◢ #ainews ◣ Piąte już z kolei zestawienie. Powoli się rozkręcamy! Zap... (@bp-lukasz)

◢ #ainews ◣
Piąte już z kolei zestawienie. Powoli się rozkręcamy! Zapraszam do plusowania i obserwowania tagu

1. Dive into Deep Learning
https://d2l.ai/index.html
INFO: Chyba najlepsza na świecie książka dotycząca głębokiego uczenia maszynowego. Materiał jest baaardzo obszerny i kompleksowo opisuje wszystkie zagadnienia z tego obszaru. Dodatkowo cały kod jest dostępny w 3 różnych wersjach dla 3 najpopularniejszych bibliotek ML w Pythonie. A to wszystko za DARMO w postaci takiej interaktywnej dokumentacji

2. Deep Convolutional Q-Learning
https://vmayoral.github.io/robots,/ai,/deep/learning,/rl,/reinforcement/learning/2016/08/07/deep-convolutional-q-learning/
INFO: Konwolucyjne sieci neuronowe połączone z koncepcją uczenia ze wzmocnieniem. Prosta i ciekawa implementacja gry, krok po kroku :) Trochę rozwiewa chmury po teoretycznych lekturach w tym temacie

3. Siamese Networks
https://towardsdatascience.com/a-friendly-introduction-to-siamese-networks-85ab17522942
INFO: Sieci neuronowe, które kodują wejście oraz porównują zakodowaną informację z drugim zakodowanym elementem. Na podstawie różnicy zakodowanych informacji jesteśmy w stanie stwierdzić czy dwa zadane elementy pochodzą z tego samego źródła. Autor opisuje zastosowanie takich sieci przy badaniu czy podpis pochodzi od tego samego autora. Inni zaś stosują sieci syjamskie do autoryzacji twarzą :)

4. Hyperparameter tuning
https://www.jeremyjordan.me/hyperparameter-tuning/
INFO: Jeremy Jordan o metodach i technikach optymalizacji modelu uczenia maszynowego.

5. Gentle Introduction to NLP
https://towardsdatascience.com/a-gentle-introduction-to-natural-language-processing-e716ed3c0863
INFO: Uczenie maszynowe w procesowaniu tekstu. Może nie jest to jeszcze silnik od Translate Google, ale warto poczytać o podstawach zanim przejdzie się do mocniejszych tematów. Poruszane tematy to: czyszczenie danych, preprocessing, wektoryzacja tekstu oraz zbadanie sentymentu za pomocą prostych modeli uczenia maszynowego.

6. Wykres kołowy
https://miroslawmamczur.pl/017-wykres-kolowy-pie-chart/
INFO: Krótki wpis o wykresach kołowych i o tym dlaczego ich nie używać :)

7. Alpha Fold 2
https://www.deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
INFO: Deep Mind nie robi sobie przerw i ciągnie dalej temat nierozwiązanego przez 50 lat problemu zwijania się białek. Rozwiązanie tego problemu pomaga w rozwoju wielu innych obszarów np. szybszego badania chorób albo tworzenia substancji do rozkładu odpadów plastikowych.

8. Which GPU is best for Machine Learning
https://timdettmers.com/2020/09/07/which-gpu-for-deep-learning/
INFO: Kompleksowa analiza mechanizmu działania różnych kart graficznych, ich zalet oraz wad. Autor przebadał wiele czynników, które powinny być brane pod uwagę podczas doboru GPU. Ja posiadam RTX3070 i działa bardzo dobrze, jednakże tak jak wspomniał autor, mogą być problemy z małą ilością pamięci :) (czego już doświadczyłem ucząc SRGAN). Świetny post, brawa dla autora

9. Must-have Chrome Extensions For Machine Learning Engineers And Data Scientists
https://pub.towardsai.net/must-have-chrome-extensions-for-machine-learning-engineers-and-data-scientists-5968bda69ee
INFO: Opis 4 dodatków do przeglądarki przydatnych dla osób zajmujących się sztuczną inteligencją. Mnie osobiście autor przekonał do zainstalowania wtyczki ‘Open in Colab’. Ciekawy też wydaje się ‘Instant Data Scraper’

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python