Интересный блог для начинающих, демонстрирующий простые для создания проекты, связанные с машинным обучением.

https://bit.ly/2A6299b

Еще немного показательного материала - популярные CNN архитектуры, написанные с помощью TensorFlow2

https://bit.ly/2zisgJo

Визуализация распространения COVID-19 по всему миру с помощью R.

https://bit.ly/3bm0glP

Интересная статья об автоматическом поиске совершенно новых алгоритмов.

https://bit.ly/3dtpuQE

Занятный проект, который по видео с вашей вебкамеры сможет сгенерировать анимационное изображение, повторяющее ваши движения.

Работающее демо : https://bit.ly/3fGbuow
Репозиторий : https://bit.ly/3cA3H9X

Если вы собирались воспользоваться каким-то онлайн курсом, то всегда есть вероятность попасть в ловушку потери его актуальности или отсутствия каких-то важных тем. По ссылке ниже вы найдете ультимативный гайд, который лаконично показывает наполнение одних из самых популярных NLP курсов.

https://bit.ly/2T1dxtt

Transformer-OCR — нейросетевая модель, которую обучили распознавать надписи на изображениях. Модель обходит существующие state-of-the-art методы на 5 датасетах. Transformer-OCR состоит из двух модулей: модуль для извлечения признаков из входного изображения и модуль с трансформером, который принимает на вход карты признаков.

https://bit.ly/3brpgba

43 правила машинного обучения от Google.

bit.ly/2AtViqj

Волонтёры, собранные институтом, информируют о короновирусной ситуации, с помощью анализа данных.

https://bit.ly/3dW7dLJ

Exploring Bayesian Optimization.

https://bit.ly/2T9YBsY

Machine learning picks out hidden vibrations from earthquake data.

https://bit.ly/36dHxrB

Инференс в продакшене с использованием Rust (по сравнению с Python и scikit-learn) может ускорить производительность в 26 раз, а тренировка K-Means модели на датасете в 1 миллион точек будет быстрее на 30%

https://bit.ly/2TwHxOg

Традиционная рубрика от сообщества Open Data Science "Читаем статьи за вас" за апрель 2020. В подборке вас ждут краткие содержания 8 статей.

https://bit.ly/3cUHvHz

Хорошее описание создания дипфейка по одному кадру.

https://bit.ly/2M0Z8d1

Если вас давно интересовало, какими инструментами пользуются ML-специалисты при реальной разработке, то советуем прочитать этот блог и узнать широкий набор вариантов.

https://bit.ly/2THQ7K7

AutoSweep - фреймворк, который преобразует объекты с фотографий в 3Д модели, которые можно редактировать.  Основная идея основана на том, что большинство объектов, сделанных людьми, представляют из себя комбинации примитивов, из которых и можно построить модели.

Страница проекта : https://bit.ly/2ZR257T

Исследователи обучили нейросеть восстанавливать изображение от перекрывающих объектов: стекло окна, ограда и капли дождя. Модель принимает на вход видеозапись сцены, которую снимали на движущуюся камеру. На выходе модель генерирует изображение сцены без препятствия.

https://bit.ly/3dplelx

В этой статье автор дает несколько советов и хитростей для улучшения производительности модели классификации текста.

https://bit.ly/2ZXb4EQ

Вторая часть рубрики "Читаем статьи за вас" от сообщества Open Data Science. В подборке вас ждет обзор 9 статей связанных с нейронными сетями.

https://bit.ly/306u2ci

Представляем вам познавательный курс по введению в Машинное Обучение и ИИ от DeepMind и Университетского колледжа Лондона. Полный курс будет содержать 12 лекций, на данный момент выпущена только половина. Курс рекомендуется к просмотру.

https://bit.ly/2BvmPrL

Группа исследователей из Китая представила свой подход к генерации реалистичных лиц из набросков. Главной их целью было позволить быть скетчами достаточно простыми, чтобы их легко мог нарисовать человек, далекий от искусства, и модель могла хорошо работать с его наброском.

Краткий обзор (ссылка на статью внутри):
https://bit.ly/2A16U40