Существует множество способов создания рекомендательных систем. Рекомендательная система – популярный тип задач машинного обучения. Для данной задачи мы […]
NVIDIA GC ViT: новая архитектура нейросети
Vision Transformer (ViT) стала одной из самых передовых архитектур для решения задач компьютерного зрения (CV) в современных архитектурах […]
Прогнозирование чаевых официантам
Чаевые официантам за подачу блюд зависят от многих факторов, таких как тип ресторана, количество посетителей, на какую сумму […]
Архитектура модели Wikinet. Игра по гиперссылкам
Попытка объединить способность рекуррентной нейронной сети (RNN)
Зачем взламывают ИИ, термоткань из кальмара?
В этом выпуске вы узнаете об увлекательных изобретениях и исследованиях этой недели. Актуальные научные публикации, которые будоражат воображение […]
Кластеризация музыкальных жанров в Spotify
Как Spotify рекомендует музыку? Как Яндекс узнает наши предпочтения в песнях? В этом видео мы выясним как строятся рекомендательные системы и рассмотрим одну из основных задач машинного обучения – кластеризация на примере данных музыкальных жанров популярного сервиса Spotify. Используем алгоритм K-means и набор данных из Kaggle.
Геометрические интерпретации глубокого обучения
Геометрическое глубокое обучение (Geometric Deep Learning) – это попытка свести к геометрическому обоснованию широкий класс ML задач с точки зрения симметрии и инвариантности.
Тайна постоянно растущего числа функций активации
Google в 2017 году заявила, что они провели исчерпывающее исследование и нашли эффективный вариант или сигмоиду под названием Swish.
Распознавание лиц для умного дома
Впусти Мстителей в свой дом! Рассмотрим как разрабатываются модели глубокого обучения для задач распознавания лиц на примере Мстителей
Предсказание мошеннических транзакций используя деревья решений
Чтобы выявить мошенников, нам необходимо обучить модель машинного обучения для классификации мошеннических и немошеннических платежей. Для этого нам […]