Друзья, дорогие мои, а 8 и 9 июля будет проходит Pro IT Fest!
Мероприятие с очень насыщенной программой с любым направлением IT и всё, что связано около этого.
Почему я об этом сообщаю?
Потому что я буду участвовать в секции "Комната страха" в обсуждении "Data Сатанисты. Что мы делаем с вашими данными" 😈.
Будет интересно и здорово!
Само событие пройдёт в городе Санкт-Петербург в парке 300-летия СПб.
Мероприятие платное, но от меня для вас есть промокод на 10% - SAPRYKIN
Подробности на сайте - https://proitfest.ru/
Буду рад увидеться вживую 🙌☀️
#мероприятия
Мероприятие с очень насыщенной программой с любым направлением IT и всё, что связано около этого.
Почему я об этом сообщаю?
Потому что я буду участвовать в секции "Комната страха" в обсуждении "Data Сатанисты. Что мы делаем с вашими данными" 😈.
Будет интересно и здорово!
Само событие пройдёт в городе Санкт-Петербург в парке 300-летия СПб.
Мероприятие платное, но от меня для вас есть промокод на 10% - SAPRYKIN
Подробности на сайте - https://proitfest.ru/
Буду рад увидеться вживую 🙌
#мероприятия
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Магия данных | Артур Сапрыкин
16384 оттенков серого яркость с 1 до 14 бита. Наглядно. #основыданных
С какого момента вы бы не заметили разницы? Только честно 🙃
Нашёл на просторах сети очень классную статью, рассказывающую про компьютерное зрение (CV).
Это такой каталог задач, где можете увидеть самые популярные задачи в этой сфере.
Получилось классно, интересно, красиво - рекомендую к прочтению. 🦾
Это такой каталог задач, где можете увидеть самые популярные задачи в этой сфере.
Получилось классно, интересно, красиво - рекомендую к прочтению. 🦾
V7Labs
Image Recognition: Definition, Algorithms & Uses
Image recognition is the process of identifying objects in images. We cover the basics of the task and different approaches to it.
❤4👍1🔥1
Заходите на занятию по переносу стилей на изображениях :)
👍2🫡1
Forwarded from Data Science by REBRAIN
Успевайте зарегистрироваться. Количество мест строго ограничено!
Время проведения:
15 Июня (Четверг) в 20:00 по МСК
Программа практикума:
🔹Для чего это нужно?
🔹История развития этого направления
🔹Какие решения существуют, и как обучить свою модель переноса стилей
Кто ведет?
Артур Сапрыкин - Data Scientist, AI исследователь, предприниматель, автор курсов по машинному обучению, преподаватель.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Друзья, а что вы знали про выделение границ?
Фильтр Канни? Оператор Собеля?
Погружаясь в метод разницы гауссиан (Difference of Gaussians - DoG), я наткнулся на отличное видео, где наглядно показываются не только результаты его работы, но и принципы.
Вперед за новыми знаниями☀️ 🦾
Фильтр Канни? Оператор Собеля?
Погружаясь в метод разницы гауссиан (Difference of Gaussians - DoG), я наткнулся на отличное видео, где наглядно показываются не только результаты его работы, но и принципы.
Вперед за новыми знаниями
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
This is the Difference of Gaussians
In the realm of image based edge detection, aesthetically pleasing edges are hard to come by. But, what if we could get stylized edge lines by just blurring our image twice?
Download my GShade shader pack!
https://github.com/GarrettGunnell/AcerolaFX/wiki…
Download my GShade shader pack!
https://github.com/GarrettGunnell/AcerolaFX/wiki…
👍7
Я считаю, это очень интересно и полезно.
Особенно, когда до конца не осознаёшь, как это всё работает.
Моё почтение таким проектам ☀️
Особенно, когда до конца не осознаёшь, как это всё работает.
Моё почтение таким проектам ☀️
👍2
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
An open-source Python library for easily generating animations of ML algorithms directly from code.
ManimML - это фреймворк для создания красочной, интерактивной анимации и визуализации различных концепций и алгоритмов машинного обучения.
Пример:
from manim_ml.neural_network import NeuralNetwork, Convolutional2DLayer, FeedForwardLayer
# Make nn
nn = NeuralNetwork([
Convolutional2DLayer(1, 7, filter_spacing=0.32),
Convolutional2DLayer(3, 5, 3, filter_spacing=0.32, activation_function="ReLU"),
FeedForwardLayer(3, activation_function="Sigmoid"),
],
layer_spacing=0.25,
)
self.add(nn)
# Play animation
forward_pass = nn.make_forward_pass_animation()
self.play(forward_pass)
📌 Project: https://www.manim.community/
ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10🔥4❤1
Для тех, кто хочет знать, по каким же метрикам оценивают модель регрессии (кроме R2, MSE, MAE и тд), рекомендую ознакомиться с этой статьёй.
Возможно, вам приходилось пользоваться регрессией из statsmodels, и при вызове summary появлялось куча всего неизвестного, или известного, но непонятно как применяется в текущем контексте.
Так вот, прочитаете, и всё поймёте 🙃
Возможно, вам приходилось пользоваться регрессией из statsmodels, и при вызове summary появлялось куча всего неизвестного, или известного, но непонятно как применяется в текущем контексте.
Так вот, прочитаете, и всё поймёте 🙃
Хабр
Интерпретация summary из statsmodels для линейной регрессии
Узнал я о линейной регрессии после того, как встретил деревья, нейронные сети. Когда мы с другом повторно изобретали велосипед, обучая с нуля word2vec и использовали логистическую регрессию с...
🔥7👍5
Forwarded from Data Science by REBRAIN
Успевайте зарегистрироваться. Количество мест строго ограничено!
Время проведения:
4 Июля (Вторник) в 19:00 по МСК
Программа практикума:
Кто ведет?
Артур Сапрыкин - Data Scientist, AI исследователь, предприниматель, автор курсов по машинному обучению, преподаватель
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
А вот и анонс выступления на конференции PyConf 2023 в конце июля ❤️
👍3
Forwarded from PyCon Russia
Трек Data конференции Pycon Russia: говорим о временных рядах
Временные ряды — та тема, о которой в рамках машинного обучения можно говорить вечно. Поэтому у нас будет сразу два доклада!
«Декомпозиция данных в анализе временных рядов»,
Артур Сапрыкин, создатель и преподаватель курсов по машинному обучению и искусственному интеллекту (Яндекс. Практикум, Skillbox, Нетология и др.)
На докладах вы узнаете:
▪️По каким принципам работает сингулярно-спектральный анализ (SSA)
▪️Почему SSA, а не разложение Фурье
▪️Какие преимущества мы можем получить, прогнозируя не весь ряд, а отдельные его компоненты
▪️Затем вы увидите результат разложения временного ряда на практике.
«Прогнозирование нагрузки на базовые станции, или Как работать с временными рядами в 2023», Никита Матвеев, аналитик больших данных, Мегафон
На примере реальной задачи для телекоммуникационной инфраструктуры Никита покажет, куда можно пойти дальше, какие архитектуры нейронных сетей являются самыми эффективными сегодня и как их реализовать в вашем проекте. Также рассмотрим некоторые вопросы, касающиеся задачи прогнозирования временных рядов в целом (статистические тесты, разница в прогнозировании одномерных и многомерных временных рядов и т.д).
Доклад будет сопровождаться материалами с кодом, которые позволят сразу после просмотра запустить обучение понравившейся сетки.
Увидимся в Москве 28 и 29 июля!
Купить билет | Посмотреть программу
Временные ряды — та тема, о которой в рамках машинного обучения можно говорить вечно. Поэтому у нас будет сразу два доклада!
«Декомпозиция данных в анализе временных рядов»,
Артур Сапрыкин, создатель и преподаватель курсов по машинному обучению и искусственному интеллекту (Яндекс. Практикум, Skillbox, Нетология и др.)
На докладах вы узнаете:
▪️По каким принципам работает сингулярно-спектральный анализ (SSA)
▪️Почему SSA, а не разложение Фурье
▪️Какие преимущества мы можем получить, прогнозируя не весь ряд, а отдельные его компоненты
▪️Затем вы увидите результат разложения временного ряда на практике.
«Прогнозирование нагрузки на базовые станции, или Как работать с временными рядами в 2023», Никита Матвеев, аналитик больших данных, Мегафон
На примере реальной задачи для телекоммуникационной инфраструктуры Никита покажет, куда можно пойти дальше, какие архитектуры нейронных сетей являются самыми эффективными сегодня и как их реализовать в вашем проекте. Также рассмотрим некоторые вопросы, касающиеся задачи прогнозирования временных рядов в целом (статистические тесты, разница в прогнозировании одномерных и многомерных временных рядов и т.д).
Доклад будет сопровождаться материалами с кодом, которые позволят сразу после просмотра запустить обучение понравившейся сетки.
Увидимся в Москве 28 и 29 июля!
Купить билет | Посмотреть программу
👍3🔥2