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
Как по мне, достаточно ясное, яркое и красочное объяснение ROC-AUC.
Всё, как я люблю. Много изображений, анимаций.
Надеюсь, многие вопросы по нему отпадут.
Рекомендую к прочтению☀️
Всё, как я люблю. Много изображений, анимаций.
Надеюсь, многие вопросы по нему отпадут.
Рекомендую к прочтению
Please open Telegram to view this post
VIEW IN TELEGRAM
Arize AI
What Is AUC?
AUC, short for area under the ROC (receiver operating characteristic) curve, is a model metric that is useful across a range of use-cases. Learn more.
👍7
Друзья, 14 июля начнётся интересная конференция по нейронным сетям и искусственному интеллекту НейроSet.
Немало спикеров являются успешными и известными специалистами в нашей сфере. На некоторых даже подписан в телеграмме 🤓
Порог вхождения не маленький, там темы для опытных специалистов, но судя по описанию должно быть очень интересно и полезно.
От себя рекомендую посетить конференцию, она будет проходить онлайн.
Стоимость весьма символическая:
Стандарт - 380 рублей
Участие + доступ в спикерскую - 2570 рублей
А если воспользуетесь промокодом МАГИЯДАННЫХ, то получите скидку 20%.
Здорово же 🦾
Немало спикеров являются успешными и известными специалистами в нашей сфере. На некоторых даже подписан в телеграмме 🤓
Порог вхождения не маленький, там темы для опытных специалистов, но судя по описанию должно быть очень интересно и полезно.
От себя рекомендую посетить конференцию, она будет проходить онлайн.
Стоимость весьма символическая:
Стандарт - 380 рублей
Участие + доступ в спикерскую - 2570 рублей
А если воспользуетесь промокодом МАГИЯДАННЫХ, то получите скидку 20%.
Здорово же 🦾
👍7🔥1
Магия данных | Артур Сапрыкин
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…
Друзья, завтра я буду в Санкт-Петербурге в 16 часов выступать совместно с коллегами на Pro IT Fest в секции "Комната страха" в обсуждении "Data Сатанисты. Что мы делаем с вашими данными" .
Если кто-то решился пойти на мероприятие, то помните, что у вас есть промокод на 10% - SAPRYKIN
Подробности на сайте - https://proitfest.ru/
Так или иначе, будете рядом - сообщите!
Буду рад пообщаться☀️
Если кто-то решился пойти на мероприятие, то помните, что у вас есть промокод на 10% - SAPRYKIN
Подробности на сайте - https://proitfest.ru/
Так или иначе, будете рядом - сообщите!
Буду рад пообщаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Хорошая статья про основы импульсных нейронных сетей.
Нравится то, что параллельно описывается теория, а затем подкрепляется примерами из кода.
Всё, как сам люблю и делаю.
Не уверен, что она практике они будут очень полезными. Нужно пробовать, но для общего развития и, возможно, вдохновения - самое то!
Нравится то, что параллельно описывается теория, а затем подкрепляется примерами из кода.
Всё, как сам люблю и делаю.
Не уверен, что она практике они будут очень полезными. Нужно пробовать, но для общего развития и, возможно, вдохновения - самое то!
👍2
Forwarded from Data Science | Machinelearning [ru]
👾Первые шаги в импульсных нейронных сетях
В этой статье автор напишет простую импульсную нейронную сеть, используя NumPy и Pandas, для классической задачи машинного обучения с использованием кодирования рецептивными полями.
Читать...
В этой статье автор напишет простую импульсную нейронную сеть, используя NumPy и Pandas, для классической задачи машинного обучения с использованием кодирования рецептивными полями.
Читать...
Все уже знают (я надеюсь), чтобы решить задачу по машинному обучению качественно, нужно погрузиться в неё, и понять процессы, которые собираемся описывать.
В каждой задаче мне и моей команде приходится понимать «что, почему и как» устроено.
Я считаю, это одна из самых интересных сторон моей работы.
Расскажите, какую самую интересную, смешную или страшную задачу вам приходилось решать на своей практике?
В каждой задаче мне и моей команде приходится понимать «что, почему и как» устроено.
Я считаю, это одна из самых интересных сторон моей работы.
Расскажите, какую самую интересную, смешную или страшную задачу вам приходилось решать на своей практике?
😁16
На горизонте бесплатный курс по генеративным большим языковым моделям от deeplearning.ai (который Эндрю Ын основал).
Подписался, но не уверен, что дослушаю. Зато знаю, что среди вас есть те, кому точно будет интересно и полезно 😉
Помню, когда-то я слушал курс от Эндрю Ына по основам глубоких нейронных сетей лет 6 назад…
Подписался, но не уверен, что дослушаю. Зато знаю, что среди вас есть те, кому точно будет интересно и полезно 😉
Помню, когда-то я слушал курс от Эндрю Ына по основам глубоких нейронных сетей лет 6 назад…
Coursera
Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera
Learn online and earn valuable credentials from top universities like Yale, Michigan, Stanford, and leading companies like Google and IBM. Join Coursera for free and transform your career with degrees, certificates, Specializations, & MOOCs in data science…
👍6❤1