Ссылки для дрессировщиков нейронных сетей

2021-06-27 01:18:44 Всем доброго субботнего вечера! Сегодня вышла наша новая англоязычная статья на TowardsDataSciense. Посвящена она применению AutoML алгоритмов для прогнозирования временных рядов. На простом примере показано, как при помощи FEDOT'a за несколько минут (и в несколько строк кода) можно находить точное решение.

Статья:
AutoML for time series: definitely good idea

P.S. К посту можно делать не только один хлопок (аналог лайка на medium) от одного пользователя, а сразу несколько (а именно, 50 штук). Для этого можете кликнуть на знак хлопка и подождать несколько секунд пока счётчик не достигнет 50
Не стесняйтесь ставить и такое количество :)

Будем рады вашим комментариям и хлопкам, и до новых встреч!

Medium
AutoML for time series: definitely a good idea
Approaches for time series forecasting using AutoML and example of the forecast, which such models can produce Открыть/Комментировать

2021-06-25 13:44:03 Люди изучают язык гибко и эффективно, используя композиционное обобщение (compositional generalization): способность понимать и создавать большое количество новых комбинаций из известных компонентов. Например, если человек знает, как «шагнуть», «шагнуть дважды» и «прыгнуть», то для него естественно знать, как «дважды прыгнуть».

Современные методы машинного обучения демонстрируют ограниченную способность к композиционному обобщению. Хуже того, даже реалистичные бенчмарки для полноценной измерения такой способности до самого недавнего времени отсутствовали. 

На очередном научно-технический вебинаре НТР и HITS ТГУ, который состоится во вторник, 29 июня 2021, 12:00 МСК Дмитрий Царьков (Google, Цюрих) представит новый метод для систематического построения таких тестов и большой и реалистичный набор данных с ответами на вопросы на естественном языке, построенный с помощью этого метода. 

Дмитрий использовал этот датасет для анализа способности к композиционному обобщению трех архитектур машинного обучения. Как он пишет: "Мы обнаружили, что они не могут обобщать композиционно и что существует сильная отрицательная корреляция между составной дивергенцией и точностью.”

Регистрация: https://us02web.zoom.us/webinar/register/9316215944594/WN_2U1_vwmqTLalGFoKB8ZgKQ Открыть/Комментировать

2021-06-24 20:35:07

Открыть/Комментировать

2021-06-22 13:44:49 https://github.com/iamtrask/Grokking-Deep-Learning Репозиторий Андрб Таска книга Грокаем глубокое обучение Открыть/Комментировать

2021-06-21 14:07:49 Дополнение категориальных наборов данных синтетическими данными для машинного обучения
https://towardsdatascience.com/augmenting-categorical-datasets-with-synthetic-data-for-machine-learning-a25095d6d7c8 Открыть/Комментировать

2021-06-21 14:02:43 GitHub - Sentdex/GANTheftAuto
https://github.com/sentdex/GANTheftAuto/ Открыть/Комментировать

2021-06-20 22:32:54 https://link.medium.com/nTeSBV2wfhb Открыть/Комментировать

2021-06-17 19:13:33 https://praktikum.blog/Computingonvideocards/ Открыть/Комментировать

2021-06-17 18:24:52 Добрый день, коллеги!
Мы решили абсолютно бесплатно поделиться с вами еще одним вариантом заработка на AI-проектах

Университет искусственного интеллекта запускает НОВЫЙ живой мини-курс

Для тех, кто хочет зарабатывать на ИИ уже сейчас, не дожидаясь окончания обучения и получения диплома!

Программа курса:

1. Определение возможностей ИИ для бизнеса;
2. Разбор вариантов применения в бизнесе. Выгоды и возражения внедрения ИИ;
3. Примеры проектов и описание ИИ как продукта.

В результате вы:

Научитесь определять задачи и и понимать, что будет полезно бизнесу;
Погрузитесь в процесс и нюансы разработки ИИ;
Увидите более 100 примеров использования ИИ;
Поймете итоговый продукт проекта и что получит заказчик;
Научитесь презентовать ИИ для разных компаний, понимая тонкости применения и внедрения ИИ в бизнес.

И, конечно, общение с единомышленниками! Что может быть круче?

Даты проведения: 21, 24 и 28 июня Открыть/Комментировать

2021-06-14 14:03:34

Открыть/Комментировать