Tensor Train - Value Iteration (Alexey Boyko)
Approximate Dynamic Programming with Tensor Train Decomposition ———————————————————————————————— Reinforcement ...
Reinforcement Learning Reading Group
Разбор регионального этапа ВОШ по информатике 2018-2019 г.
Тинькофф
Кафедры ФПМИ | Кафедра концептуального анализа и проектирования (КАиП, НП ЦИВТ КОНЦЕПТ)
Перезентация кафедры концептуального анализа и проектирования в рамках презентаций базовых кафедр ФПМИ МФТИ, под названием ...
ФПМИ МФТИ
Частотная диаграмма в Канбан Как отвечать на вопрос “Когда”, Артём Расскосов, Skyeng
Burning Lead
decomposition 2018 07 23
Igor Blinov
ММХ. Модуль 6. Часть 2. Метод главных компонент (PCA). SIMCA
Курс математические методы в химии. Модуль 6. Часть 2. Метод главных компонент (PCA, МГК). SIMCA Плейлист: ...
Антон Лебедев
Алгоритм Штрассена
Алгоритм Штрассена для умножения квадратных матриц быстрее, чем O(n^3)
Кафедра БИС
Почему Шалыто прав насчёт открытых спецификаций?
http://0x1.tv/20180126B Почему Шалыто прав насчёт открытых спецификаций? (Николай Непейвода, OSEDUCONF-2018) * Николай Непейвода ...
Stas Fomin
Lexema. Новые цифровые компетенции: Понижение размерности выборки методом SVD разложения
В этом уроке рассматривается понижение размерности данных на примере сжатия изображения методом SVD разложения матрицы.
Lexema
Артем Чернодуб, Clikque Technology, iForum-2017
Доклад: Практический ИИ: какие задачи реально решать с помощью технологий искусственного интеллекта Поток: Интернет-технологии.
iforum ua
[DeepBayes] День 1, лекция 1. Евгений Соколов. Обзор нейросетевых архитектур
ФКН ВШЭ
Dzianis Pirshtuk (InData Labs) - Practical machine learning: rational approach
SPACE
BIG DATA #11: Игорь Бобак, “Обзор Spark MLLib”
В докладе будет рассказано о том, что из себя представляют задачи машинного обучения и сделан обзор алгоритмов, моделей и подходов, ...
Belarus Big Data
006. Порождение и выбор моделей машинного обучения — Вадим Стрижов
Компьютерные науки
Лекция 2 | Параллельные вычисления | Алексей Ивахненко | Лекториум
Лекция 2 | Курс: Параллельные вычисления с использованием стандартов MPI, OpenMP, OpenACC | Лектор: Алексей Ивахненко | Организатор: CSClub ...
Лекториум
Талипов Руслан, Ridero "ДЕЛАЕМ ТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В 2017"
Василий Айтипиплов
Adv RL: Multi-Agent RL (Sergei Sviridov)
Говорим об основных направлениях в мультиагентном обучении с подкреплением, в частности фокус направлен на обучение в POMDP средах.
Reinforcement Learning Reading Group
12. Автоэнкодеры. Сжать, шум подавить и сгенерировать
Проклятие размерности - Отбор признаков, снижение размерности - Автоэнкодер - Разреженный автоэнкодер - Шумоподавляющий автоэнкодер ...
Gomel Data Science Community
Конушин А. С. - Компьютерное зрение - Классификация и поиск похожих изображений
0:00:10 1. Классификация изображений и атрибуты объектов 0:08:16 2. Задача классификации изображений. Создание коллекций 0:27:04 3. Признаки ...
teach-in
Видеоурок CADFEM VL1306 - Обзор возможностей ANSYS HFSS для анализа антенных решёток ч.1
Видеоурок VL1306/1. Первая часть вебинара с обзором возможностей ANSYS HFSS R15 с привлечением технологией DDM к анализу антенных ...
CADFEM CIS
[ML+Physics]: Interpretable & Tractable Machine Learning for Natural and Engineering Sciences
Михаил Чертков, University of Arizona.
ФКН ВШЭ
Вебинар на тему "Увлекательное путешествие в страну динамического программирования"
Увлекательное путешествие в страну динамического программирования – от работы в Microsoft и Intel до выбора лучшей невесты и игры на бирже ...
ITVDN
011. Байесовская теория классификации. Логическая регрессия. Восстановление смеси плотностей
Курс "Машинное обучение" является одним из основных курсов Школы, поэтому он является обязательным для всех студентов ШАД. Лектор: ...
Компьютерные науки
Научно-популярная лекция от Евгения Некрасова
Спикер: Евгений Некрасов, студент второго курса, специализируется в области искусственного интеллекта и классификации данных.
FEFU.TV
Хачай М.Ю. "Аппроксимируемость задачи маршрутизации и близких задач"
Optimization and Statistics in MIPT
Тензоры и глубокое обучение | Иван Оселедец | Лекториум
Тензоры и глубокое обучение | Конференция: Машинное обучение и анализ алгоритмов| Лектор: Иван Оселедец | Организатор: CSClub Смотрите это ...
Лекториум
7. Распределенная обработка миллионов документов на Scala и Akka.
Распределенная обработка миллионов документов на Scala и Akka. Степан Каменцев, Naumen.
Василий Айтипиплов
Секция BIG DATA: Обучение векторных репрезентаций
Дмитрий Никитко расскажет, зачем нужны векторные репрезентации сущностей, как их получить и эффективно использовать для решения ...
EPAM Russia
Введение в обработку естественного языка | AI Community | 30.01.2020
На этом занятии рассматриваются задачи и методы обработки текста, а также способы извлечения признаков из текста. 00:01:13 - План занятия ...
EORA Company
Илья Сиганов - Зачем обучать машины?
Ссылка на презентацию: https://www.slideshare.net/OmskIT/2017-0506-75886155 Вы наверное наслышаны об успехах так называемого машинного ...
Omsk IT
Обмен опытом в программировании Final
Skillbox Программирование
Лекция 4 | Машинное обучение и рекомендательные системы | Евгений Соколов | Лекториум
Лекция 4 | Курс: Машинное обучение и рекомендательные системы | Лектор: Евгений Соколов | Организатор: CSClub Смотрите это видео на ...
Лекториум
Глубокие интерпретируемые модели структура свойства в контроле качества топлива
Живая встреча AI разработчиков 31 марта 2019. Спикер: Юрий Посохов (руководитель направления разработки промышленных систем искусственного ...
Нейронные сети
Обзор возможностей ANSYS HFSS R15 с технологией DDM. Часть 2
Вторая часть вебинара с демонстрацией возможностей ANSYS HFSS R15 с привлечением технологией DDM к анализу антенных решеток конечных ...
Denis Khitrykh
Лекция 11. Калибровка классификаторов. (Анализ данных на Python в примерах и задачах. Ч2)
https://compscicenter.ru/ Особенности применения SVD разложения (Singular Value Decomposition) для данных с большим числом пропусков. Калибровка ...
Computer Science Center
BigData и машинное обучение для e-commerce и не только (вебинар)
BigData и машинное обучение показывают высокий рост популярности: с их помощью можно увеличить конверсию и прибыль проекта в несколько раз.
1С-Битрикс. Для бизнеса
Лекция 9. Ранжирование с помощью семантических методов и анализа ссылок
Ранжирование с помощью семантических методов: – Латентно-семантический анализ (LSA/LSI) – Тематические модели (pLSA, LDA) ...
Computer Science Center
Лекция 4. Преобразование признаков
Группа ВК: https://vk.com/data_mining_in_action Репозиторий курса на гитхабе: https://github.com/vkantor/MIPT_Data_Mining_In_Action_2016 Слайды ...
Data Mining in Action
Информационный поиск. Поведенческое и ссылочное ранжирование
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова. Курс "Современные методы и средства построения систем информационного поиска". Лекция ...
Технострим Mail.Ru Group
Рекурсия, рекуррентные соотношения, рекурсивные алгоритмы
Опять рекурсия (на С и Python). Занятие 18_п часть 2.
Irina Vorobyeva
Поиск и DataMining | Наука онлайн
МИЭТ
DZ Online. TECH. ABBYY. Как не запутаться в нейронных сетях?
13-07-2018 13:00 Изучение и применение искусственного интеллекта. Тренды, проблемы, теории и прорывы в области AI Ведущий: Дмитрий ...
Mediametrics Live
