AI Новости: Машинное обучение и анализ данных. Python. Алгоритмы, методы, лекции. Новости 2018

Краткий экскурс в науку о данных. Особенности и типы алгоритмов машинного обучения. Основные сложности проектов по Data Science.

Ссылка на презентацию Сослана: https://docs.google.com/presentation/d/1fK0hL5Ikxew1PyQJij785T8sOLP1egF5UrrbyH302wI/edit#slide=id.g62fc528f49_1_72

Transformer-OCR — нейросетевая модель, которую обучили распознавать надписи на изображениях. Модель обходит существующие state-of-the-art методы на 5 датасетах. Для датасета с изображениями вывесок с закрученным текстом CUTE модель обходит предыдущие подходы на 9.7% в точности предсказания.

Описание проблемы

Нейронные сети и компьютерное зрение - 169 урок. Transfer learning на примере соревнования на Kaggle

В данном видео описан процесс партиционирования или сегментации цифрового изображения с набор пискелей (pixels)/ Целью сегментации является упрощение и изменение представления изображения в форму/вид позволяющую анализировать изображение.

Вчера мы рассказали, почему запускать Airflow на Kubernetes – это эффективно и выгодно для всех участников batch-процессов с большими данными (Big Data): разработчиков Data Flow, Data Scientist’ов, аналитиков и инженеров. Сегодня рассмотрим, что такое Airflow Kubernetes Operator и чем он отличается от подобной разработки компании Google.

Нейронные сети и компьютерное зрение

21 - 24 урок. Базовая работа в PyTorch

25 - 26 урок. Восстановление зависимости нейронной сетью

27 - 30 урок. Компоненты нейронной сети

Исследователи из AllenAI опубликовали на Kaggle датасет с 29 тысячами открытых научных статей о COVID-19. Для COVID-19 Open Research Dataset доступны 10 соревнований в области обработки естественного языка. 

Описание датасета

Николай Попов рассказывает про опыт участия в соревновании Kaggle Santa's Workshop Tour 2019, в котором он заработал серебряную медаль.

Из этого видео вы можете узнать:

- Как пробовать решать задачи через привычные инструменты датасаентиста?

На вебинаре вы: познакомитесь с reinforcement learning узнаете, как применять машинное обучение для игр научитесь с помощью ML играть в крестики-нолики Преподаватель: Артур Кадурин - CEO Insilico Taiwan и Chief AI Officer Insilico Medicine

Доклад Григория Заляцкого посвящен сегментации изображений с помощью глубокого обучения.

Подробно остановимся на следующих моментах:

- отличия сегментации с учителем и без учителя;

- их преимущества и недостатки;

- несколько методов сегментации без учителя с помощью глубокого обучения;

Детектирование аномалий — интересная задача машинного обучения. Не существует какого-то определенного способа ее решения, так как каждый набор данных имеет свои особенности. Но в то же время есть несколько подходов, которые помогают добиться успеха. Я хочу рассказать про один из таких подходов — автоенкодеры.

Применяем нейронную сеть для решения задачи регрессии: предсказания стоимости недвижимости.

Страница курса - https://www.asozykin.ru/courses/nnpython

Код из видео - https://github.com/sozykin/dlpython_course/blob/master/regression/regression_example.ipynb

Типы задач, решаемых с помощью машинного обучения:

Все модели машинного обучения разделяются на обучение с учителем (supervised) и без учителя (unsupervised). В первую категорию входят регрессионная и классификационная модели. Рассмотрим значения этих терминов и входящие в эти категории модели.

Обучение с учителем

1 ноября в московском офисе Яндекса прошёл митап для начинающих разработчиков машинного обучения. Слайды презентаций опубликованы в программе на странице мероприятия: https://events.yandex.ru/events/ml-ju...

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СЕЛЬСКОМ ХОЗЯЙСТВЕ: ПОДХОДЫ И НАПРАВЛЕНИЯ ИСПОЛЬЗОВАНИЯ

Pandas (Python) Как храним наблюдения?

Визуализация (Python)

K-means (кластеризация, обучение без учителя)

Деревья решений. Shannon's Entropy - рассматриваю идею...

Деревья решений. Gini Impurity - рассматриваю идею...

Linear Regression - рассматриваю идею...

Курс статистика на Python

Язык программирования Python - Jupyter Notebook

https://www.youtube.com/playlist?list=PL34NbCo2mgdIPGojIryxFWr899oZg72K9 - полный курс

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

В теории, такая система позволит снизить время отклика на действия игрока.

Сейчас для анимации игровых персонажей в основном применяют технологию захвата движений, в том или ином виде используя анимации, записанные актерами и каскадерами. У такого подхода есть недостаток: достаточно большое время отклика на действия игрока.

Искусственный интеллект и машинное обучение

Цель этого курса — предоставить вам целостное понимание машинного обучения, охватив теорию, применение и само устройство алгоритмов обучения с учителем, обучения без учителя и глубинного обучения.

1. Введение

2. Знакомство с регрессией

3. Фичи и лейблы регрессии

Четыре доклада про модное в машинном обучении?

Алгоритм состоит из трёх основных блоков ранжирования, которые «извлекает» 65 млрд функций и делает 90 млн моделей каждую секунду для того, чтобы мы с вами могли позалипать на рекомендуемых пёсиков и котиков.

Лучшие доклады Moscow Python Conf++ 2019

1. А что, если без Python? Julia для машинного обучения и вообще / Глеб Ивашкевич

2. Укрощая зверя: legacy-код, тесты и вы / Кирилл Борисов (Booking.com)

3. Убивай мутантов, спаси свой код / Никита Соболев (wemake.services)

Теперь можно самому создать партию для караоке из любой известной песни.

Стриминговый сервис Deezer запустил инструмент Spleeter, который позволяет разделить музыку на составляющие. Библиотека на основе нейросетей доступна всем желающим бесплатно — её опубликовали на GitHub.

Появился инструмент для создания анимации по статичному изображению — Impersonator. С помощью методов машинного обучения эта штука умеет «оживлять» людей на фото, менять ракурс снимка и одежду человека. Impersonator написали китайские разработчики при помощи PyTorch.

[1] Глубокое обучение с точки зрения практика [2018] Гибсон, Паттерсон