Как внедрить технологии машинного обучения у себя в бизнесе
https://habr.com/post/417009/
https://habr.com/post/417009/
Habr
Как внедрить технологии машинного обучения у себя в бизнесе
Согласно Gartner, машинное обучение на пике популярности. Занимаясь разработками и внедрениями решений в области анализа данных и машинном обучении, наша...
Generative Art with Compositional Pattern Producing Networks/GANs/WGANs
https://kwj2104.github.io/2018/cppngan/
https://kwj2104.github.io/2018/cppngan/
kwj2104.github.io
Generative Art with Compositional Pattern Producing Networks and GANs | K
CPPNs are cool. GANs are hard to train.
Singing Style Transfer Using CybeGAN
http://mirlab.org/users/haley.wu/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/
https://habr.com/company/nixsolutions/blog/417935/
Habr
Памятки по искусственному интеллекту, машинному обучению, глубокому обучению и большим данным
В течение нескольких месяцев мы собирали памятки по искусственному интеллекту, которыми периодически делились с друзьями и коллегами. В последнее время сложилась целая коллекция, и мы добавили к...
AI, практический курс. Современные архитектуры глубоких нейронных сетей для классификации изображений
https://habr.com/company/intel/blog/417809/
https://habr.com/company/intel/blog/417809/
Habr
AI, практический курс. Современные архитектуры глубоких нейронных сетей для классификации изображений
В предыдущей статье, Обзор нейронных сетей для классификации изображений, мы ознакомились с основными базовыми понятиями сверточных нейронных сетей, а также...
«Туда и обратно» для нейронных сетей, или обзор применений автокодировщиков в анализе текстов
https://habr.com/company/antiplagiat/blog/418173/
https://habr.com/company/antiplagiat/blog/418173/
Хабр
«Туда и обратно» для нейронных сетей, или обзор применений автокодировщиков в анализе текстов
Мы уже писали в самой первой статье нашего корпоративного блога о том, как работает алгоритм обнаружения переводных заимствований. Лишь пара абзацев в той статье...
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!
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!
Открытый вебинар «Наивный байесовский классификатор» 02.08.2018 в 20:00 | OTUS
Профессиональные онлайн курсы для разработчиков
Массовый стекинг моделей ML в production: реально или нет?
https://habr.com/company/hh/blog/418031/
https://habr.com/company/hh/blog/418031/
Habr
Массовый стекинг моделей ML в production: реально или нет?
Довольно часто нас спрашивают, почему мы не устраиваем соревнований дата-сайентистов. Дело в том, что по опыту мы знаем: решения в них совсем не применимы к prod. Да и нанимать тех, кто окажется на...
Новые Google Compute Engine образы VM для Deep Learning
https://habr.com/post/418249/
https://habr.com/post/418249/
Habr
Новые Google Compute Engine образы VM для Deep Learning
Cоавтор статьи: Mike Cheng Google Cloud Platform теперь в своем портфолио имеет образы виртуальных машин, разработанные специально для тех, кто занимается Deep...
Simple Tensorflow implementation of FusionGAN (CVPR 2018)
https://github.com/taki0112/FusionGAN-Tensorflow
https://github.com/taki0112/FusionGAN-Tensorflow
GitHub
taki0112/FusionGAN-Tensorflow
Simple Tensorflow implementation of FusionGAN (CVPR 2018) - taki0112/FusionGAN-Tensorflow
Simple PyTorch implementation of GANimation (ECCV 2018 Oral)
https://github.com/albertpumarola/GANimation
https://github.com/albertpumarola/GANimation
GitHub
GitHub - albertpumarola/GANimation: GANimation: Anatomically-aware Facial Animation from a Single Image (ECCV'18 Oral) [PyTorch]
GANimation: Anatomically-aware Facial Animation from a Single Image (ECCV'18 Oral) [PyTorch] - albertpumarola/GANimation
How to use CSRF, KCF, or MOSSE for object tracking + 5 more object trackers
https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/
https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/
PyImageSearch
OpenCV Object Tracking - PyImageSearch
Use OpenCV to track objects in video using OpenCV's 8 object tracking algorithms, including CSRT, KCF, Boosting, MIL, TLD, MedianFlow, MOSSE, and GOTURN. Python + OpenCV object tracking code included.
Implementation of NIvsCG (Distinguishing Between Natural and Computer-Generated Images Using CNNs) in Keras
https://github.com/deruhat/NIvsCG-keras
https://github.com/deruhat/NIvsCG-keras
GitHub
deruhat/NIvsCG-keras
Distinguishing Between Natural and Computer-Generated Images Using Convolutional Neural Networks in Keras. - deruhat/NIvsCG-keras
Receptive field estimation for Keras, Tensorflow and Pytorch models with multiple feature maps support
https://github.com/fornaxai/receptivefield
https://github.com/fornaxai/receptivefield
GitHub
GitHub - shelfwise/receptivefield: Gradient based receptive field estimation for Convolutional Neural Networks
Gradient based receptive field estimation for Convolutional Neural Networks - GitHub - shelfwise/receptivefield: Gradient based receptive field estimation for Convolutional Neural Networks
Система машинного зрения по трейлеру фильма предсказывает, кто придёт в кинотеатр
https://habr.com/post/418803/
https://habr.com/post/418803/
Habr
Система машинного зрения по трейлеру фильма предсказывает, кто придёт в кинотеатр
Схема гибридной модели рекомендаций Merlin Video для определения аудитории фильмов. Слой логистической регрессии сочетает модель коллективной фильтрации с инфор...
Code Release: Extensible Machine Learning Algorithm to Find Classify, and Read Labels (or any object)
https://github.com/ecthros/labelReader
https://github.com/ecthros/labelReader
GitHub
GitHub - ecthros/labelReader: Programmatically find and read labels using Machine Learning
Programmatically find and read labels using Machine Learning - ecthros/labelReader
EBay Data Science Interview Questions - Acing the AI Interview
https://medium.com/acing-ai/ebay-data-science-interview-questions-acing-the-ai-interview-4f18b58fcc07
https://medium.com/acing-ai/ebay-data-science-interview-questions-acing-the-ai-interview-4f18b58fcc07
Medium
Ebay Data Science Interview
Ebay hired Jan Pederson, previously VP of Data Science at Twitter to lead the Artificial Intelligence efforts within the company.