AI & ML дайджест #12: одноплатные компьютеры для ML, Reinforcement Learning для разработки двигателей ракет

В выпуске: обзор популярных случаев использования GAN, прогнозирование продаж и знакомство с TensorFlow 2.0, Random Forests для новичков.

Приветствую всех! В прошлом выпуске я рассказывал, что для дайджеста запустил Telegram-канал, а сегодня хочу поделиться новостью, что также завел для него страницы в facebook, twitter, LinkedIn. Приглашаю всех присоединяться к ним. А пока предлагаю свежую подборку материалов.

Статьи

Benchmarking Edge Computing — сравнение таких одноплатных компьютеров для ML, как Coral Dev Board, NVIDIA Jetson Nano, Coral USB Accelerator, Movidus Neural Compute Stick и Intel Neural Compute Stick 2.

Google Coral Edge TPU Board Vs NVIDIA Jetson Nano Dev board  - еще одно сравнение двух одноплатных компьютеров.

Getting started with the NVIDIA Jetson Nano — детальное руководство старта работы с NVIDIA Jetson Nano: от первого запуска до использования его для классификации и обнаружения объектов.

Object detection and image classification with Google Coral USB Accelerator — статья о том, как использовать Google Coral USB Accelerator для классификации и обнаружения объектов на изображениях или в видео.

Random Forests for Complete Beginners — хорошая статья для новичков про случайные леса и деревья решений.

Introducing d3-regression — основы работы с d3-regression — D3.js модуль для расчета статистических регрессий по двумерным данным.

An End-to-End Project on Time Series Analysis and Forecasting with Python — о том, как использовать временные ряды для нестационарных данных, таких как экономические данные, погода, цены на акции и розничные продажи. Рассматриваются различные подходы к прогнозированию розничных продаж используя временные ряды.

Using Reinforcement Learning to Design a Better Rocket Engine — о том, как используют обучение с подкреплением в разработке ракетных двигателей.

Top 5 Interesting Applications of GANs for Every Machine Learning Enthusiast — обзор пяти популярных случаев использования GAN, которые широко распространены в отрасли: GAN для редактирования изображений, использование GAN для безопасности, генерация данных с использованием GAN, GAN для прогнозирования внимания, GAN для генерации 3D-объектов.

A Recommendation Model with PyTorch — что такое вероятностная матричная факторизация и как ее возможно использовать для рекомендательных систем.

Easy Image Classification with TensorFlow 2.0 — знакомство с TensorFlow 2.0 и использование его в классической классификации изображений.

Bayes Theorem in One Picture

Advanced Keras — Constructing Complex Custom Losses and Metrics — о том, как создавать собственные функции потерь в Keras, которые могут получать аргументы, отличные от y_true и y_pred.

Best of arXiv.org for AI, Machine Learning, and Deep Learning — March 2019 — лучшие статьи arXiv.org за март по версии сайта insideBIGDATA.

Проект

Fast Neural Style Transfer in PyTorch

CariGANs: Unpaired Photo-to-Caricature Translation

Datasets

MRNet Dataset

A Repository of Conversational Datasets

Книги

Interactive web-based data visualization with R, plotly, and shiny

Forecasting: Principles and Practice

Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя полезное. Буду благодарен за любые предложения для следующего дайджеста.

← Предыдущий выпуск: AI & ML дайджест #11
Следующий выпуск: AI & ML дайджест #13 →