Data Place – Telegram
Data Place
550 subscribers
34 photos
2 files
212 links
Канал про данные, науку о данных и про обучение работе с данными.
Автор: Ирина Радченко, доцент, канд. техн. наук, любитель данных и Computer Science, в Телеграме -- @dadaistka
Download Telegram
Forwarded from linkmeup
Настало время пятничных видосов!
Как помнят самые стойкие, на Chaos Constructions 2018 был организован круглый (ну ок, прямоугольный) стол о зарождении интернета на территории государства Российского.
Ностальгией активно сыпали пионеры, участники и просто свидетели тех времён:
- Дмитрий Бурков. Фактически, человек-монография телекоммуникаций. Делал первый аплинки, создавал ENOG и т.д.
- Дмитрий Завалишни. Активно участвовал в создании Релком’а(прадед всея рунета) и российского сегмента Фидонет.
- Игорь Николаев (ага, тот самый, с разборок линуксоидов). Был среди первых студентов кафедры вычислительной физики Питерского университета, от чего стал свидетелем зарождения нашего сегмента Интернета. - Алексей Нилов. Работал на той же кафедре, потом ушёл в ректорат создавать академсеть, а потом и интернет.
Два часа отборных баек и отличного настроения.
https://www.youtube.com/watch?v=fZrn971IQNA
Стартовал Telecom Data Cup.
Задача и правила опубликованы на сайте: https://mlbootcamp.ru/round/15/tasks/

Участников с лучшими результатами ждут ценные подарки:
1 место — 400 000 рублей
2 место — 200 000 рублей
3 место — 100 000 рублей

#mlbootcamp #telecomdatacup
Forwarded from DataRoot Labs
6 самых полезных проектов Machine Learning за 2018 год

Вместе с проектами публикуются коды и наборы данных, которые позволяют разработчикам и небольшим командам изучать и имплементировать новое в свои работы. Не все эти проекты новые в теоретическом плане, но зато применимы на практике.

Проекты:
1. Fast ai
2. Detectron
3. FastText
4. AutoKeras
5. Dopamine
6. vid2vid

Подробнее про каждый проект:
https://towardsdatascience.com/the-10-most-useful-machine-learning-projects-of-the-past-year-2018-5378bbd4919f
Поиск данных от European Data Journalism Network: https://edp.europeandatajournalism.eu/?language=en
Forwarded from Anatoly Levenchuk
Стенфорд выпустил библиотеку верификации нейронных сетей (с методами пяти разных категорий) на Julia 1.0: https://github.com/sisl/NeuralVerification.jl
Есть возможность записаться на бесплатный онлайн-курс по глубокому обучению (Deep Learning): https://www.dlschool.org/