Страница телеграм канала Machinelearning
Machinelearning
5427 подписчиков
Самая актуальная информация из мира Машинного обучения , Нейронных сетей , Искусственного интеллекта. По всем вопросам- @haarrp наш чат -https://t.me/joinchat/DcaxEw_7ACnzhs4NYrjDPQ наша группа в vk -https://vk.com/mashinnoe_obuchenie_ai_big_data
Входит в категории: Технологии
17.02.2019 17:02
Image Segmentation using Python’s scikit-image module
https://towardsdatascience.com/image-segmentation-using-pythons-scikit-image-module-533a61ecc980
16.02.2019 11:02
«Специалист по анализу данных / Data Scientist» в компанию Алгомост.
Наша компания расширяется, в связи с этим, ищем нескольких профессионалов в области анализа данных.
О компании:
Компания была создана в 2012 году и является резидентом Сколково.
Ключевая компетенция «Алгомост» – создание индустриальных платформенных решений с кастомизацией под бизнес-задачи клиента. Мы осуществляем разработку и интеграцию программных модулей искусственного интеллекта для управления технологическими и бизнес-процессами, создаем многоуровневые системы поддержки принятия производственных и управленческих решений, обеспечиваем снижение операционных затрат, нивелируем «человеческий фактор» и повышаем комплексную эффективность процессов.
Основной индустриальный фокус текущих проектов: металлургия, химическая промышленность, банковский сектор, ритейл.
Ключевыми клиентами компании являются НЛМК, Софтлайн, банки Восточный и ВТБ, S7 и другие крупные игроки отечественного рынка.
В 2018 году стартовал ряд международных проектов. В связи с этим мы расширяем штат высококвалифицированных специалистов, готовых решать сложные, нетривиальные задачи.
Более подробную информацию о нашей компании можно найти на нашем сайте: http://algomost.com/ru
В рамках работы вы будете создавать:
- скоринговые модели,
- рекомендательные системы персональных предложений,
- оптимизационные модели для промышленного производства,
- модели прогнозирования цен и спроса.
Требования:
- Профильное образование: предпочтительно МГУ, МФТИ, ВШЭ, МГТУ им. Баумана;
- Знание и опыт в сфере анализа данных, машинного обучения, статистики (методы, модели, способы их реализации и поддержки);
- Знание языка Python и различных библиотек для машинного обучения (Scikit-learn, Pandas, Lightgbm, XGBoost, Keras, Vowpal Wabbit);
- Желателен опыт успешных выступлений в соревнованиях типа Kaggle;
- Опыт составления и решения прикладных задач, оценки результатов;
- Умение "увидеть" потенциальную задачу при общении с заказчиками из самых разных областей;
- Хорошие коммуникативные навыки, умение работать в команде, умение справляться с многозадачностью и дедлайнами; желание изучать новые технологии;
- Знание английского языка на уровне чтения технической литературы и научных статей, предпочтение отдается кандидатам со свободным разговорным языком.
Условия:
- Полный рабочий день, 5/2,
- ДМС после испытательного срока,
- Корпоративное обучение,
- Оформление по ТК РФ,
- Офис в центре Москвы,
- Конкурентоспособная заработная плата и % от реализованных проектов (обсуждается по результатам собеседования с успешными кандидатами),
-Деловые командировки,
- Возможность совершенствовать свои знания под руководством профессора факультета ВМК МГУ им. Ломоносова Александра Геннадьевича Дьяконова
Контактное лицо: Янишевская Дарья
Yanishevskaya@algomost.ru
16.02.2019 11:02
Box Convolution Layer for ConvNets
This is a PyTorch implementation of the box convolution layer as introduced in the 2018 NeurIPS paper:
https://github.com/shrubb/box-convolutions
15.02.2019 11:02
What To Optimize for? Loss Function Cheat Sheet
https://medium.com/@urimerhav/what-to-optimize-for-loss-function-cheat-sheet-5fc8b1339939
14.02.2019 11:02
Introduction to gradient boosting on decision trees with Catboost
Today I would like to share my experience with open source machine learning library, based on gradient boosting on decision trees, developed by Russian search engine company—Yandex.
https://towardsdatascience.com/introduction-to-gradient-boosting-on-decision-trees-with-catboost-d511a9ccbd14
14.02.2019 11:02
The Ancient Secrets of Computer Vision University of Washington.
Free course
This class is a general introduction to computer vision. It covers standard techniques in image processing like filtering, edge detection, stereo, flow, etc. , as well as newer, machine-learning based computer vision.
https://pjreddie.com/courses/computer-vision/
13.02.2019 11:02
Predict malignancy in cancer tumors with your own neural network
https://towardsdatascience.com/predict-malignancy-in-breast-cancer-tumors-with-your-own-neural-network-and-the-wisconsin-dataset-76271a05e941?source=collection_home - -4 - - - 0 - - - - - - - - - - -
13.02.2019 11:02
A Simple Baseline for Bayesian Deep Learning
https://github.com/wjmaddox/swa_gaussian
12.02.2019 11:02
A Comprehensive Introduction to Different Types of Convolutions in Deep Learning
https://towardsdatascience.com/a-comprehensive-introduction-to-different-types-of-convolutions-in-deep-learning-669281e58215
12.02.2019 11:02
Автономная езда по тротуару посредством OpenCV и Tensorflow
https://habr.com/ru/post/439928/
11.02.2019 12:02
Reflections on the State of AI: 2018
https://medium.com/evolution-one/reflections-on-the-state-of-ai-2018-46504e25263d?source=topic_page - - - - -4 - - - - - - - - - 1
11.02.2019 12:02
Debugging your tensorflow code right (without so many painful mistakes)
https://towardsdatascience.com/debugging-your-tensorflow-code-right-without-so-many-painful-mistakes-b48bd9145d5c?source=collection_home - -4 - - - 0 - - - - - - - - - - -
10.02.2019 12:02
How to Improve Performance With Transfer Learning for Deep Learning Neural Networks
https://machinelearningmastery.com/how-to-improve-performance-with-transfer-learning-for-deep-learning-neural-networks/