AI & ML дайджест #17: курси за ML & DL, огляд популярних GAN архітектур, AI бот для дитини

За вікном карантин, і багато хто зараз намагаються придумати рішення для допомоги в боротьбі з COVID-19. Ми в VITEch Lab Healthcare також працюємо в цьому напрямку, і я планую з першими нашими рішеннями познайомити вас на сторінках DOU найближчим часом. А поки пропоную свіжу добірку найцікавіших матеріалів, яка допоможе урізноманітнити вашу самоізоляцію.

Курси

Machine Learning Course — один з кращих базових курсів, який веде Andrew Ng.

Machine Learning — курс від Columbia University на платформі edX.

Deep Learning Specialization — спеціалізація, яка включає в себе 5 курсів для повного занурення в Deep Learning від deeplearning.ai.

Practical Deep Learning — відмінний курс по Deep Learning, спрямований на отримання практичного досвіду від fast.ai.

MLcourse.ai — відкритий курс ODS.ai , спільноти за машинного навчання.

DLcourse.ai — відкритий російськомовний курс по нейронних мереж і глибоке навчання.

Статті

Image segmentation in 2020: Architectures, Losses, Datasets, and Frameworks — у статті зроблено огляд популярних архітектур сегментації зображень, розповідається про функцію втрати, а також популярні датасеты і фреймворки.

6 GAN Architectures You Should Really Know — у цій статті ви познайомитеся з деякими з найпопулярніших GAN архітектур: CycleGAN, StyleGAN, pixelRNN, text-2-image, DiscoGAN, lsGAN.

Agent57: Outperforming the human Atari benchmark — про агента, який грає в ігри Atari краще людини.

An Illustrated Guide to Graph Neural Networks — стаття про основних інститутах і механізмах графічних нейронних мереж.

AI for 3D Generative Design — про генерації 3D-моделей на основі опису на природній мові.

A visual debugger for Jupyter — про те, як влаштований дебагер в Jupyter та його можливості.

How to Get Beautiful Results with Neural Style Transfer — стаття про те, як працює Neural Style Transfer.

Grad-CAM: Visualize class activation maps with Keras, TensorFlow, and Deep Learning — у цьому керівництві ви дізнаєтеся, як візуалізувати карти активації класів для налагодження нейронних мереж, використовуючи алгоритм Grad-CAM.

Building a Bot That Plays Videos for My Toddler — про створення бота, на якого можна залишити дитину, щоб він грався з ним :)

Наукові статті

Щодня в каналі #article_essence Slack-чату Open Data Science спільноти обговорюються різні наукові статті. Хто ще не приєднався до нашої спільноти, запрошую зробити це, а поки пропоную свіжу добірку з каналу.

Improved Techniques for Training Single-Image GANs — про покращену архітектуру SinGAN під назвою ConSinGAN, яка дозволяє створювати генератори з усього лише одного зображення, щоб вирішувати завдання генерації зображення різних дозволів і форми, inpainting.

Cycle Text-To-Image GAN with BERT — про рішення завдання text-to-image з допомогою Cycle loss і фичей з BERT.

TResNet: High Performance GPU-Dedicated Architecture — інженерна стаття про те, як за допомогою модифікацій архітектури і оптимізації продуктивності досягти високої якості, не втрачаючи швидкості.

First Order Motion Model for Image Animation — про архітектуру, яка дозволяє анімувати зображення, тільки використовуючи source зображення і motion target відео без додаткового навчання (за умови, що модель навчалася на схожому домені).

GAN Compression: Efficient Architectures for Interactive Conditional GANs — у статті автори розповідають про свій новий метод для стиснення conditional GAN-ів. Більшість генераторів в таких моделях дуже важкі, що не дозволяє використовувати їх в реальному часі. Вони змогли сильно стиснути їх без особливої осідання якості з допомогою дистиляції і NAS.

AutoML-Zero: Evolving Machine Learning Algorithms From Scratch — ресерчеры гугла зробили наступний крок у задачі AutoML — визначили простір пошуку так, що може бути знайдена не тільки архітектура, але і сам ML — алгоритм: градієнтний спуск, релу, нормалізація градієнтів, усереднення ваг, регуляризації і тп — використовуючи базові математичні операції як будівельні блоки.

Відео

3D Modeling Shapes by Reinforcement Learning

ggplot2 workshop part 1

ggplot2 workshop part 2

Interview with Sergey Kolesnikov | Catalyst: PyTorch Framework for DL & RL | Open Source, Soft. Engg

Machine Learning That Works: Interview with Pawel Godula

Connecting physics and deep learning to generalize medical image analysis tasks

Спасибі, що дочитали цей випуск. Сподіваюся, кожен знайшов для себе щось корисне. Буду вдячний за будь-які пропозиції для наступного дайджесту.

Будьте здорові і залишайтеся вдома!

Приєднуйтесь до Telegram-каналу дайджесту і його сторінках у соцмережах: Medium , Facebook , , LinkedIn .

? Попередній випуск: AI & ML дайджест #16

Опубліковано: 04/04/20 @ 07:00
Розділ Різне

SEO Блог