Получи случайную криптовалюту за регистрацию!

NeuroHive - Нейронные сети, Machine Learning, AI, Data science

Логотип телеграм канала @neurohive — NeuroHive - Нейронные сети, Machine Learning, AI, Data science N
Логотип телеграм канала @neurohive — NeuroHive - Нейронные сети, Machine Learning, AI, Data science
Адрес канала: @neurohive
Категории: Технологии
Язык: Русский
Количество подписчиков: 3.91K
Описание канала:

Нейросети - свежие новости. Машинное обучение, State-of-the-art модели и методы, AI, AGI, Deep learning, Big data.
Website: neurohive.io/ru/
По вопросам сотрудничества: @cyrud

Рейтинги и Отзывы

1.33

3 отзыва

Оценить канал neurohive и оставить отзыв — могут только зарегестрированные пользователи. Все отзывы проходят модерацию.

5 звезд

0

4 звезд

0

3 звезд

0

2 звезд

1

1 звезд

2


Последние сообщения 30

2021-03-02 12:30:00 ​​GraphGallery — это библиотека для обучения и тестирований графовых нейросетей. В GraphGallery реализованы состязательные атаки на графовые нейросети. Библиотека совместима с PyTorch, TensorFlow 2.x, Pytorch Geometric (PyG) и Deep Graph Library (DGL). Кроме того, в библиотеке доступны 17 датасетов с данными графов.

#Graph #Development
2.1K views09:30
Открыть/Комментировать
2021-03-01 12:30:00 ​​CSTR — это сверточная нейросеть, которая распознает текст на изображениях сцены. Предложенная модель решает задачу распознавания текста на изображении сцены как задачу мультиклассовой классификации изображения. По результатам экспериментов на 6 датасетах, CSTR выдает сравнимые с state-of-the-art подходами результаты.

#Arxiv
537 views09:30
Открыть/Комментировать
2021-02-27 12:16:44 ​​Twitter запустили новый тип подключения к их API, — Academic Research. Такая подписка откроет исследователям доступ ко всем методам из второй версии API Twitter.

#Dataset #Twitter
265 views09:16
Открыть/Комментировать
2021-02-26 17:56:44 ​​#промо Какие карьерные перспективы есть в промышленном Machine Learning на больших данных?

2 марта пройдет вебинар с обзором рынка вакансий и требований к специалистам. Эксперт Андрей Кузнецов расскажет вам о своем профессиональном пути в области Big Data, а также представит программу онлайн-курса «Промышленный ML на больших данных».
Вы узнаете, какие особенности у курса и как организовано обучение.

В конце встречи у вас будет возможность занять место в группе по спец.цене.
Регистрируйтесь и задайте свои вопросы эксперту в прямом эфире https://otus.pw/Eons/
306 viewsedited  14:56
Открыть/Комментировать
2021-02-26 12:30:01 ​​TransGAN — GAN-модель, в которой генератор и дискриминатор состоят из двух Transformer-архитектур. Традиционно в GAN архитектуре используются свертки. В TransGAN свертки заменили на Transformer. По результатам экспериментов, модель выдает сравнимые с state-of-the-art GAN-моделями результаты.

#Arxiv
282 views09:30
Открыть/Комментировать
2021-02-23 13:11:28 ​​Model search (MS) — это библиотека, которая использует алгоритмы автоматического поиска архитектуры ML-моделей. На данный момент MS работает только для задачи классификации как с табличными данными, так и с изображениями. Фреймворк базируется на байесовской оптимизации.

#Development #Google #AutoML
88 views10:11
Открыть/Комментировать
2021-02-21 12:30:06 ​​DAF:re — это публичный датасет для распознавания аниме персонажей. Датасет состоит из 500 тысяч изображений с 3000 классов объектов.

#Dataset
580 views09:30
Открыть/Комментировать
2021-02-20 14:31:42 ​​#промо
Как выполнять потоковую обработку больших данных? Сделайте первые шаги в Machine Learning на больших данных!
10 марта примите участие в демо-занятии от Кирилла Султанова, архитектора в области BigData. Что вы узнаете за 1,5 часа?
- Потоковая обработка больших данных.
- Подходы, архитектуры, фреймворки, сравнение, обзор и выбор.
- Основные игроки и перспективные новички.
- Реальные проекты, интересные связки и многое другое!

Демо-занятие входит в программу онлайн-курса «Промышленный ML на больших данных». Для регистрации на урок пройдите вступительный тест https://otus.pw/IlL5/
707 views11:31
Открыть/Комментировать
2021-02-19 12:30:02 ​​В FAIR RL-агента обучили управлять объектами по видеотьюториалам. Стандартные RL-алгоритмы обучаются задаче итеративно через обучение на ошибках. Предложенный алгоритм выучивает модель среды, наблюдает за поведением человека, а затем определяет функцию вознаграждения. Такой подход к обучению RL-агентов называется обратным обучением с подкреплением, основанным на модели среды (MBIRL).
1.0K views09:30
Открыть/Комментировать
2021-02-18 20:19:49 ​​#промо Хардкорный тест по Machine Learning.
Ответьте на 10 вопросов и проверьте свои знания в Data Science. Сможете сдать — пройдёте на продвинутый курс для Machine Learning по специальной цене.

Пройти тест: https://otus.pw/dZnR/
898 views17:19
Открыть/Комментировать