https://youtu.be/1AWrvW7Tq9I
Приглашаю на бесплатный вебинар по data science
http://www.distantniki.ru/neural
Павел Прояев (http://vk.com/id1998921)
Приглашаю на бесплатный вебинар по data science
http://www.distantniki.ru/neural
Павел Прояев (http://vk.com/id1998921)
What are Blockchain Smart Contracts?
https://www.youtube.com/watch?v=dP0-8D2fSb8&feature=push-u&attr_tag=ln5TF92n1TsAdtHS-6
https://www.youtube.com/watch?v=dP0-8D2fSb8&feature=push-u&attr_tag=ln5TF92n1TsAdtHS-6
Многозначительный финал истории AlphaGo
http://telegra.ph/Mnogoznachitelnyj-final-istorii-AlphaGo-10-19
http://telegra.ph/Mnogoznachitelnyj-final-istorii-AlphaGo-10-19
Synthetic Gradients Explained
https://www.youtube.com/watch?v=qirjknNY1zo&feature=push-u&attr_tag=RqVaq2lVEg8QASHw-6
https://www.youtube.com/watch?v=qirjknNY1zo&feature=push-u&attr_tag=RqVaq2lVEg8QASHw-6
Transformer — новая архитектура нейросетей для работы с последовательностями
https://habrahabr.ru/post/341240/
https://habrahabr.ru/post/341240/
Best Project Award : Computer Vision for Faces
https://www.learnopencv.com/best-project-award-computer-vision-for-faces/
https://www.learnopencv.com/best-project-award-computer-vision-for-faces/
На конференции Диалог-2018 впервые пройдет дорожка по извлечению смыслов слов из текстов и разрешению лексической многозначности для русского языка. Участники смогут оценить качество работы современных моделей векторных представлений (word sense embeddings) для русского языка и других методов разрешения лексической многозначности. На данный момент уже доступны три обучающие выборки, и участники могут приступать к работе. Дорожка проводится при поддержке ACL SIGSLAV и ABBYY.
Подробная инструкция участника доступна на Github: https://nlpub.github.io/russe-wsi-kit. Подробное описание задания, наборов данных и базовых методов решения задачи можно найти по адресу: http://russe.nlpub.org/2018/wsi. Для участия в дорожке нужно заполнить следующую форму: https://goo.gl/forms/fnTNOwk4PrsZySX82.
Важные даты:
- Публикация обучающей выборки: 1 ноября, 2017.
- Публикация тестовой выборки: 15 декабря, 2017.
- Срок подачи моделей: 15 января, 2018.
- Объявление результатов дорожки: 1 февраля, 2018
Вопросы о дорожке можно направлять по адресу rusemantics@googlegroups.com.
Подробная инструкция участника доступна на Github: https://nlpub.github.io/russe-wsi-kit. Подробное описание задания, наборов данных и базовых методов решения задачи можно найти по адресу: http://russe.nlpub.org/2018/wsi. Для участия в дорожке нужно заполнить следующую форму: https://goo.gl/forms/fnTNOwk4PrsZySX82.
Важные даты:
- Публикация обучающей выборки: 1 ноября, 2017.
- Публикация тестовой выборки: 15 декабря, 2017.
- Срок подачи моделей: 15 января, 2018.
- Объявление результатов дорожки: 1 февраля, 2018
Вопросы о дорожке можно направлять по адресу rusemantics@googlegroups.com.
Как мозг бьет дерево, или как мы сделали рекомендательную систему с помощью нейронной сети
https://habrahabr.ru/company/qiwi/blog/339454/
https://habrahabr.ru/company/qiwi/blog/339454/
Внимание всем дип лернерам, нейро нетворкерам и просто программистам!
На Физтехе с 29 января по 4 февраля 2018 пройдет событие международного масштаба - семидневный хакатон-научная школа DeepHack.Babel.
Все мы знаем историю Вавилонской башни, когда появление новых языков помешало строительству великого сооружения. В наши дни общество обращено к миру: люди из разных стран общительны, интересны друг другу и жаждут контакта. Но как возможно такое общение при отсутствии знания языка? Правильно! С использованием машинных переводчиков.
Совершенствованию в области машинного перевода и будет посвящен хакатон. А именно, обучению машинного переводчика без обучающих примеров. Дело в том, что система машинного перевода, как и человек, учится переводить, анализируя примеры правильных переводов с одного языка на другой. Мы же попытаемся научить компьютер переводить, не давая ему таких примеров. Знание о том, как переводятся на русский английские слова, компьютер должен получить из двух не связанных между собой текстов.
Программа хакатона предполагает лекции и Q&A сессии с ведущими мировыми специалистами, работу с менторами и, конечно же, призы в нескольких номинациях!
Следите за новостями лаборатории нейронных сетей и глубокого обучения и не упустите возможность объединить человечество, ведь регистрация на отбор начнется 1 декабря.
На Физтехе с 29 января по 4 февраля 2018 пройдет событие международного масштаба - семидневный хакатон-научная школа DeepHack.Babel.
Все мы знаем историю Вавилонской башни, когда появление новых языков помешало строительству великого сооружения. В наши дни общество обращено к миру: люди из разных стран общительны, интересны друг другу и жаждут контакта. Но как возможно такое общение при отсутствии знания языка? Правильно! С использованием машинных переводчиков.
Совершенствованию в области машинного перевода и будет посвящен хакатон. А именно, обучению машинного переводчика без обучающих примеров. Дело в том, что система машинного перевода, как и человек, учится переводить, анализируя примеры правильных переводов с одного языка на другой. Мы же попытаемся научить компьютер переводить, не давая ему таких примеров. Знание о том, как переводятся на русский английские слова, компьютер должен получить из двух не связанных между собой текстов.
Программа хакатона предполагает лекции и Q&A сессии с ведущими мировыми специалистами, работу с менторами и, конечно же, призы в нескольких номинациях!
Следите за новостями лаборатории нейронных сетей и глубокого обучения и не упустите возможность объединить человечество, ведь регистрация на отбор начнется 1 декабря.
Модульбанк (http://vk.com/club80328935) дает советы и делится практическим опытом подготовки данных
"В задачах машинного обучения качество моделей очень сильно зависит от данных.
Но сами данные в реальных задачах редко бывают идеальными. Как правило, самих данных не много, количество доступных для анализа параметров ограничено, в данных шумы и пропуски. Но решать задачу как-то нужно..."
https://habrahabr.ru/post/342366/
"В задачах машинного обучения качество моделей очень сильно зависит от данных.
Но сами данные в реальных задачах редко бывают идеальными. Как правило, самих данных не много, количество доступных для анализа параметров ограничено, в данных шумы и пропуски. Но решать задачу как-то нужно..."
https://habrahabr.ru/post/342366/
Google выпустила картонную камеру за $45. Она поддерживает нейросети
https://republic.ru/posts/88098
https://blog.google/topics/machine-learning/introducing-aiy-vision-kit-make-devices-see/
https://republic.ru/posts/88098
https://blog.google/topics/machine-learning/introducing-aiy-vision-kit-make-devices-see/