Generative Ai

Neural Networks : A 30,000 Feet View for Beginners | Learn OpenCV http://www.learnopencv.com/neural-networks-a-30000-feet-view-for-beginners/

Generative Adversarial Networks (LIVE) https://www.youtube.com/watch?v=0VPQHbMvGzg&feature=em-lss

Find-Object Simple Qt interface to try OpenCV implementations of SIFT, SURF, FAST, BRIEF and other feature detectors and descriptors. http://introlab.github.io/find-object/

LabelImg - оболочка для разметки датасета с изображениями. It is written in Python and uses Qt for its graphical interface. Annotations are saved as XML files in PASCAL VOC format, the format used by ImageNet. https://github.com/tzutalin/labelImg demo: https://www.youtube.com/watch?v=p0nR2YsCY_U&feature=youtu.be

How to Generate Video - Intro to Deep Learning #15

Библиотеки для глубокого обучения: Keras Изначально Keras вырос как удобная надстройка над Theano. Отсюда и его греческое имя — κέρας, что значит "рог" по-гречески, что, в свою очередь, является отсылкой к Одиссее Гомера. Хотя, с тех пор утекло много воды, и Keras стал сначала поддерживать Tensorflow, а потом и вовсе стал его частью. Впрочем, наш рассказ будет посвящен не сложной судьбе этого фреймворка, а его возможностям. Если вам интересно, добро пожаловать под кат. https://habrahabr.ru/company/ods/blog/325432/

Food Classification with Deep Learning in Keras / Tensorflow https://github.com/stratospark/food-101-keras http://blog.stratospark.com/deep-learning-applied-food-classification-deep-learning-keras.html

How to Generate Images with Tensorflow (LIVE) https://www.youtube.com/watch?v=iz-TZOEKXzA&feature=em-lss

Data Science Новый адаптивный курс на Stepic (eng) Для обучения используют Julia (https://julialang.org/) Right now Stepik is developing an adaptive learning engine which chooses content for each learner individually and give everyone individual learning path. In this course you can try out this adaptive engine and learn Data Science. The course consists of the best lessons that were submitted for the Stepik Contest. That's why we invite all students not only learn, but also evaluate the recommended lessons. If you like or dislike lessons use the buttons on the bottom of the lesson to show that. https://stepik.org/course/Stepik-Contest-Data-Science-2607/