Мы рады объявить о выпуске ML.NET 0.7 — последней версии кросс-платформенной и open source системы машинного обучения для разработчиков .NET (ML.NET 0.1 был выпущен на //Build 2018). Этот релиз направлен на расширение функциональности платформы. Подробнее под катом!
Рубрика «machine learning» - 30
ML.NET 0.7 (Machine Learning .NET)
2018-11-12 в 7:00, admin, рубрики: .net, .net core, machine learning, microsoft, ML.NET, python, Блог компании Microsoft, машинное обучение, Программирование
Прямая трансляция Sberbank Data Science Day 10 ноября
2018-11-09 в 15:48, admin, рубрики: artificial intelligence, data science, machine learning, Блог компании Сбербанк, искусственный интеллект, конференции, машинное обучение, финансы в ITПривет!
10 ноября (уже завтра!) в Москве в киноцентре «Октябрь» пройдет большая конференция Sberbank Data Science Day, где будут награждение победителей SDSJ 2018, выступления большого количества международных и российских экспертов в области Data Science, секции про ML и применение искусственного интеллекта в науке и бизнесе. И еще много интересного!
Прямую трансляцию можно посмотреть тут. Под катом и на сайте программа. Также рассказываем, как оценивали победителей Sberbank Data Science Journey.
Go to GOTO
2018-11-09 в 8:40, admin, рубрики: funcorp, GOTO, GOTO Berlin, GOTO conference, java, machine learning, ml, Блог компании FunCorp, конференции, Программирование
Привет! Меня зовут Григорий Кузовников. Я работаю Senior Backend Engineer в компании FunCorp. Недавно я начал заниматься машинным обучением. Спросить что-то напрямую не у кого, приходится всё искать в интернете. Поэтому хотелось сходить на какую-нибудь профильную конференцию и послушать, как вообще использовать машинное обучение в бою. Сразу ничего профильного я не нашёл, однако на GOTO Berlin было много тем по машинному обучению, поэтому и решил посетить именно её. Под катом небольшой обзор этой конференции и много фотографийЧитать полностью »
Введение в обучение с подкреплением
2018-11-07 в 16:40, admin, рубрики: big data, data mining, deep learning, machine learning, Блог компании ОтусВсем привет!
Мы открыли новый поток на курс «Machine learning», так что ждите в ближайшее время статей связанных с данной, так сказать, дисциплиной. Ну и разумеется открытых семинаров. А сейчас давайте рассмотрим, что такое обучение с подкреплением.
Обучение с подкреплением является важным видом машинного обучения, где агент учится вести себя в окружающей среде, выполняя действия и видя результаты.
В последние годы мы наблюдаем много успехов в этой увлекательной области исследований. Например, DeepMind и Deep Q Learning Architecture в 2014 году, победа над чемпионом по игре в го с AlphaGo в 2016, OpenAI и PPO в 2017 году, среди прочих.
Дорисовывание лиц с помощью машинного обучения
2018-11-04 в 18:22, admin, рубрики: machine learning, python, scikit-learn, машинное обучение, обработка изображенийВ этом примере показано использование различных алгоритмов машинного обучения для завершения изображений. Цель состоит в том, чтобы предсказать нижнюю половину лица, учитывая его верхнюю половину.
Первый столбец изображений показывает настоящие лица. Следующие столбцы иллюстрируют, как деревья (extremely randomized trees), метод k-ближайших соседей (k nearest neighbors/K-nn), линейная регрессия (linear regression) и RidgeCV (ridge regression complete) завершают нижнюю половину этих лиц.
Читать полностью »
Building client routing – semantic search at Profi.ru
2018-11-03 в 10:02, admin, рубрики: data science, deep learning, machine learning, natural language processing, nlp (natural language processing), python3, pytorch, машинное обучениеBuilding client routing / semantic search and clustering arbitrary external corpuses at Profi.ru
TLDR
This is a very short executive summary (or a teaser) about what we managed to do in approximately 2 months in the Profi.ru DS department (I was there for a bit longer, but onboarding myself and my team was a separate thing to be done at first).
Краткий обзор алгоритма машинного обучения Метод Опорных Векторов (SVM)
2018-11-01 в 13:16, admin, рубрики: algorithms, big data, data science, machine learning, python, sklearn, математика, машинное обучение, ПрограммированиеПредисловие
В данной статье мы изучим несколько аспектов SVM:
- теоретическую составляющую SVM;
- как алгоритм работает на выборках, которые невозможно разбить на классылинейно;
- пример использования на Python и имплементация алгоритма в библиотеке SciKit Learn.
Машинное обучение в MatLab-Octave: примеры алгоритмов, подкрепленные формулами
2018-10-31 в 15:52, admin, рубрики: artificial intelligence, data science, machine learning, Matlab, neural network, neural networks, искусственный интеллект, машинное обучение, Программирование
Недавно я начал изучать machine learning. Начал с прекрасного, на мой взгляд, курса от Andrew Ng. И чтобы не забыть, а так же повторить выученное решил создать репозиторий Machine Learning in Octave. В нем я собрал математические формулы для гипотез, градиентных спусков, "cost function"-ов, сигмоидов и прочих фундаментальных для машинного обучения "штук". Так же добавил туда упрощенные и доработанные примеры реализации некоторых популярных алгоритмов (нейронная сеть, линейная/логистическая регрессия и пр.) для MatLab/Octave. Надеюсь эта информация будет полезна для тех из вас, кто планирует начать изучение machine learning-а.
Как интерпретировать предсказания моделей в SHAP
2018-10-30 в 11:02, admin, рубрики: big data, data science, feature importance, machine learning, shap, машинное обучениеОдной из важнейших задач в сфере data science является не только построение модели, способной делать качественные предсказания, но и умение интерпретировать такие предсказания.
Если мы не просто знаем, что клиент склонен купить товар, но так же понимаем, что влияет на его покупку, мы сможем в будущем выстраивать стратегию компанию, направленную на повышение эффективности продаж.
Читать полностью »
Как стать датасайнтистом, если тебе за 40 и ты не программист
2018-10-24 в 11:01, admin, рубрики: coursera, data mining, data scientist, dataScience, kaggle, machine learning, ods, open data science, Блог компании QIWI, карьера, Карьера в IT-индустрии, Курсера, кэггл, машинное обучение, развитие, саморазвитие, учеба, Учебный процесс в ITБытует мнение, что стать датасайентистом можно только имея соответствующее высшее образование, а лучше ученую степень.
Однако мир меняется, технологии становятся доступны и для простых смертных. Возможно, я кого-то удивлю, но сегодня любой бизнес-аналитик в состоянии освоить технологии машинного обучения и добиться результатов, конкурирующих с профессиональными математиками, и, возможно, даже лучших.
Дабы не быть голословным, я расскажу вам свою историю — как из экономиста я стал дата-аналитиком, получив необходимые знания через онлайн-курсы и участвуя в соревнованиях по машинному обучению.
Сейчас я ведущий аналитик в группе больших данных в QIWI, но еще три года назад я был довольно далек от датасайнс и об искусственном интеллекте слышал только из новостей. Но потом все изменилось, во многом благодаря Coursera и Kaggle.
Итак, обо всем по порядку.
Читать полностью »