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

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...
11 часов назад
#

23.11.2019. Лекция по генеративным моделям и задачам image to image translation.


4 дня назад
#

Assessing the Generalizability of Code Embeddings


На этом семинаре будут разобраны две статьи, относящиеся к эмбеддингам для исходного кода.

В первой из них, Assessing the Generalizability of code2vec Token embeddings, исследуется возможность обобщения эмбеддингов токенов исходного кода. В обработке естественного языка эмбеддинги слов, однажды обученные, успешно применяются для решения различных задач. Существует гипотеза, согласно которой сходство языков программирования и естественных языков позволяет применять к первым методы, разработанные для вторых. Авторы статьи применяют эмбеддинги токенов, полученные методом code2vec, в трёх новых задачах и сравнивают их с эмбеддингами GloVe, а также с традиционными подходами.

Вторая статья, Adversarial Examples for Models of Code, связана с adversarial атаками. Многие из существующих adversarial атак предполагают незначительное изменение входа и работают только с непрерывными данными. Существуют работы по созданию adversarial образцов для моделей естественного языка, работающие с текстовыми данными, но и они не применимы в ограничениях, накладываемых языками программирования. В статье предлагается способ создания adversarial образцов, применимый в этих условиях. Также в статье предлагается способ защиты, значительно снижающий эффективность атак за счёт небольшой потери точности.

Ссылки на статьи:
http://www.mysmu.edu/faculty/davidlo/...
https://arxiv.org/abs/1910.07517

Докладчик: Андрей Гусев.

4 дня назад
#

Duckietown и AIDO


Константин Чайка — аспирант кафедры МО ЭВМ СПбГЭТУ «ЛЭТИ», исследователь в лаборатории алгоритмов мобильных роботов JetBrains Research, автор онлайн-курсов на Stepik.

На лекции вы узнаете,
— как внести вклад в развитие автономных транспортных средств, не покупая Toyota Prius,
— что такое Duckietown и как в нём имея всего одну камеру и одноплатный компьютер научиться ездить по правилам,
— как принять участие в олимпиаде по автономным транспортным средствам, не выходя из дома, и причём тут уточки?

5 дней назад
#

[ML Trainings]: Artificial Intelligence Journey 2019


Владислав Крамаренко, Competitive Data Scientist

1. Способны ли нейронные подходы победить традиционные алгоритмы в тестах по русскому языку?
2. Способен ли GPT-2 сгенерировать на русском качественное сочинение?
3. Как применить BERT для расстановки запятых?



[ML Trainings]: Artificial Intelligence Journey 2019 (2)


Даниил Анастасьев, Разработчик Алисы, Яндекс; выпускник МФТИ и ШАД

1. Возможно ли подготовиться к егэ за неделю?
2. Готов ли компьютер писать сочинения лучше людей?
3. Реально ли сохраняться бодрость духа, обучаясь на десятках примеров?

5 дней назад
#

[ML Trainings]: Kaggle Open Images 2019




[ML Trainings]: Kaggle Severstal: Steel Defect Detection


Авторизация

Войдите, используя Ваш аккаунт

Войти с помощью

Пользователи