Pygest #15. Релизы, статьи, интересные проекты из мира Python [01 августа 2017 — 14 августа 2017]

Автор: admin от 14-08-2017, 10:25, посмотрело: 448

Pygest #15. Релизы, статьи, интересные проекты из мира Python [01 августа 2017 — 14 августа 2017] Всем привет! Это уже пятнадцатый выпуск дайджеста на Хабрахабр о новостях из мира Python.



В сегодняшнем выпуске вы найдёте интересные материалы, касающиеся Django, машинного обучения, алгоритмов, внутреннего устройства Python и многого другого. Присылайте свои актуальные материалы, а также любые замечания и предложения, которые будут добавлены в ближайший дайджест.



А теперь к делу!
Перейти к дайджесту

Категория: Программирование / Веб-разработка

 

Neural conversational models: как научить нейронную сеть светской беседе. Лекция в Яндексе

Автор: admin от 22-07-2017, 17:00, посмотрело: 348

Хороший виртуальный ассистент должен не только решать задачи пользователя, но и разумно отвечать на вопрос «Как дела?». Реплик без явной цели очень много, и заготовить ответ на каждую проблематично. Neural Conversational Models — сравнительно новый способ создания диалоговых систем для свободного общения. Его основа — сети, обученные на больших корпусах диалогов из интернета. Борис hr0nix Янгель рассказывает, чем хороши такие модели и как их нужно строить.





Под катом — расшифровка и основная часть слайдов.


->

Категория: Компании / Яндекс

 

Pygest #13. Релизы, статьи, интересные проекты из мира Python [04 июля 2017 — 17 июля 2017]

Автор: admin от 17-07-2017, 13:05, посмотрело: 337

Pygest #13. Релизы, статьи, интересные проекты из мира Python [04 июля 2017 — 17 июля 2017] Всем привет! Это уже тринадцатый выпуск дайджеста на Хабрахабр о новостях из мира Python.



В сегодняшнем выпуске вы найдёте интересные материалы, касающиеся оптимизации Python, его внутренностей, Django, машинного обучения и многого другого. Присылайте свои актуальные материалы, а также любые замечания и предложения, которые будут добавлены в ближайший дайджест.



А теперь к делу!
Перейти к дайджесту

Категория: Программирование / Веб-разработка

 

AWS DeepLearning AMI — почему (и как) его стоит использовать

Автор: admin от 15-07-2017, 11:35, посмотрело: 315

Иногда хорошие вещи приходят бесплатно ...



Что такое AMI?



Для тех из вас, кто не знает, что такое AMI, позвольте мне процитировать официальную документацию по этому вопросу:



Amazon Machine Image (AMI) предоставляет данные, необходимые для запуска экземпляра виртуального сервера в облаке. Вы настраиваете AMI при запуске экземпляра, и вы можете запустить столько экземпляров из AMI, сколько вам нужно. Вы также можете запускать экземпляры виртуальных машин из множества различных AMI, сколько вам нужно.

Этого должно быть достаточно, чтобы понять остальную часть статьи, однако я бы посоветовал потратить некоторое время на официальную документацию об AMI.

Идем далее...

Категория: Программирование

 

Делаем сервис по распознаванию изображений с помощью TensorFlow Serving

Автор: admin от 14-07-2017, 15:20, посмотрело: 743

Делаем сервис по распознаванию изображений с помощью TensorFlow Serving

Всегда наступает то самое время, когда обученную модель нужно выпускать в production. Для этого часто приходится писать велосипеды в виде оберток библиотек машинного обучения. Но если Ваша модель реализована на Tensorflow, то у меня для Вас хорошая новость — велосипед писать не придется, т.к. можно использовать Tensorflow Serving.



В данной статье мы рассмотрим как использовать Tensorflow Serving для быстрого создания производительного сервиса по распознаванию изображений.

->

Категория: Программирование

 

Создание chatbot-a с помощью sockeye (MXNet) на базе AWS EC2 и AWS DeepLearning AMI

Автор: admin от 10-07-2017, 08:25, посмотрело: 321

Создание chatbot-a с помощью sockeye (MXNet) на базе AWS EC2 и AWS DeepLearning AMI

Недавно, команда AWSDeepLearning выпустила новый фреймворк — “sockeye”, цель которого является упрощение обучения seq2seq сетей. Забегая вперед — я даже не ожидал такой простоты. Так что решил написать простое, быстрое и самодостаточное руководство, которое не требует от читателя глубоких знаний в области нейронных сетей. Единственное, что все же требуется для успешного выполнения всех шагов, это иметь некоторый опыт работы с:




  • AWS EC2;

  • SSH;

  • python;



Если все эти три вещи не вызывают проблем — прошу под кат.
->

Категория: Программирование

 

Отжиг и вымораживание: две свежие идеи, как ускорить обучение глубоких сетей

Автор: admin от 6-07-2017, 14:05, посмотрело: 516

Отжиг и вымораживание: две свежие идеи, как ускорить обучение глубоких сетей


В этом посте изложены две недавно опубликованные идеи, как ускорить процесс обучения глубоких нейронных сетей при увеличении точности предсказания. Предложенные (разными авторами) способы ортогональны друг другу, и могут использоваться совместно и по отдельности. Предложенные здесь способы просты для понимания и реализации. Собственно, ссылки на оригиналы публикаций:


  • Snapshot ensembles (апрель 2017)

  • FreezeOut (июнь 2017)


->

Категория: Программирование

 

Dropout — метод решения проблемы переобучения в нейронных сетях

Автор: admin от 14-06-2017, 15:00, посмотрело: 532

Dropout — метод решения проблемы переобучения в нейронных сетях

Переобучение (overfitting) — одна из проблем глубоких нейронных сетей (Deep Neural Networks, DNN), состоящая в следующем: модель хорошо объясняет только примеры из обучающей выборки, адаптируясь к обучающим примерам, вместо того чтобы учиться классифицировать примеры, не участвовавшие в обучении (теряя способность к обобщению). За последние годы было предложено множество решений проблемы переобучения, но одно из них превзошло все остальные, благодаря своей простоте и прекрасным практическим результатам; это решение — Dropout (в русскоязычных источниках — “метод прореживания”, “метод исключения” или просто “дропаут”).

Категория: Программирование

 

Обзор исследований в области глубокого обучения: обработка естественных языков

Автор: admin от 5-06-2017, 21:30, посмотрело: 503

Обзор исследований в области глубокого обучения: обработка естественных языков

Это третья статья из серии “Обзор исследований в области глубокого обучения” (Deep Learning Research Review) студента Калифорнийского университета в Лос-Анджелесе Адита Дешпанда (Adit Deshpande). Каждые две недели Адит публикует обзор и толкование исследований в определенной области глубинного обучения. В этот раз он сосредоточил свое внимание на применении глубокого обучения для обработки текстов на естественном языке.

Категория: Программирование

 

Intel открывает доступ к clDNN [высокопроизводительной библиотеке для глубокого обучения]

Автор: admin от 26-05-2017, 00:20, посмотрело: 438

Официальный репозиторий проекта был запущен буквально пару дней назад. Расскажем немного подробнее об этой новости и приведем полезные источники по теме.

Intel открывает доступ к clDNN [высокопроизводительной библиотеке для глубокого обучения]

Категория: Программирование

 
Назад Вперед