The natural language decathlon benchmark to do well on ten different nlp tasks including question answering, translation, summarization, sentiment analysis by Salesforce research team.
https://einstein.ai/research/the-natural-language-decathlon

Microsoft Research announced Open Data project! This single, cloud-hosted location offers datasets representing many years of data curation and research efforts by Microsoft.
https://www.microsoft.com/en-us/research/blog/announcing-microsoft-research-open-data-datasets-by-microsoft-research-now-available-in-the-cloud/

Udacity has published a github repo for the Deep Reinforcement Learning Nanodegree program
https://github.com/udacity/deep-reinforcement-learning

Офлайн А/Б тестирование в ритейле
https://habr.com/company/ods/blog/416101/

A thorough and short guide to Matplotlib API

https://realpython.com/python-matplotlib-guide/

Как внедрить технологии машинного обучения у себя в бизнесе
https://habr.com/post/417009/

10 курсов по машинному обучению на лето

https://m.habr.com/company/spbifmo/blog/417641/

Generative Art with Compositional Pattern Producing Networks/GANs/WGANs
https://kwj2104.github.io/2018/cppngan/

Singing Style Transfer Using CybeGAN
http://mirlab.org/users/haley.wu/cybegan/

Памятки по искусственному интеллекту, машинному обучению, глубокому обучению и большим данным
https://habr.com/company/nixsolutions/blog/417935/

AI, практический курс. Современные архитектуры глубоких нейронных сетей для классификации изображений
https://habr.com/company/intel/blog/417809/

«Туда и обратно» для нейронных сетей, или обзор применений автокодировщиков в анализе текстов
https://habr.com/company/antiplagiat/blog/418173/

2 августа, в 20:00 (мск) OTUS. Онлайн-образование и Максим Кретов, преподаватель курса «Data Scientist», приглашают на вебинар «Наивный байесовский классификатор». https://otus.pw/I6lX/
Присоединяйтесь – будет интересно и профессионально. Участие – свободное для всех желающих.

Во время мастер-класса будет рассмотрен один из простейших генеративных классификаторов − наивный байесовский классификатор, в применении к задаче категоризации документов.

Сначала - обсуждение принципов работы этого классификатора, затем - переход к практике:
· в каком виде подавать текст в модель,
· как тренировать классификатор,
· как измерять качество полученной модели.

Можно просто смотреть, а можно выполнять заготовленный код для лучшего усвоения. Для этого понадобится установить .ipynb ноутбук и настроить окружение: python3, jupyter notebook, scikit-learn, matplotlib.

Вебинар проводится в рамках набора на курс «Data Scientist». https://otus.pw/fkHa/
Читайте про особые условия для выпускников этого курса, изучайте программу и список компаний-партнеров курса, сдавайте вступительный тест и до встречи на занятиях!

Массовый стекинг моделей ML в production: реально или нет?
https://habr.com/company/hh/blog/418031/

Новые Google Compute Engine образы VM для Deep Learning
https://habr.com/post/418249/

Simple Tensorflow implementation of FusionGAN (CVPR 2018)
https://github.com/taki0112/FusionGAN-Tensorflow

Simple PyTorch implementation of GANimation (ECCV 2018 Oral)
https://github.com/albertpumarola/GANimation

Правда и ложь систем распознавания лиц

https://m.habr.com/company/recognitor/blog/418127

How to use CSRF, KCF, or MOSSE for object tracking + 5 more object trackers
https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/

Implementation of NIvsCG (Distinguishing Between Natural and Computer-Generated Images Using CNNs) in Keras
https://github.com/deruhat/NIvsCG-keras

Receptive field estimation for Keras, Tensorflow and Pytorch models with multiple feature maps support
https://github.com/fornaxai/receptivefield