Полезный сайт для тех, кто изучает машинное обучение и нейронные сети. Большое количество наглядных ноутбуков на разные темы.

Ссылка: https://bit.ly/31ipsrI

HiFiC - подход к сжатию изображений с помощью генеративных сетей, показывающий крайне хорошие результаты. Демонстрация работы по ссылке ниже.

Ссылка : https://bit.ly/2VravQB

Секрет простого кода или как разработчики приносят 10-кратную пользу.

https://bit.ly/2BkADFL

Интересная статья о 10 трюках с питоном.

https://bit.ly/31sAL0P

В этом году занятия Летней Школы Машинного Обучения в Тюбингене, Германии, транслируются в прямом эфире. Записи видео, расписание и слайды смотрите по ссылке:

https://bit.ly/2YLXcfJ

Исследователи из OpenAI научили GPT-2 дополнять изображения. Исходя из обрезанной картинки, модель предлагает несколько вариантов полного фото.

https://bit.ly/3gdeeJl

Why doesn’t Python support i++ increment syntax.

https://bit.ly/3e00Pmm

#top@datamining.team

Команда Data Mining предлагает вам ознакомиться с ТОП-5 постами за июнь:

1) Полезный сайт для тех, кто изучает машинное обучение и нейронные сети. Большое количество наглядных ноутбуков на разные темы.

https://vk.com/wall-94208167_4628

2) Познавательный курс по введению в Машинное Обучение и ИИ от DeepMind и Университетского колледжа Лондона.

https://vk.com/wall-94208167_4603

3) Исследователи из Samsung AI опубликовали схему обучения модели для интерактивной сегментации.

https://vk.com/wall-94208167_4614

4) Исследователи обучили нейросеть восстанавливать изображение от перекрывающих объектов: стекло окна, ограда и капли дождя.

https://vk.com/wall-94208167_4599

5) Вышла новая версия библиотеки для анализа временных рядов - STUMPY v1.4.0. Простая в использовании с большим количеством туториалов.

https://vk.com/wall-94208167_4618

Landing AI разработали инструмент, позволяющий контролировать социальное дистанцирование на рабочем месте.

https://bit.ly/3gpeiG3

Видеозаписи выступлений с конференции SciPy 2020. В плейлисте находятся 10 выступлений про разные аспекты современного машинного обучения.

https://bit.ly/2NZwkCv

5 сценариев, где новички обычно неправильно используют Python.

https://bit.ly/2Z7b30j

Популярный проект paperswithcode получил очередное обновление в своем функционале, направленное на изучающих машинное обучение. Теперь у вас есть возможность подробнее изучить основные методы, использующиеся в той или иной модели, проследить тренды и популярность определенной модели и посмотреть детально на слои. Советуем сайт к изучению.

Новая секция сайта : https://bit.ly/2O5PVB4

Как сократить количество памяти в Python?

https://bit.ly/2ZjkTfD

9 ключевых алгоритмов машинного обучения простым языком.

https://bit.ly/38qTRWk

Исследователи из OpenAI, Калифорнийского университета в Беркли и Университета Макгилла, представили новый подход к мультиагентным настройкам с помощью Multi-Agent Deep Deterministic Policy Gradient. Такой подход, вдохновленный своим одноагентным аналогом DDPG, использует обучение вида «актер-критик» и показывает очень многообещающие результаты.

https://bit.ly/2VO6uFV

Подборка интересных статей про машинное обучение за июнь 2020. В блоге рассмотрены кратко хорошие статьи, для большинства из которых есть код.

https://bit.ly/2ZortBf

Интересный проект, который использует мощь GPT3. Позволяет искать фильмы, книги или просто подходящий текст по вашему запросу. Ознакомиться с работоспособностью можно по ссылке:

https://bit.ly/32dHDiV

Если вы давно интересовались Трансформерами от HuggingFace, то вы можете ознакомиться с обучающими ноутбуками с популярными моделями и основными задачами NLP.

Ссылка на проект : https://bit.ly/30aX1tD

Курс от Google AI по машинному обучению. Достаточно объемный, но доступный и хороший.

Ссылка: https://bit.ly/2Zz4Iuu

Mail.ru Group и hh.ru составили портреты российских специалистов по анализу данных (Data Science) и машинному обучению (Machine Learning). Аналитики выяснили, где они живут и что умеют — а также чего ждут от них работодатели и как меняется спрос на таких профессионалов.

https://bit.ly/3eL54CY

На пути к индивидуальному образованию: анализ данных Яндекс.Репетитора

https://bit.ly/3iCBByf