Machinelearning

Generating Game of Thrones Characters Using StyleGAN article: https://blog.nanonets.com/stylegan-got/ gitHub repo: https://github.com/iyaja/stylegan-encoder

The Binary Extremes of Daenerys Targaryen https://towardsdatascience.com/the-binary-extremes-of-daenerys-targaryen-1c89502de92d

OpenAI Five Beats World Champion DOTA2 Team 2-0 https://www.youtube.com/watch?v=tfb6aEUMC04

How to (Properly) Evaluate Cross-Lingual Word Embeddings: On Strong Baselines, Comparative Analyses, and Some Misconceptions Article: https://arxiv.org/abs/1902.00508

Разработчиков ждут 20 мая, в 20.00 (мск), на открытом практическом вебинаре «Lean Data Engineering: большие данные при небольшом бюджете». Пройдите вступительное тестирование и запишитесь на вебинар https://otus.pw/ccfN/ На вебинаре разберут, как построить эффективную и масштабируемую систему обработки данных для небольшой компании или стартапа с минимальными затратами. В качестве практики познакомят вас с инструментами обработки данных Google Cloud: только заранее создайте google-аккаунт, пройдите регистрацию (https://console.cloud.google.com/) и заведите проект с произвольным названием — это займет не более 5 минут. Вебинар пройдет в рамках набора на профильный онлайн-курс «Data Engineer». Мастер-класс проведет один из преподавателей курса, эксперт и разработчик Егор Матешук (Senior Data Engineer, MaximaTelecom) Приходите за подробностями! https://otus.pw/soRP/

How to Develop a Convolutional Neural Network to Classify Photos of Dogs and Cats (with 97% accuracy) https://machinelearningmastery.com/how-to-develop-a-convolutional-neural-network-to-classify-photos-of-dogs-and-cats/

PyTorch Internals http://web.mit.edu/~ezyang/Public/pytorch-internals.pdf

Structure of Neural Nets for Deep Learning https://www.youtube.com/watch?v=sx00s7nYmRM

How to Use Transfer Learning when Developing Convolutional Neural Network Models https://machinelearningmastery.com/how-to-use-transfer-learning-when-developing-convolutional-neural-network-models/

Introducing Translatotron: An End-to-End Speech-to-Speech Translation Model http://ai.googleblog.com/2019/05/introducing-translatotron-end-to-end.html

Российские и международные эксперты обсудят "большие данные" Сейчас всю Россию накрывает волна "цифровизации". Волна в самом хорошем смысле. Принятая в 2017 государственная программа "Цифровая экономика Российской Федерации" охватывает и "большие данные". В частности, в России, например «большие данные» планируется использовать в области здравоохранения с 2020 г. Обсудят Big Data и на предстоящей конференции «Цифровая индустрия промышленной России – 2019». Она пройдет с 22 по 24 мая в г.Иннополис (Татарстан). Подписывайтесь на канал «B/D» и узнайте новости с панели «Большие данные.Как увидеть будущее сегодня» с конференции «ЦИПР-2019» самыми первыми!

A 2019 guide to 3D Human Pose Estimation https://blog.nanonets.com/human-pose-estimation-3d-guide/

TensorFlow Model Optimization Toolkit — Pruning API https://medium.com/tensorflow/tensorflow-model-optimization-toolkit-pruning-api-42cac9157a6a

Всех, кто хочет продвинуться на непростом пути машинного обучения, ждут 15 мая, в 20:00 на вебинаре «Учим нейронную сеть копировать почерк». Запишитесь, чтобы получить напоминание https://otus.pw/k0cV/ На открытом уроке мы обсудим, что такое нейронная сеть и как от предсказания конкретных свойств объекта перейти к порождению новых объектов с заданными свойствами. В качестве примера разберем один из финальных проектов предыдущего набора курса: задачу порождения рукописного текста с заданным почерком. Вебинар пройдет в рамках набора на профильный онлайн-курс «Нейронные сети на Python». Это курс для тех, кто хочет углубить свои знания по нейронным сетям, глубоком машинном обучении и задачах, которые решает Deep Learning Инженер. Оцените свои знания и готовность к курсу, сдайте вступительный тест https://otus.pw/0MEo/ Проведет вебинар Артур Кадурин, преподаватель курса и признанный эксперт в области нейронных сетей и machine learning. Приходите, будет интересно и профессионально!

Unified Language Model Pre-training for Natural Language Understanding and Generation Articel.: https://arxiv.org/abs/1905.03197v1

How to Develop a Convolutional Neural Network From Scratch for CIFAR-10 Photo Classification https://machinelearningmastery.com/how-to-develop-a-cnn-from-scratch-for-cifar-10-photo-classification/

PyTorch implementation of the Leap Meta-Learner Article: https://arxiv.org/abs/1812.01054 GitHub: https://github.com/amzn/metalearn-leap

Introducing TensorFlow Graphics: Computer Graphics Meets Deep Learning Github : https://github.com/tensorflow/graphics Article: https://medium.com/tensorflow/introducing-tensorflow-graphics-computer-graphics-meets-deep-learning-c8e3877b7668

ICLR2019 Best Paper "The Lottery Ticket Hypothesis: Finding Sparse, Trainable Neural Networks" Jonathan Frankle, Michael Carbin: https://arxiv.org/abs/1803.03635

Задача по #DataScience от QIWI. Наверняка вы знаете, что такое Терминалы QIWI. Они позволяют совершить оплату в пользу более чем двух тысяч провайдеров. Сейчас пользователи мало платят через терминалы, не знают или не помнят, что их услугу можно оплатить на терминале. QIWI ищет команду, которая сможет доработать (уже реализованный) механизм, рекомендующий плательщику дополнительный платёж. Нужно научиться определять наиболее уместных провайдеров для данного терминала, исходя из его локации и частоты оплачиваемых провайдеров. На реализацию QIWI выделяет 3 млн.рублей и 5 месяцев. Задача подробно описана на сайте (видео + текст) — universe.qiwi.com Заявки от команд до 19 мая. Вопросы все можно задать в @QU_product_hub