Машинное обучение RU – Telegram
Машинное обучение RU
17.7K subscribers
1.58K photos
207 videos
11 files
2.04K links
Все о машинном обучении

админ - @workakkk

@data_analysis_ml - анализ даннных

@ai_machinelearning_big_data - Machine learning

@itchannels_telegram -лучшие ит-каналы

@pythonl - Python

@pythonlbooks- python 📚

@datascienceiot - 📚

РКН: clck.ru/3FmrUw
Download Telegram
PyTorch Live: фреймворк для создания мобильных приложений

https://neurohive.io/ru/frameworki/pytorch-live-frejmvork-dlya-sozdaniya-mobilnyh-prilozhenij/

@machinelearning_ru
Блокчейн и искусственный интеллект - мощный тандем


https://nuancesprog.ru/p/14714/

@machinelearning_ru
▫️GeoMol: предсказание структуры молекулы по ее графу

https://neurohive.io/ru/papers/geomol-predskazanie-struktury-molekuly-po-ee-grafu/

@machinelearning_ru
🛣 По маршруту SQLite - Pandas: 7 основных операций

https://nuancesprog.ru/p/14725/

@machinelearning_ru
DLStories — канал о глубоком обучении и искусственном интеллекте, который ведут ребята из DLSchool — школы глубокого обучения на базе МФТИ.

В канале вы найдете:
✔️ разборы архитектур новых нейросетей
✔️ обучающие материалы: статьи, видео, подкасты на DL-тематику
✔️ рассуждения о влиянии ИИ на социум
✔️ новости и веселые истории из мира ИИ

Будьте в курсе последних тенденций в области DL и ИИ! ⬇️

@dl_stories
Forwarded from Machinelearning tests
Вычисление трех видов норм вектора (линейная алгебра). Какой будет вывод?
a = np.array([1, 2, 3])
n1 = round(np.linalg.norm(a, ord=np.inf), 1)
n2 = round(np.linalg.norm(a, ord=1), 1)
n3 = round(np.linalg.norm(a, ord=2), 1)
print(n1, n2, n3)
Forwarded from Machinelearning tests
Выберите правильный вариант
Anonymous Quiz
43%
3.0 6.0 3.7
29%
3.0 3.0 6.0
18%
3.7 6.0 3.0
10%
3.7 1.0 3.0
Шаблоны проектирования систем машинного обучения

https://uproger.com/shablony-proektirovaniya-sistem-mashinnogo-obucheniya/

@machinelearning_ru
Начать разбираться в AI и ML — легко!

Смотрите, какой крутой проект — YouTube-канал "Академия искусственного интеллекта". Это совместный проект Сбера и Благотворительного фонда "Вклад в будущее". Цель проекта — помочь разобраться, что такое искусственный интеллект и машинное обучение. В коротких видео понятным языком рассказывают о новых веяниях ИИ, об олимпиадах, стажировках и хакатонах; а также дают много полезных ссылок и материалов, которые помогут лучше разобраться в теме.

Вот несколько интересных видео:
- Нейросеть DallE от Сбера: интервью с одним из создателей.
- Почему ИИ стоит изучать.
- Стажировка в Сбере.
- Как достичь успеха в data science и IT

В 2021 изученим AI и ML действительно стоит начать заниматься уже сейчас: чтобы не отодвигать изучение самой развивающейся сферы в мире и стать в ней первым!
Создание рекомендательного движка статей на основе ИИ/МО

https://nuancesprog.ru/p/14745/

@machinelearning_ru
Где искать информацию по Machine Learning?

Специалисты Школы анализа данных Яндекса собрали знания и опыт своих преподавателей и выпускников в одном онлайн-учебнике — и открыли к нему доступ для всех желающих. Сейчас вы можете начать изучать два больших раздела: «Классическое обучение с учителем» и «Оценка качества моделей», а авторы постепенно будут добавлять новые актуальные главы.

Пособие подойдет для начинающих ML-специалистов, разработчиков и аналитиков и станет отличной систематизацией знаний и практических рекомендаций. Основные методы и алгоритмы ML, важные для области разделы математики, а также примеры использования ML в жизни — обо всем этом здесь.
Как сделать кастомную функцию активации в Keras

https://uproger.com/kak-sdelat-kastomnuyu-funkcziyu-aktivaczii-v-keras/

@machinelearning_ru
Amazon представила инструменты AWS на основе машинного обучения

https://neurohive.io/ru/gotovye-prilozhenija/instrumenty-amazon-na-osnove-mashinnogo-obucheniya/

@machinelearning_ru
Выбор между SQL и NoSQL: ACID и CAP, схема и транзакции

https://nuancesprog.ru/p/14796/

@machinelearning_ru
Сохранение модели после тестирования в Keras

https://uproger.com/sohranenie-modeli-posle-testirovaniya-v-keras/

@machinelearning_ru
Создание приложения для распознавания лиц с помощью Tensorflow.js

https://nuancesprog.ru/p/14827/

@machinelearning_ru
👍2
Uni-TTSv4: модель Microsoft, преобразовывающая текст в речь

https://neurohive.io/ru/papers/uni-ttsv4-model-microsoft-preobrazovyvajushhaya-tekst-v-rech/

@machinelearning_ru
Создание анимированных диаграмм в Python

https://nuancesprog.ru/p/14847/

@machinelearning_ru