A general-purpose framework for machine learning applied to predicting customer churn
https://blog.featurelabs.com/how-to-create-value-with-machine-learning/
https://blog.featurelabs.com/how-to-create-value-with-machine-learning/
Feature Labs
How to Create Value with Machine Learning
A General-Purpose Framework for Defining and Solving Meaningful Problems in 3 Steps.
A practical approach to learning machine learning.
https://github.com/GokuMohandas/practicalAI
https://github.com/GokuMohandas/practicalAI
Небольшое исследование свойств простой U-net, классической сверточной сети для сегментации
https://habr.com/company/ods/blog/431512/
https://habr.com/company/ods/blog/431512/
Хабр
Небольшое исследование свойств простой U-net, классической сверточной сети для сегментации
Cтатья написана по анализу и изучению материалов соревнования по поиску корабликов на море. Попробуем понять, как и что ищет сеть и что находит. Статья эта ес...
Computer Vision Annotation Tool: универсальный подход к разметке данных
https://habr.com/company/intel/blog/433772/
https://habr.com/company/intel/blog/433772/
Хабр
Computer Vision Annotation Tool: универсальный подход к разметке данных
Нижегородский офис компании Intel, помимо прочего, занимается разработкой алгоритмов компьютерного зрения на основе глубоких нейронных сетей. Многие наши алгорит...
Анализ результатов 2018 Kaggle ML & DS Survey
https://habr.com/company/ods/blog/434134/
https://habr.com/company/ods/blog/434134/
Хабр
Анализ результатов 2018 Kaggle ML & DS Survey
Kaggle — известная платформа для проведения соревнований по машинному обучению на которой количество зарегистрированных пользователей перевалило за 2.5 миллиона...
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
https://heartbeat.fritz.ai/top-7-libraries-and-packages-of-the-year-for-data-science-and-ai-python-r-6b7cca2bf000
Medium
Top 7 libraries and packages of the year for Data Science and AI: Python & R
This is a list of the best libraries and packages that changed our lives this year, compiled from my weekly digests
Zero-shot transfer across 93 languages: Open-sourcing enhanced LASER library
https://code.fb.com/ai-research/laser-multilingual-sentence-embeddings/
https://code.fb.com/ai-research/laser-multilingual-sentence-embeddings/
Engineering at Meta
Zero-shot transfer across 93 languages: Open-sourcing enhanced LASER library
To accelerate the transfer of natural language processing (NLP) applications to many more languages, we have significantly expanded and enhanced our LASER (Language-Agnostic SEntence Representation…
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
«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
YouTube
Дата Ёлка 2018. «NIPS 2018, или что могло пройти мимо вас», Павел Калайдин | Технострим
22 декабря 2018 года в московском офисе Mail.ru Group прошел митап Data Ёлка 2018, на котором мы вместе с командой Data Science специалистов подвели итоги года. На встрече мы вспомнили, что нового было в разных областях Data Science в 2018-м, обсудили последние…
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
Запасаемся видеокартами и деньгами на Google Cloud.
На картинке пример обусловленной генерации текста.
https://blog.openai.com/better-language-models/#sample8
PyTorch Implementation of Feature Based NER with pretrained Bert
https://github.com/Kyubyong/bert_ner
https://github.com/Kyubyong/bert_ner
GitHub
GitHub - Kyubyong/bert_ner: Ner with Bert
Ner with Bert. Contribute to Kyubyong/bert_ner development by creating an account on GitHub.
Python open source library to perform entity embeddings on categorical variables using Convolutional Neural Networks
https://github.com/bresan/entity_embeddings_categorical
https://github.com/bresan/entity_embeddings_categorical
GitHub
GitHub - rodrigobressan/entity_embeddings_categorical: Discover relevant information about categorical data with entity embeddings…
Discover relevant information about categorical data with entity embeddings using Neural Networks (powered by Keras) - rodrigobressan/entity_embeddings_categorical
Устойчивость обучения GAN (Копаем глубже)
https://habr.com/ru/post/447494/
https://habr.com/ru/post/447494/
Хабр
Устойчивость обучения GAN (Копаем глубже)
В предыдущей статье на примере игрушечных моделей я попытался проанализировать почему же, собственно, у нас получается достаточно эффективно обучать GAN’ы. Сейчас же мы попробуем обобщить некоторые...
Создаем с нуля собственную нейронную сеть на Python
https://habr.com/ru/post/449416/
https://habr.com/ru/post/449416/
A PyTorch implementation of "MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing" (ICML 2019)
GitHub: https://github.com/benedekrozemberczki/MixHop-and-N-GCN
Paper: https://arxiv.org/pdf/1905.00067.pdf
GitHub: https://github.com/benedekrozemberczki/MixHop-and-N-GCN
Paper: https://arxiv.org/pdf/1905.00067.pdf
GitHub
GitHub - benedekrozemberczki/MixHop-and-N-GCN: An implementation of "MixHop: Higher-Order Graph Convolutional Architectures via…
An implementation of "MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing" (ICML 2019). - benedekrozemberczki/MixHop-and-N-GCN
Russian Open Speech To Text (STT/ASR) Dataset
https://github.com/snakers4/open_stt/
https://github.com/snakers4/open_stt/
GitHub
GitHub - snakers4/open_stt: Open STT
Open STT. Contribute to snakers4/open_stt development by creating an account on GitHub.