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

Метод главных компонент в машинном обучении

Метод главных компонент (principal component analysis, PCA) является методом машинного обучения для уменьшения размерности. Эта техника с помощью простой матрицы из линейной алгебры и статистики вычисляет предсказание исходных данных в том же количестве или меньшем количестве измерений.

Что такое признаки (features) и для чего они нужны?

Признак, он же «фича» (от англ feature) – это переменная (столбец в таблице), которая описывает отдельную характеристику объекта. Признаки являются краеугольным камнем задач машинного обучения в целом: именно на их основании мы строим предсказания в моделях.

Блокнот Colab — это бесплатная интерактивная облачная среда для работы с кодом от Google. Принцип у нее такой же, как у остальных онлайн-офисов компании: она позволяет одновременно с коллегами работать с данными. Рассказываем, в чем преимущества Colab и в каких сферах он может быть полезен.

Кому нужен Google Colab

не устанавливая Python на компьютер (без IDE и зависимостей).

не создавая проект в Google Cloud для доступа к API Google и даже вообще не придется заходить в Google Cloud Console (oauth, сервисный аккаунт, json не нужно).

мы сможем (если вы захотите) легко обмениваться наработками и легко улучшать код друг друга.

Вслед за анонсом проекта Spring GraphQL и выходом майлстоуна 1.0 мы публикуем этот пост с более подробной информацией.

Введение

https://github.com/ershovio/youtube_tutorials/blob/master/pandas_tutorial.ipynb

Таймкоды:

0:00 Введение

1:17 Создание датафрейма (DataFrame)

3:49 Экспорт датафрейма

4:38 Первичный анализ датафрейма

6:17 Одномерные данные / Series

Ключевым аспектом моделей машинного обучения является их способность к обучению эффективным промежуточным признакам. Однако в этом процессе решающую роль играет представление входных данных, а полифонические музыкальные партитуры остаются особенно сложным видом информации.

Пользователи iFunny ежедневно загружают в приложение около 100 000 единиц контента, среди которого не только мемы, но и расизм, насилие, порнография и другие недопустимые вещи.

Цель предобработки: привести датасет в «божеский» (читай: пригодный для анализа) вид. При этом решается множество отдельных задач: от объединения нескольких таблиц в одну до всесторонней оптимизации итогового датафрейма. Сегодня мы поговорим о сердце предобработки данных — их чистке.

Магистерская диссертация на данных ИНИД: как пандемия повлияла на рынок труда в России

Baidu @ KDD 2021

Какую задачу решают авторы?

Константин Воронцов / ПостНаука

О применении методов машинного обучения в бизнесе, композициях адаптивных моделей и повышении качества данных.

Константин Воронцов — доктор физико-математических наук, профессор РАН, руководитель лаборатории Машинного интеллекта МФТИ, заведующий отделом Интеллектуальных систем ФИЦ ИУ РАН.

Know Your Data — инструмент Google для изучения и анализа датасетов. Приложение нацелено на поиск некорректных аннотаций и несбалансированных классов данных.

Нейронные сети очень мощны для выполнения предиктивного анализа и решения аналитических задач. Они широко используются для классификации данных, чтобы обнаруживать закономерности и делать прогнозы. Бизнес-кейсы варьируются от классификации и защиты данных клиентов до классификации текста, поведения потребителей и многих других задач.

Дзен-интервью — разговоры об ML в России и мире. Во втором выпуске у нас в гостях Михаил Хальман — разработчик-исследователь Google Brain.

00:30 Как отдыхают простые программисты из Google?

01:40 Что такое саммаризация текстов?

02:20 Учёба на ВМК МГУ, data science и машинное обучение

Нейронные сети очень мощны для выполнения предиктивного анализа и решения аналитических задач. Они широко используются для классификации данных, чтобы обнаруживать закономерности и делать прогнозы. Бизнес-кейсы варьируются от классификации и защиты данных клиентов до классификации текста, поведения потребителей и многих других задач.

За последние годы в глубоких нейронных сетях был обнаружен ряд необычных эффектов, показавших, что мы плохо понимаем, что происходит в процессе их обучения. В докладе рассказывается о попытках увязать эти эффекты в единую гипотезу.

Серия "Решающие деревья и композиции алгоритмов"

Часть 1. Решающие деревья: https://youtu.be/MJwAoWFTMWw

Часть 2. Композиции алгоритмов: https://youtu.be/vqF8wrWjR5s

Часть 3. Градиентный бустинг: https://youtu.be/JElfEE1OrSU

Это Москва и область, Краснодарский край и Татарстан.

Вызываешь в приложении таксомотр, а за тобой приезжает машина-робот, в которой никто не слушает шансон, никак не пахнет и дурацкими вопросами не портит настроение. И никто не сможет чихнуть и заразить вирусом!

Хабр, привет!

Привет, Миш, добавишь в беседу поступающих в ШАД?
- Какую беседу?

Через пару часов меня добавили в беседу.

Не могу сказать, что поступление было тщательно обдуманным и спланированным решением. Почему я всё-таки пошёл? Основных причины было три.

Давайте представим, что мы решили автоматизировать процесс выбора верхней одежды в межсезонье — научить голосового ассистента на основании прогноза погоды подсказывать нам, в чём сегодня лучше выйти из дома.

Это легендарный Гарвардский курс CS50 на русском языке: основы искусственного интеллекта с Python.

В этой лекции: линейная и логистическая регрессия, классификация, обучение с и без учителя, а также принципы обучения с подкреплением - Q обучение, жадный эпсилон алгоритм и обучение ИИ агента игре в Nim.

Файлы:

В данном видео пишем программу для тренировки модели на распознавание лиц на изображениях с помощью Python. Научимся находить, сверять, выделять и экспортировать лица людей используя библиотеку Face Recognition.

Беспилотный транспорт, обработка естественного языка, машинное зрение и даже искусство развиваются благодаря машинному обучению. И оно не стоит на месте.

ментор курса Wargaming Forge: Game Data Analytics