Deep Learning: статьи и вопросы

Материалы сайта с тегом Deep Learning: статьи, разборы и ответы на вопросы разработчиков. Всего: 117.

• История нейронных сетей - Часть 02
• Последние исследования фильтров Калмана, часть 7
• Последние обновления автокодировщиков в масках 2023, часть 4
• Распознавание жестов с использованием глубокого обучения
• "Идите полным ходом вперед: использование сегментации экземпляра YOLOv8 для раскрытия потенциала ваших данных"
• 5 лучших онлайн-курсов Scikit-Learn по машинному обучению и науке о данных в 2023 году
• Не позволяйте плохим данным стать криптонитом вашей системы восприятия
• Наш собственный грандиозный вызов
• Рекомендателей на подъеме
• Адаптация домена - ML для нескольких наборов данных
• Обнаружение сарказма с помощью НЛП и машинного обучения
• "Раскройте тайну мгновенного расчета условных вероятностей с легкостью из любого...
• Новые методы в геометрическом глубоком обучении, часть 2 (машинное обучение)
• Наборы данных классификации большого текста
• Передача стиля изображения от Pytorch
• Прогнозирование запасов и прогнозирование с использованием LSTM (долговременная кратковременная память)
• Как работает сжатие с потерями часть 1
• Линейная регрессия
• Применение алгоритма YOLO часть 1 (машинное обучение)
• НЛП в здравоохранении. Тенденции и вызовы в 2022 г.
• Млоп/с? что означает этот термин!
• 4 важные вещи, которые нужно знать о GPT-4
• Инжиниринг данных с Python: чтение и запись файлов
• Документы для чтения по многослойным персептронам (модель глубокого обучения)
• Следите за этими 5 великими создателями машинного обучения в Твиттере
• На Маркете появилась самая долгожданная специализация MLOps
• Работа с методами условного градиента, часть 1 (машинное обучение)
• "От новичка до LLM: всестороннее руководство по достижению экспертизы"
• Сейчас в продаже: бесплатные графические процессоры
• Стандартное отклонение мини-серии
• Современные рекомендательные системы с нейронными сетями
• Тенденции экспоненциального роста глубокого обучения
• Основы классификации изображений с помощью Keras
• Исследование репрезентативного обучения (будущее ИИ)
• BOOTSTRAPPING ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА РЕКОМЕНДАЦИЙ
• Сравнение глубокого обучения и машинного обучения с упором на углубленное изучение
• Машинное обучение для прогнозирования оценки сделки с использованием настроений по электронной почте
• Глубокое обучение для классификации изображений медведя с использованием PyTorch, Fastai и API DuckDuckGo
• Почему нейронные сети не будут работать, если веса инициализированы равными 0 и работают в линейной модели/регрессии?
• Эволюция нейронных сетей: вызовы и триумфы до и после 2010 г.
• Работа с вероятностными циклами, часть 1 (машинное обучение)
• Классификация изображений с использованием обучения за несколько выстрелов
• Учебный курс по продвинутому искусственному интеллекту - Часть 8b - Введение в ИИ Внимание
• Что такое глубокий поиск? Преимущества "глубокого поиска как услуги".
• Как лучше всего изучить искусственный интеллект для начинающих? [Часть 2]
• Научные статьи о разработках в области линейной алгебры для искусственного интеллекта, часть 1
• Выполнение базовых задач по обработке данных, машинному обучению и искусственному интеллекту в Google Cloud線上課程
• Воскресный брифинг D4S №187
• День 2-4 #66DaysOfData
• Варианты использования обратной части Мура-Пенроуза 1 (машинное обучение)
• Тренинг Ai+ Live Data Science пройдет в июне этого года
• Обнаружение вредоносных программ и искусственные нейронные сети
• Глоссарий глубокого обучения: функция активации
• БЫСТРОЕ ПУТЕШЕСТВИЕ С ИИ: КУРС V3. ЧАСТЬ 1. УРОК 1.
• Еженедельная статья по глубокому обучению: что такое нейронная сеть?
• Новый подход к преобразованию текста в SQL: подход с двумя преобразователями
• КАК СДЕЛАТЬ РАСПОЗНАВАНИЕ ЛИЦ ИСПОЛЬЗОВАНИЕМ KNN - С ИСХОДНЫМ КОДОМ - ИНТЕРЕСНЫЙ ПРОЕКТ
• Анализ настроений в Twitter
• DeepMind и Toulouse U предлагают составные функции, сохраняющие преобразования, для повышения...
• Классификация медведя: от сбора данных до графического интерфейса для вывода модели
• 9 лучших моделей оценки позы 2022 года
• Конвейер НЛП
• Мы нанимаем разработчиков глубокого обучения - Zemana
• 🥑Выбор между Python и JavaScript для веб-разработки
• 7 функций PyTorch для вашего следующего проекта машинного обучения
• Демистификация метрик и оценки в машинном обучении
• Как программист-самоучка научился машинному обучению за 10 недель
• Об отличительных свойствах универсальных возмущений ... Объяснение
• Часть 4. Развертывание модели для рентгенодиагностики в производстве
• Обнаружение ключевых точек лица
• Объяснение статей 35: XLNet
• Глубокое изучение не очень глубокой нейронной сети. Часть 3b: выбор оптимизатора
• Воскресный брифинг D4S № 42
• Почему вам следует изучать линейную алгебру ?
• Теоретик логики: новаторский подход к искусственному интеллекту посредством логических открытий
• Понимание концепции максимизации ожиданий (искусственный интеллект)
• Как глубокое обучение меняет облик образования
• Состояние контролируемого контрастного обучения, часть 1 (искусственный интеллект)
• Улучшение фотографий с помощью глубокого обучения. Часть 2: данные
• Полное руководство по компьютерному зрению для начинающих в 2023 году
• Становимся зелеными, перерабатывая прогнозы!
• Что такое "Изучение словаря" на самом деле?
• Понимание алгоритма оптимизации AdaGrad: адаптивный подход к скорости обучения
• Бонсай говорит об объяснимости глубокого обучения на встрече SF
• Понимание структурного обучения
• Описание проекта роботизированного вывода
• 3Blue1Brown: нейронные сети
• Важность правильной инициализации веса в нейронных сетях для задач глубокого обучения
• Глава 8. Состязательная дискриминационная адаптация домена (ADDA): поиск семантического выравнивания
• Реализация рекуррентной нейронной сети
• Новые разработки в исследованиях, связанных с гауссовскими процессами (статистика + искусственный интеллект)
• Как я строю свёрточную нейронную сеть с использованием библиотеки NO (DEMO)
• CLIP OpenAI в производстве
• Применение коллекторов в машинном обучении и глубоком обучении (искусственный интеллект +...
• Приложения распознавания текста сцены, часть 3 (искусственный интеллект)
• Универсально действительные шаблоны: еще раз для Deep Learners, которые ценят доказательства
• Как езда на велосипеде может улучшить ваше машинное обучение!!!
• Анализ настроений в наборе данных US Twitter Airlines: подход глубокого обучения
• Подробное объяснение эволюции сетей классификации изображений
• Компьютерное зрение нового поколения: AWS DeepLens
• VGG16-19 - самые эффективные модели ConvNet в компьютерном зрении.
• EDN-GTM: Сеть кодера-декодера с управляемой картой передачи для устранения дымки одиночного изображения
• Зашифруйте машинное обучение
• Как построить сквозные рабочие процессы глубокого обучения с помощью Spark, Defined и Delta Lake
• DLPreq#01 NumPy 101.01
• На что следует обратить внимание при развертывании Pytorch в Python через Rest API в Flask
• Что такое горячее кодирование и как это сделать?
• Представляем мультимодальную библиотеку предварительной обработки Solaris
• Сочетание глубокого обучения и компьютерного зрения для распознавания штрих-кодов
• Операции свертки и обработка изображений
• Плата Google Coral Edge TPU и плата NVIDIA Jetson Nano Dev - Сравнение оборудования
• Мы запускаем программу обзора проекта машинного обучения
• Глубокая охота - выпуск №13
• Прогнозирование кликов по объявлению (решение с рейтингом 26)
• Где взять данные изображения?
• Раскрашивание манги с помощью нейронных сетей (P1)
• Как загрузить обученную модель кафе в формате h5 в c++ caffe net?