TechCave

Описание сайта

Рейтинг: 13
Создана: 4 года назад
Владелец: root

Machine Learning/Data Mining/Big Data

Основная информация

Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных.

Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Стена группы

Загрузка...
3 часа назад
#

Data Fest³ Minsk 2019 | Прямая трансляция | Track 1


Data Fest³ Minsk – это неформальная конференция, которая объединит исследователей, разработчиков и всех, кому интересен data science во всех его проявлениях.

Минск, Галерея «Ў»

Партнеры Data Fest Minsk
i2x | Wargaming.net | Easybrain | Mapbox

Партнер видеозаписи — Mail.ru Group
Партнер Afterparty — Bulba ventures

ПРОГРАММА — Track 1:

11:00 Открытие Data Fest3 Minsk

11:15 Modern Facial Landmark Estimation and Tracking: from tree-based regressors to deep learning approaches
Евгений Макаров, AI architect @Emirates NBD

12:00 RestoreGAN: Applying Feature Pyramid Networks to Image Restoration
Orest Kupyn, DL Engineer @ secret startup

12:30 Safe Augmentation: Learning Task-Specific Transformations from Data
Irynei Baran, Software Engineer @ DataRobot

12:45 Adversarial loss: что это такое и как его использовать
Валерий Гиркин, CV engineer @ Connectome.ai

— Lunch — 14:45 Speech recognition from 0 to 100
Кирилл Жданович, Machine Learning Consultant

15:30 Как обрабатывать разговорную речь в реальном мире: взгляд с баррикад
Павел Штыковский, Head of ML @i2x

16:00 Полностью генеративные ответы на вопросы в Поддержку ВКонтакте
Даниил Гаврилов, ML engineer @ВКонтакте
Павел Калайдин, ML engineer @ВКонтакте

— Coffee-break — 17:15 Анализ реплеев компьютерных игр
Петр Ромов, CTO @GOSU.AI

18:00 Как понять пешеходов
Роман Удовиченко, Team lead @ Яндекс

18:45 От простого к сложному в аналитике рука об руку с бизнесом
Дмитрий Щегрикович, Data Science Team Lead @Wargaming

— Afterparty —
11 часов назад
#

Spark 1: Что такое Big data, Spark и spark консоль


11 часов назад
#

10 — Data Science и ML. Stepik ML contest — data preprocessing


Лектор: Анатолий Карпов

Продолжаем предобрабатывать данные
1) В этом уроке познакомимся с merge и join в Pandas (http://pandas.pydata.org/pandas-docs/...)
2) А также рассмотрим продвинутый прием по работе с данными при помощи метода apply (https://pandas.pydata.org/pandas-docs...)

Обязательно запомните типы merge и join, это справделиво не только для Pandas, но и для работы с базами данных.

https://stepik.org/4852

11 часов назад
#

40 — Машинное обучение. Метод опорных векторов (support vector machine, SVM)


20 часов назад
#

Co-change Clusters: Extraction and Application on Assessing Software Modularity


Важной концепцией при разработке современного программного обеспечения является концепция модуляризации, — неправильное разбиение проекта на модули может значительно усложнить весь процесс внесения изменений в код. В связи с этим возникает желание разработать метод, который бы позволил автоматизировать процесс поиска подобных проблем в проекте, используя его историю изменений.

В рамках семинара мы рассмотрим статью, авторы которой применяют метод под названием «co-change clustering», с помощью которого они выделяют в коде артефакты, подверженные частому совместному изменению. Далее, исследователи оценивают качество их метода кластеризации с помощью сопоставления получившихся кластеров с существующей в проекте системой модулей, а также с помощью исследования семантической близости текстов issues, ассоциированных с внесенными в кластер изменениями. Научившись решать задачу кластеризации совместно изменяющихся частей исходного кода, авторы проводят масштабное исследование популярных open-source проектов, в попытке выделить типичные виды таких зависимостей артефактов, а также оценить их связь с неправильной модуляризацией проекта.

Докладчик: Дмитрий Кравченко.

Ссылка на слайды: https://research.jetbrains.org/files/...

Авторизация

Войти с помощью

Пользователи

GeekBrains

КАРКАМ

Нетология