep Learning with Keras in Python
http://machinelearningmastery.com/custom-metrics-deep-learning-keras-python/
http://machinelearningmastery.com/custom-metrics-deep-learning-keras-python/
MachineLearningMastery.com
How to Use Metrics for Deep Learning with Keras in Python - MachineLearningMastery.com
The Keras library provides a way to calculate and report on a suite of standard metrics when training deep learning models. In addition to offering standard metrics for classification and regression problems, Keras also allows you to define and report on…
A Gentle Introduction to Mini-Batch Gradient Descent and How to Configure Batch Size
http://machinelearningmastery.com/gentle-introduction-mini-batch-gradient-descent-configure-batch-size/
http://machinelearningmastery.com/gentle-introduction-mini-batch-gradient-descent-configure-batch-size/
How I Used Deep Learning To Train A Chatbot To Talk Like Me
https://adeshpande3.github.io/How-I-Used-Deep-Learning-to-Train-a-Chatbot-to-Talk-Like-Me
https://adeshpande3.github.io/How-I-Used-Deep-Learning-to-Train-a-Chatbot-to-Talk-Like-Me
adeshpande3.github.io
How I Used Deep Learning To Train A Chatbot To Talk Like Me (Sorta)
Can you see the resemblance?
Finding the right representation for your NLP data
https://tryolabs.com/blog/2017/08/10/finding-the-right-representation-for-your-nlp-data/
https://tryolabs.com/blog/2017/08/10/finding-the-right-representation-for-your-nlp-data/
Tryolabs
Finding the right representation for your NLP data
Superresolution with semantic guide. Follow up to highresolution GAN-generated faces.
http://mtyka.github.io/machine/learning/2017/08/09/highres-gan-faces-followup.html
http://mtyka.github.io/machine/learning/2017/08/09/highres-gan-faces-followup.html
mtyka.github.io
Superresolution with semantic guide
A few months ago I posted some results from experiments with highresolution GAN-generated faces. By popular request here is a little more on the approach tak...
Как угодить кинозрителю и не потерять деньги: составляем план закупок при помощи ML
https://habrahabr.ru/company/goto/blog/333746/
https://habrahabr.ru/company/goto/blog/333746/
Хабр
Как угодить кинозрителю и не потерять деньги: составляем план закупок при помощи ML
Еще одна статья от лица участника школы о проекте, реализованном в рамках очередного выезда: «Я – Дмитрий Пасечнюк, и я хочу поделиться своим исследованием, с...
Thoughts after taking the deeplearning ai courses
https://medium.com/towards-data-science/thoughts-after-taking-the-deeplearning-ai-courses-8568f132153
https://medium.com/towards-data-science/thoughts-after-taking-the-deeplearning-ai-courses-8568f132153
Medium
Thoughts after taking the Deeplearning.ai courses
Introduction: