Чемпионат Telecom Data Cup продлен до 16 декабря 19:00! Скорее загружай свои решения на ML Boot Camp: https://vk.cc/8LgNfR. Скачать данные можно по ссылке: https://vk.cc/8KO948

Участников с лучшими результатами ждут ценные подарки:
1 место — 400 000 рублей
2 место — 200 000 рублей
3 место — 100 000 рублей
По традиции ТОП200 получат футболки с символикой чемпионата.

Обсудить чемпионат можно в чате @mlbootcamp

AI for Social Good : Mumbai Slum Segmentation and Mapping
https://github.com/cbsudux/Mumbai-slum-segmentation

Training a Goal-Oriented Chatbot with Deep Reinforcement Learning in Python
https://github.com/maxbren/GO-Bot-DRL

Machine learning in a practical application scenario: free online tool for text summarization and named-entity recognition
https://www.aisoma.de/nlp-in-practice-a-web-app-demo-for-text-summarization-and-named-entity-recognition/

Writing better code with pytorch and einops
https://arogozhnikov.github.io/einops/pytorch-examples.html

A general-purpose framework for machine learning applied to predicting customer churn
https://blog.featurelabs.com/how-to-create-value-with-machine-learning/

9 obscure Python libraries for data science
https://opensource.com/article/18/11/python-libraries-data-science

A practical approach to learning machine learning.
https://github.com/GokuMohandas/practicalAI

Небольшое исследование свойств простой U-net, классической сверточной сети для сегментации
https://habr.com/company/ods/blog/431512/

Computer Vision Annotation Tool: универсальный подход к разметке данных
https://habr.com/company/intel/blog/433772/

Анализ результатов 2018 Kaggle ML & DS Survey
https://habr.com/company/ods/blog/434134/

2018’s Top 7 Libraries and Packages for Data Science and AI: Python & R
https://heartbeat.fritz.ai/top-7-libraries-and-packages-of-the-year-for-data-science-and-ai-python-r-6b7cca2bf000

Face Recognition Project on MXNet
https://github.com/deepinsight/insightface

Zero-shot transfer across 93 languages: Open-sourcing enhanced LASER library
https://code.fb.com/ai-research/laser-multilingual-sentence-embeddings/

Видео с дата-ёлки:
«NIPS 2018, или что могло пройти мимо вас», Павел Калайдин » https://youtu.be/HZsnTuL8N9U
«Reinforcement Learning итоги года», Сергей Колесников » https://youtu.be/ax0g_HbsMX8
«NLP итоги года», Валентин Малых » https://youtu.be/F0OWw73TpHo
«Deep Learning/CV итоги года в соревнованиях и практике», Артур Кузин » https://youtu.be/sSnsM5l-1eM
Q&A: серия вопросов и ответов со всеми спикерами секции » https://youtu.be/oMiHfRFOqy4
«Как управлять командами и взращивать data scientist-ов», Валерий Бабушкин » https://youtu.be/bKiQUs7slQ0
«Командная работа data scientist-ов на примере открытых проектов ML4SG», Кирилл Власов » https://youtu.be/2-NNxqUN37U
«От поделок к приложениям: как катить нейросети в прод», Антон Лебедев » https://youtu.be/alE8rASpptc
«Волшебное превращение ML в деньги», Алексей Чернобровов » https://youtu.be/2bgSs7oEPHM
«Как ML приносит пользу бизнесу (опыт Сбербанка)», Максим Еременко » https://youtu.be/yV8-FZ3tsHI
Q&A: серия вопросов и ответов со всеми спикерами секции » https://youtu.be/0ZyfW0Gv_lw
:heavy_check_mark: ODS Awards » https://youtu.be/Z0i0aRHTGo8

OpenAI вчера зарелмзил новую статью и её результаты весьма удивляют. Подход «больше данных, больше слоёв», кажется начал работать в NLP.
Запасаемся видеокартами и деньгами на Google Cloud.

На картинке пример обусловленной генерации текста.

https://blog.openai.com/better-language-models/#sample8

Advances in Generative Adversarial Networks (GANs)
https://medium.com/beyondminds/advances-in-generative-adversarial-networks-7bad57028032?sk=9f420a2c96c228a3f6d1a9f52b382109

PyTorch Implementation of Feature Based NER with pretrained Bert
https://github.com/Kyubyong/bert_ner

Python open source library to perform entity embeddings on categorical variables using Convolutional Neural Networks
https://github.com/bresan/entity_embeddings_categorical

StyleGAN made with Keras
https://github.com/manicman1999/StyleGAN-Keras