Собрали в одном месте самые важные ссылкичитайте авторский блог
Audio
Optuna — это фреймворк для для автоматизированного поиска оптимальных гиперпараметров для моделей машинного обучения. Она подбирает оптимальные гиперпараметры методом проб и ошибок.В данной статье представлен обзор фреймворка Optuna, рассмотрены ее основные возможности, базовые примеры использования.
Летом прошел очередной чемпионат на Kaggle - "American Express - Default Prediction", где требовалось предсказывать - выйдет ли пользователь в дефолт или нет. Табличное соревнование на 5К участников с очень плотным лидербордом.
Разметка- самая важная часть проекта глубокого обучения. Это решающий фактор того, насколько хорошо модель обучится. Однако это очень утомительно и отнимает много времени. Одним из решений является использование автоматизированного инструмента разметки изображений, который значительно сокращает время. В этой статье мы обсудим некоторые приемы и приемы разметки в OpenCV. С помощью этих методов мы создадим автоматизированный инструмент для разметки одного класса. Он также будет иметь функцию отклонения ненужных объектов. Все это использует возможности некоторых простых алгоритмов в OpenCV.
Платформа Hugging Face это коллекция готовых современных предварительно обученных Deep Learning моделей. А библиотека Transformers предоставляет инструменты и интерфейсы для их простой загрузки и использования. Это позволяет вам экономить время и ресурсы, необходимые для обучения моделей с нуля.
Нейронные сети, рисующие “всякое” по запросу, не обошли стороной и меня. После того, как наигрался, я решил, что так как тема из области искусственного интеллекта, то и интерфейс взаимодействия нужен соответствующий. Например, голос и желательно на русском языке. Так появилась идея создать быструю команду для siri. Что из этого получилось, читайте далее. В конце статьи - видео, ссылки на быстрые команды, репозиторий с необходимыми файлами и инструкция по установке.
Многие студенты колледжей в России в этом году будут обязаны сдать демо-экзамен по дисциплине, посвящённой изучению темы машинного обучения, но качество обучения в учебном заведении может страдать в силу малого количества опыта в вопросе проведения подобного рода тестирования. В силу данного обстоятельства студенты в поисках материала для подготовки обращаются к помощи интернет ресурсов, но с ужасом обнаруживают, что информация не такая структуризированная, как было бы удобно экзаменуемым.
В настоящее время разработано уже достаточно много разнообразных программ, позволяющих работать с футбольными данными, так что, с одной стороны, сложно быть особым инноватором в этой области, с другой, труднопрогнозируемость футбольных результатов и развитие как аналитики в целом, так и машинного обучения в частности, открывает перед разработчиком дверь к большому простору для исследований и экспериментов.
Это в общем-то первая статья на хабре, пробная и экспериментальная. Цель статьи изложить процесс создания темплейта под разработку для ROS (Robot Operating System) внутри контейнера и сделать это в шутливой манере. Дальше бога нет
"Портрет, сделанный нейросетью" - все чаще читаем в новостной ленте, и каждый хотел бы сделать себе подобный, но удобные сервисы, просящие монету, или желание разбираться самому, отталкивают. Не нужно ничего скачивать. Час времени и каждый сможет сделать себе аватарку! Читать далее
Сегодня хочу рассказать про то, как за кулисами устроена работа моего мини-проекта по ведению задач autofocus. В предыдущей заметке я рассказал про принципы, лежащие в основе метода Автофокуса. А тут будет скорее набор ключевых слов с короткими описаниями того, что и как связано между собой. Конкретная реализация будет.
Решение в облаке — фактически стандарт. Есть данные, чувствительные к сетевой передаче. Конфиденциальные, персональные, секретные наконец. Где храниться, как передаются, где обрабатываются — важные "нюансы". Храните персональные данные в облаке? Делали мы тут крошечную медицинскую ИС (МИС) у себя, аккурат с нюансами передачи по сети персональных данных. Как оно вышло излагаем ниже.
А теперь о том, что происходило в последнее время на других ресурсах.
Собраны свежие и полезные начинающему питонисту материалы. Тут и roadmap для общей ориентации в технологиях, подборка крутых бесплатных курсов со степика по питону, и ссылки на классические лекции на youtube. Одним питоном дело не ограничивается, поэтому тут SQL, git, docker, ресурсы с задачами, вводный курс по computer science от Гарварда, гайд по pytest. Не забыты и фундаментальные учебники Лутца и Лучано.
Библиотека работы с базами данных. Изменения описаны по ссылке https://pypi.org/project/sqlalchemy/1.4.45/. Скачать можно по ссылке: http://pypi.python.org/pypi/SQLAlchemy/
Давайте рассмотрим, как использовать линейную алгебру и тензорные операции, чтобы создать всем известную игру.
Инструментарий для проработки приложения в виде Polytith архитектуры https://polylith.gitbook.io/polylith/. Это представление приложения как кубиков Lego, которые можно комбинировать по разному.
Библиотека и утилита для генерации .pex (Python EXecutable) файлов. Изменения описаны по ссылке https://pypi.org/project/pex/2.1.118/. Скачать можно по ссылке: https://pypi.python.org/pypi/pex/