devdigest // data science

Google Cloud выпускает наборы данных COVID-19 для создания моделей искусственного интеллекта, которые будут применяться для борьбы с коронавирусом

https://venturebeat.com/2020/03/30/google-launches-covid-19-public-datasets-program-to-foster-coronavirus-fighting-ai-models/

#covid #coronavirus #google

Авторы документального фильма «AlphaGo» задаются вопросом о том, как далеко способен зайти искусственный интеллект. Может ли он быть креативным? Способен ли он мыслить творчески и находить оригинальные решения сложных задач? Эти вопросы волнуют не только авторов картины, но и сотрудников передовой компании Deep Mind, занимающейся инновационными технологиями. Не один год они провели за исследованиями и разработкой искусственного интеллекта. Их достижения оказались настолько значимыми, что компания была приобретена руководством Google.

https://devdigest.today/post/1208

#alhpago

Получите бонус при регистрации в #digitalocean и поддержите проект #devdigest ❤️

https://m.do.co/c/df1443122ea7

CV19 Index – это прогностическая модель на основе ИИ с открытым исходным кодом, которая идентифицирует людей, которые могут иметь повышенную уязвимость к серьезным осложнениям от COVID-19. CV19 Index призван помочь больницам и другим организациям здравоохранения в их работе по выявлению, планированию, реагированию и снижению воздействия COVID-19.

https://closedloop.ai/open-source-data-science-to-fight-covid-19-corona-virus/

#coronavirus #CV19

В Microsoft Research активно продолжаются работы над Q#. Для тех, кто не в курсе, Q# — это предметно-ориентированный язык, который используется для выражения квантовых алгоритмов. В этой публикации вы узнаете о новых возможностях Q# компилятора.

https://devblogs.microsoft.com/qsharp/extending-the-q-compiler/

#quantum #q #qsharp

Если хотите провести вечер с пользой, рекомендуем завтра посетить Data Science Meetup #2 организованный сообществом Data Science UA.

Промокод для подписчиков нашего канала: DSUA_devdigest

https://www.facebook.com/events/624221408140953/

ML.NET: Подготовка данных для построения модели.

Данные часто являются грязными и разреженными. Алгоритмы машинного обучения ML.NET ожидают входные данные или признаки в одном числовом векторе. Поэтому одна из целей подготовки данных — преобразовать данные в формат, ожидаемый алгоритмами ML.NET.

Подробности: http://msft.it/6270TbvRe

Неожиданный способ изучения computer vision по excel. Почти как троллейбус из буханки хлеба, только круче.

https://github.com/amzn/computer-vision-basics-in-microsoft-excel

#excel #computervision #cv

🚀 Стремитесь быть в курсе последних событий сферы ИТ ? Читайте интересные новости на ресурсах от ведущего информационного канала @telecom_industry здесь ⤵️

1️⃣ @proitru - Новости мира информационных технологий, полезные программы и веб-сервисы, мотивация и продуктивность

2️⃣ @ht_vbok - Подборка статей, лайфхаков и обзоров в Telegram. Хай-теч...

3️⃣ @d_science - квантовые вычисления, машинное обучение, искусственный интеллект. Будущее уже наступило. Как минимум, в этом телеграм-канале!

4️⃣ @worlditech - IT новости, статьи и видео с канала Youtube-канала “Мир IT с Антоном Павленко”

5️⃣ @Channelpy - Kangaroo - это научно-техническое сообщество для разработчиков, математиков и тех кому интересны нейронные сети. Вы найдете много интересного на канале

Кстати, для тех кто хотят получить более широкое математическое образование без формального обучения.

Эту книжечку можно (и нужно) использовать как карту/гайд к современной математике. Написал один межнаровец в MIT и сейчас достаточно широкий коммюнити помогает поддерживать эту "карту".

(на 15й странице есть список разделов)
https://venhance.github.io/napkin/Napkin.pdf

Как обучить новую языковую модель с нуля с использованием Transformers и Tokenizer

https://huggingface.co/blog/how-to-train

Сложные алгоритмы, революционные изобретения и технологии - все эти сложные вещи, что состоят из сотен и даже тысяч простых компонентов, которые вместе создают синергии. Понимание и создания таких проектов зависит от возможности декомпозиция и упрощение.

14 марта на Data Science UA Conference мы подробно разберем опыт инженеров, product-менеджеров и инвесторов в data science-продуктах.


https://conference.data-science.com.ua/

Полиномиальная регрессия с нуля в Python

https://rickwierenga.com/blog/ml-fundamentals/polynomial-regression.html

#python #regression.html

Как работать с векторами и матрицами в C#: практическое руководство от доктора Джеймса МакКаффри из Microsoft Research, которое поможет освоить процесс машинного обучения с использованием C#.

https://visualstudiomagazine.com/articles/2019/11/07/charp-vectors-ml.aspx

#matrix #msresearch

Введение в негладкий анализ #негладкийанализ #матоптимизация

Конвейеры AI / ML с использованием Open Data Hub и Kubeflow в Red Hat OpenShift

https://stackshare.io/red-hat-inc/ai-slash-ml-pipelines-using-open-data-hub-and-kubeflow-on-red-hat-openshift

#RedHat #OpenShift

Google только что опубликовал 25 миллионов бесплатных наборов данных

https://towardsdatascience.com/google-just-published-25-million-free-datasets-d83940e24284

#Dataset, #Google

Ищу к себе в команду человека, который знает, что такое NER и хорошо разбирается в этом. Плюсом будет опыт работы с ElasticSearch и умение оптимизации поисковых запросов. Также желательно знание одного из языков программирования: C#, или Python.

Команда небольшая, офис в центре Киева, рядом с ЦУМом.

Проект – система контекстной рекомендации видео (как часть ad tech платформы, однако проект полностью отдельный от ad tech части). Проект построен на базе микросервисной архитектуры.

Технологии, которые любим и используем: .NET Core, ElasticSearch, Kubernetes, AWS.

Возможно кто-то был на пятилетии сообщества IT KPI, я там немного рассказывал про проект: https://www.slideshare.net/andrewgubskiy/net-core-138861528

Резюме скидывайте в личку @ernado

#вакансия #киев #job 👇

23 идеи для глубокого обучения

https://data-flair.training/blogs/deep-learning-project-ideas

#deeplearning, #deep-learning