Интенсивный курс по нейронным сетям от MailRu

1. Темы первой лекции:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.
2. Генеративные сети.
3. Детекция и сегментация.
4. Face Recognition.
5. DSSM-like модели. Нейронные сети для работы с текстами.
6. RNN. Нейронные сети для работы с текстами.

Ссылка на плейлист: https://vk.com/wall-54530371_211891

Подборка докладов со SmartData 2017

1. CatBoost — следующее поколение градиентного бустинга
Speaker: Анна Вероника Дорогуш

2. Нет данных? Нет проблем! Deep Learning на CGI
Speaker: Иван Дрокин

3. Deep Learning: Распознавание сцен и достопримечательностей на изображениях
Speaker: Андрей Бояров

4. Краудсорсинг: как приручить толпу?
Speaker: Артём Григорьев

5. Neurona: зачем мы научили нейросеть писать стихи в стиле Курта Кобейна?
Speaker: Иван Ямщиков

6. Глубокие свёрточные сети для обнаружения объектов и сегментации изображений
Speaker: Сергей Николенко

7. Распределённое ML на больших данных: опыт построения рекомендательной системы в ivi
Speaker: Борис Шминке

8. Имя — это фича
Speaker: Виталий Худобахшов



Ссылка на канал с докладами:
https://www.youtube.com/channel/UCfCOJWNC_ipu34-LVvPUeCg

Три доклада Алексея Селезнева (Head of Analytics, Netpeak) на тему аналитики и маркетинга.

Как разобраться со своими данными, если ты не аналитик
https://youtu.be/DpRrjVlKiQI

Как построить отдел аналитики в крупной компании. Команда, задачи и KPI. Кейсы Netpeak
https://netpeak.ua/education/speech/390/

BI решение для отдела контекстной рекламы
https://youtu.be/hEywnf8l2r8

Кроме этого:
- подборка пакетов на R для маркетологов от Алексея http://bit.ly/2E0Nlu1
- разбор синтаксиса функции QUERY, которая сможет заменить вам Google Sheets.
https://www.owox.com/c/2m6

В закладки

Подборка видео по нейронным сетям

1. Нейронные сети за 30 минут: от теории до практики
https://www.youtube.com/watch?v=AZG0j0pNY-4

2. Chatbot на базе рекуррентной нейронной сети своими руками с нуля
https://www.youtube.com/watch?v=Oo3DgYTL-Nw

3. Обучение нейронных сетей методом обратного распространения ошибки
https://www.youtube.com/watch?v=HA-F6cZPvrg

4. Sentiment analysis русскоязычных твитов при помощи TensorFlow
https://www.youtube.com/watch?v=CDpbJIbDhys

5. Распределенное обучение нейронных сетей с MXNet
https://www.youtube.com/watch?v=-XX6yOG-nX0

Машинное обучение и Python

Эта серия видеоуроков посвящена изучению машинного обучения и реализации различных алгоритмов на языке Python👇

1. Введение
2. Регрессия
3. Признаки и метки
4. Обучение и тестирование
5. Прогнозирование и предсказание
6. Масштабирование
7. Принципы работы регрессии
8. Наилучший угловой коэффициент
9. Наилучшая прямая

Ссылка на плейлист: https://www.youtube.com/watch?v=OGxgnH8y2NM&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v

Нейронные сети, технологии будущего

Вопросы, которые будут рассмотрены в рамках вебинара:

— что такое искусственные нейронные сети и искусственный интеллект?
— в чем они отличаются от биологических нейронных сетей и интеллекта человека?
— где нейронные сети используются сейчас и где будут применяться?
— какой объем знаний и навыков необходим для создания нейронных сетей?
— где получить лучшее образование в этой области?
— практическая польза от знания в этой области?
— кто по ту сторону экрана: человек или машина?
— какие фирмы уже создают искусственный интеллект?
— рекорды нейросетей? В чем машины уже лучше нас?
— 10 мифов об искусственном интеллекте;
— 5 загадок нейросетей;
— самые интересные и красивые примеры нейросетей;
— задачи, решаемые с помощью нейросетей;
— когда будет создан искусственный интеллект? Основные этапы?
— самые сложные нейросети.

Ссылка на видео:
https://youtu.be/tX-cxcje9UU

От новичка до профи в машинном обучении за 3 месяца

В этой статье мы расскажем, как за три месяца получить самообразование в машинном обучении. Приводятся ссылки на соответствующие ресурсы.

https://proglib.io/p/ml-3months/

Не знаете что почитать по машинному обучению? Не беда!

Подготовили для вас подборку из 9 бесплатных книг на данную тему:
https://proglib.io/p/machine-learning-free-books-list/

Лекции по машинному обучению и нейронным сетям

1. «Что такое машинное обучение и наука о данных?» — Александр Фонарев
В последние годы человечество находит всё больше способов с пользой использовать данные, накапливающиеся в ходе самых разных процессов. Например, информация о поведении пользователя на музыкальном сайте позволяет рекомендательной системе предположить, что ещё может ему понравиться. Анализируя истории болезней пациентов, можно обнаруживать незаметные для человека связи и устанавливать неизвестные ранее симптомы опасных заболеваний. А используя базу изображений из интернета, можно построить алгоритм для автоматической детекции нужных объектов на фотографиях.
Все эти задачи решаются с помощью методов машинного обучения, которые способны находить сложные закономерности в больших данных. Мы поговорим о том, что такое машинное обучение и что изучает наука о данных, а также обсудим большое количество современных методов машинного обучения и задач, для решения которых они применяются.

Ссылка на видео: https://youtu.be/5mCMg-hFXKM

2. «Нейронные сети» — Константин Лахман
Использование глубоких нейронных сетей – самый актуальный, эффективный и активно развивающийся метод машинного обучения. Мы коснёмся истории развития нейронных сетей, поговорим об их основных особенностях и принципиальных отличиях от других моделей, применяемых в машинном обучении. Кроме того, поговорим о конкретных примерах применения нейросетевых технологий и их ближайших перспективах.

Ссылка на видео: https://youtu.be/PTS3bHZ7Y5I

Что такое машинное обучение и примеры его использования в Яндексе

Спикер: Александр Крайнов, руководитель службы компьютерного зрения Яндекса

Ссылка на доклад: https://youtu.be/po31nmBzbCY

Самый понятный видеокурс о том, как работают нейросети

Нейронные сети произвели фурор в IT, и интерес к ним не угасает. Эта подборка видеолекций внесёт ясность в понимание процессов нейросети.

https://proglib.io/p/clear-neural-networks/

Очень символичная история, и очень в духе времени: Гугл запустил сервис поиска данных. Datasets нынче нужны не только классическим исследователям и аналитикам; с данными научились работать люди разных профессий и просто энтузиасты. Вот только поиск данных, да ещё и из хороших источников — долго был отдельным видом спорта.
Теперь должно стать попроще жить, особенно в тех странах, где выкладывать данные в открытый доступ куча организаций просто обязана. Понятно, дело не обошлось без любимого Гуглом формата описания schemа org, но это даже хорошо.
А вообще интересно, как потихоньку поиск расширяется от контента для людей до контента для алгоритмов ;)
https://www.blog.google/products/search/making-it-easier-discover-datasets/

Детальный план самообразования в Computer Science за 1.5 года со ссылками на онлайн-курсы и другие образовательные сайты.

https://proglib.io/p/cs-learning/

TОП-10 свежих open source проектов по машинному обучению

Редакция Библиотеки программиста подготовила подборку интересных и популярных проектов по машинному обучению, которые вдохновят вас.

https://proglib.io/p/opensource-machine-learning/

Вопросы для собеседования на позицию Data Scientist в топовых компаниях

Если изучаете Data Science и собираетесь трудоустраиваться, подготовьтесь к собеседованию по этой статье👇

https://proglib.io/p/data-scientist-questions/

Multiclass logistic regression
BigQuery теперь умеет тренировать модель логистической регрессии для задач со множеством классов.
В общем, тянуть уже некуда, пора заниматься машинным обучением, так что вот вам занятие на выходные 🤤

https://cloud.google.com/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#training_a_multiclass_logistic_regression_model_with_automatically_calculated_weights

@Burgerdata

Лекции по нейронным сетям

1. Введение в нейронные сети.
2. Машинное обучение в эпоху больших данных.
3. Перцептрон и однослойные сети.
4. Backpropagation. Многослойные нейронные сети.
5. Введение в свёрточные сети.
6. Современные CNN архитектуры.
7. Задачи детектирования и сегментации
8. Введение в RNN
9. Embeddings and data representation

Ссылка на плейлист с лекциями:
https://www.youtube.com/watch?v=23zhVwjrdU8&list=PL0Ks75aof3Th2vlYGtvL92YN7S_2bux1S

Data Science за 3 месяца: эффективный учебный план

Data Science за 3 месяца? В своем ли мы уме? Вполне. Расскажем, как стать аналитиком данных за 12 недель по курсам Microsoft и др.

https://proglib.io/p/ds-in-3months/

Настраиваем Python для машинного обучения на Windows

Машинное обучение − это просто. Но знаете ли вы, что можно использовать Python для машинного обучения? Вот инструкция по настройке для Windows.

https://proglib.io/p/ml-python-setup/

«Всех нас заменят роботы» — страшилка, которая заставляет разумных людей морщиться, мол, глупость же. Но почитайте примеры, где ИИ уже подменяет людей — и впечатлитесь.
Колонка Дмитрий Радченко, Qmobi ↓

https://www.cossa.ru/trends/226041/

Актуальная математика – это курс, который поможет понять, как работает анализ данных и поиск информации на примерах специалистов.

1. Кластеризация
2. Коллективные эффекты в топологии
3. Математика в нейронных сетях
4. Изгибаемые многогранники
5. Интегрируемая геометрия
6. Многомасштабные взаимодействия

#youtubeдня

https://www.youtube.com/watch?v=2bjD0noF_DY&list=PLh6dVTO7f4FZvB_nildtxmVBWzNLr4Un_