Deep Learning в вычислении оптического потока

Хорошее замечание, подход с пирамидами действительно довольно общий и успешно применяется в том числе в object detection, например — towardsdatascience.com/review-fpn-feature-pyramid-network-object-detection-262fc7482610

Великолепная пятерка: must have инструменты для ускорения разработки

Если вы пишите перевод, то лучше оформлять не публикацию, а именно «Перевод», чтобы не вводить читателей в заблуждение и выполнять правила хабра.

Топ-10 инструментов Python для машинного обучения и data-science

Включили устаревший Theano, официальную поддержку которого разработчики уже прекратили и не включили ни Tf ни PyTorch, которыми сейчас все пользуются. Да ребята шарят!

А вы еще не платите премию за вовремя сделанные проекты?

И да, у нас в компании премия — просто ежемесячная надбавка к з.п., варьирующаяся от 0 до 255% (видимо чтобы ровно в один байт влезала).

А вы еще не платите премию за вовремя сделанные проекты?

Пока одни жалуются на нерегулярную/необоснованную премию, у других она составляет большую часть з.п., которая в случае чего угодно может быть не выдана (такой вот инструмент держания сотрудников в повиновении). В целом, все это, на мой взгляд — пустая суета, ведь в работе намного более важную роль играют интересные проекты, адекватные коллеги и начальство, стабильность. И слишком мало где все это есть, чтобы так беспокоиться по поводу такого второстепенного вопроса, как премирование.

Физтех запускает онлайн-курсы по высшей математике для подготовки к поступлению в магистратуру

Нет, ну это решительно кстати — как раз собираюсь испытать удачу в поступлении в МФТИ/ВШЭ на анализ данных в ближайшие годы. Большой поклон создателям курсов!

Краткий курс машинного обучения или как создать нейронную сеть для решения скоринг задачи

Действительно очень хорошо написанная статья (читается легко, прям почти научно-популярно все изложено). Было интересно почитать, даже несмотря на то, что уже почти полгода как работаю в области ML) Позанудствую и внесу пару замечаний. Совсем не рассказали про задачу регрессии, хотя довольно подробно описанные нейронки способны вполне эту задачу решать. В разделе про тестирование обученной модели все-таки славно было бы обмолвиться о кросс-валидации, очень уж важная штука, согласитесь, данные далеко не всегда идеальны (на самом деле никогда) и можно так тестовую выборку выделить, что показанному качеству верить и не особо можно. Рисунок 1 довольно интересный, хотя и несколько спорный. Так, например, я не уверен, что можно МНК ставить в ряд с моделями ML, все-таки довольно по-разному его можно применять и вообще это довольно общий математический метод. Занудство кончилось)
Будет интересно увидеть от Вас еще статьи по теме, например, углубленные. Даже подпишусь, чтобы вдруг не пропустить.

Как понять, что ваша предсказательная модель бесполезна

Бывает весело, когда заказчику охота «крутую нейронную сеть» для специфичной задачи, но убедить его потратиться на сбор данных можно, только предоставив работающий прототип (создание которого невозможно без сбора данных (сбор которых невозможен без работающего прототипа (...))).

Мемоизация и каррирование (Python)

Хотел пошутить по поводу факториала и фибоначчи, но господа выше уже успели. В остальном интересно, примеры весьма наглядные, хоть и игрушечные.

Призрак локомотива или биржевой рынок через призму корреляций

Ответ, думаю, прост: автор совершенно не озабочен чистотой кода, а про PEP-8, видимо, вообще не слышал, отсюда и такие нечитаемые конструкции. Хотя в остальном статья интересная.

Яндекс открывает технологию машинного обучения CatBoost

Как-то мягко говоря недостаточно признаков для предсказания дохода. Бездомный Василий может читать по вечерам Достоевского, и я могу, Абрамович тоже, а уровень доходов у нас троих совсем разный, и тут не в Достоевском дело. Но если если представить, что это чисто учебная задача, то можно, например, взять за признаки не книги, а темы, которых в них затрагиваются, тогда это будет как раз категориальным признаком, с которым, как утверждается в статье, catboost хорошо справляется.

Использование нейронных сетей для распознавания рукописных цифр Часть 1

Тема хорошая, но ввиду взлета популярности ML и огромного количества доступного материала на эту тему, все-таки ждешь чего-то более интересного и свежего, чем сухая теория из середины прошлого века. Плюсом, здесь же, на Хабре, уже имеется немало всего по нейросетям, от Яндекса, например.

Машинное обучение для страховой компании: Исследуем алгоритмы

Очень интересно, по-видимому, методы машинного обучения уже в полной мере дополняют, а-то и вытесняют все, что ранее звалось статистикой. Вот и в одноименном программном пакете теперь есть инструменты для конструирования и обучения нейронных сетей (имею ввиду пакет «Statistica»).

Законы и проекты, которые изменят лицо российского IT. Часть II

Криптовалюты запретить, эксперименты в big data под контроль поставить, да прям антипопуляризатор науки.

Законы и проекты, которые изменят лицо российского IT. Часть II

Есть ощущение, что через некоторое время, когда «бум» пройдет и содержание домашних биткоин-ферм окажется нецелесообразным, эти видеочипы можно будет с рук чуть ли не на развес покупать…

Законы и проекты, которые изменят лицо российского IT. Часть II

В нашем городе, ввиду увеличения популярности майнинговской идеи «денег из воздуха» (ну или уж из кристалла, GPU), с полок пропали все до одной видеокарты семейства GTX (да и вообще почти все Nvidia). И это прямо перед дипломным проектом по deep-learning, когда она самая очень была бы кстати…