Обзор материалов по машинному обучению № 2 (21 — 27 февраля 2017 года)

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Добрый день! Это второй дайджест материалов по машинному обучению и анализу данных. Несмотря на праздники на этой неделе было много интересного.

События предстоящей недели

1. image Семинар СМиГО: Multi-Class Classification: How to Deal with Multi-class Huge Scale Problems Efficiently? 28 февраля.
2. image Data science завтрак. 1 марта.
3. image Superjob Data Science Meetup. 2 марта.
4. image Open & Big Data Hackathon 2017. г. Санкт-Петербург. 3 марта.
5. image Data Science Weekend. 3 марта.
6. image Moscow Data Science meetup. 3 марта.
7. image День открытых данных в Москве. 4 марта.

Учебные курсы, конференции

1. image На Физтехе стартует курс “Дополнительные главы машинного обучения”.
2. image ML-тренировка. DeepHack RL, Avito BI. Видео.
3. image Диалоговые интерфейсы: проблемы и вызовы. Видео.
4. image NIPS 2016 Workshop on Adversarial Training. Декабрьская конференция в Барселоне. Видео.
5. image Deep Learning Summer School and Reinforcement Learning Summer School.

Новости

1. image Лаборатория Касперского проведет хакатон по анализу данных.
2. image Еженедельный обзор от DataScienceCentral.
3. image Еженедельный обзор портала HighScalability.
4. image GPUs are now available for Google Compute Engine and Cloud Machine Learning.

Научные статьи, практические реализации, датасеты

1. image Pachyderm: A Containerized, Version-Controlled Data Lake.
2. image Базовые принципы машинного обучения на примере линейной регрессии.
3. image TensorFlow Quick Tips.
4. image Predicting gentrification using longitudinal census data.
5. image How is Deep Learning Changing Data Science Paradigms?
6. image Cosine Normalization: Using Cosine Similarity Instead of Dot Product in Neural Networks.
7. image Управление публичными данными.
8. image High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis.
9. image How to train Baidu's Deepspeech model with Kur.
10. image Semantic Question Matching with Deep Learning.
11. image Combining neural networks and decision trees.
12. image Char2Wav: End-to-End Speech Synthesis.
13. image Fast PixelCNN++: speedy image generation.
14. image Intro and preprocessing — Using Convolutional Neural Network to Identify Dogs vs Cats. Часть 1. Часть 2. Часть 3. Часть 4. Видео.
15. image Lots of labeled and annotated data
16. image Эвристическая сеть — аналог рекуррентной нейронной сети для программы чат бот.
17. image Brain Trust: How AI Is Helping Surgeons Improve Tumor Diagnosis.
18. image Ranking every Data Science course on the internet.
19. image Data Manipulation and Visualization with Pandas and Seaborn?—?A Practical Introduction.
20. image Interactive Image Translation with pix2pix-tensorflow.
21. image Обучение с подкреплением: от Павлова до игровых автоматов.
22. image PixelNet: Representation of the pixels, by the pixels, and for the pixels.
23. image Learning to generate one-sentence biographies from Wikidata.
24. image How to Difference a Time Series Dataset with Python.
25. image Нейронные сети: практическое применение.
26. image How to Make a Tensorflow Image Classifier. Видео.
27. image Introduction to Neural Networks — Perceptron.
28. image Recognizing Traffic Lights With Deep Learning.
29. image Serve Spark ML Models Using Play Framework and S3.
30. image The Black Magic of Deep Learning — Tips and Tricks for the practitioner.
31. image RBM based Autoencoders with tensorflow.
32. image Social Media Research Toolkit.
33. image Нейронные сети в картинках: от одного нейрона до глубоких архитектур.
34. image Neural Network Learns to Synthetically Age Faces, and Make Them Look Younger, Too.
35. image How to Save an ARIMA Time Series Forecasting Model in Python.
36. image How to Create a Linux Virtual Machine For Machine Learning Development With Python 3.
37. image Beginner's Guide to Customer Segmentation.
38. image Bare bones Python implementations of some of the foundational Machine Learning models and algorithms.
39. image Announcing Prophet: A tool that provides accurate, reliable forecasting.
40. image Butterfly effect: OECD’s data visualisation hiccup leads to media panic.
41. image Preprocessing for Machine Learning with tf.Transform.
42. image Умная кормушка: Machine Learning, Raspberry Pi, Telegram, немножко магии обучения + инструкция по сборке.
43. image High-Res-Neural-Inpainting — High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis.

Предыдущий выпуск: Обзор материалов по машинному обучению (13 — 20 февраля 2017 года).

Источник: habrahabr.ru

Комментарии: