Pelajari Deep Learning Canggih Langsung dari MIT, Gratis dan Lainnya! – Menuju AI – Teknologi, Sains, dan Teknik Terbaik

Penulis: Menuju Tim AI

Berita, penelitian, dan pembaruan AI, platform manajemen data AI yang menarik dan gratis untuk diakses, dan pilihan editorial bulanan kami!

Jika Anda kesulitan membaca email ini, lihat di browser web.

Selamat datang kembali, Menuju keluarga AI! Sudah lama sejak kami mengirim buletin terakhir kami. Dalam edisi ini, kami menghadirkan beberapa barang menarik yang menurut kami akan Anda sukai. Untuk memulai, lihat aplikasi NLP luar biasa ini yang dibuat oleh Kunal Marwaha yang membuat awan kata dari abstrak arXiv (berdasarkan pengujian kami, ini sangat akurat!).

Mengumpulkan, memberi label, dan mengirimkan set data berkualitas tinggi mungkin membutuhkan waktu berminggu-minggu, bahkan berbulan-bulan. Dengan AI Luar Biasa, latih model pelabelan otomatis pembelajaran transfer kami dalam waktu satu jam dengan kumpulan data kebenaran dasar yang kecil, label massal kumpulan data besar dalam hitungan menit, audit kualitas, dan pengiriman – semuanya dalam hitungan hari! Apa yang kamu tunggu? Mendaftar gratis.

Kami baru-baru ini meluncurkan buku kami tentang statistik deskriptif dengan Python. Jika Anda belum memeriksanya, artikel ini atau PDF ini memberikan contoh 36 halaman pertama buku. Harap jangan lupa bahwa Anda dapat mengakses karya ini, lebih banyak buku, dan pernak-pernik lainnya dengan menjadi anggota.

Selanjutnya, jika Anda saat ini tertarik untuk mengejar gelar Ph.D. dalam pembelajaran mesin atau bidang terkait, kami merekomendasikan untuk memeriksa bagian ini dengan pembelajaran mesin di Carnegie Mellon, yang menyoroti pertanyaan mana yang harus Anda pertimbangkan untuk diajukan kepada calon Ph.D. penasihat untuk mendapatkan hasil yang paling cocok untuk kepentingan penelitian Anda.

Properti kumpulan data apa yang mendorong inovasi pemodelan? Pembicaraan oleh Profesor Stanford Percy Liang ini menyoroti penjinakan model-model yang dalam dan membentuk perkembangan mereka dengan dua pendekatan baru.

Jaringan transformator telah merevolusi lanskap NLP, pos luar biasa ini oleh Salesforce Research yang ditulis oleh Cameron Wolfe membahas apa yang dapat mereka lakukan untuk meningkatkan pemodelan saraf grafis.

Sekarang ke dalam pilihan bulanan! Kami memilih artikel ini berdasarkan pembaca, penggemar, dan pandangan yang didapat artikel tertentu. Kami harap Anda menikmati membacanya seperti kami. Juga, kami mulai melakukan sesuatu yang baru! Kami akan memilih artikel berkinerja terbaik, dan editor kami akan memilih beberapa esai yang kinerjanya tidak luar biasa, tetapi karena kualitasnya – mereka lolos untuk bulan itu.

Jika Anda bisa, silakan bagikan buletin atau tautan langganan kami dengan teman, kolega, dan kenalan Anda. Satu email per bulan; berhenti berlangganan kapan saja! Jika Anda memiliki umpan balik tentang bagaimana kami dapat meningkatkan, jangan ragu untuk memberi tahu kami.

? Pilihan editor artikel unggulan bulan ini ↓ ?

Panduan Utama untuk Wawancara Pembelajaran Mesin Bertindak untuk Ilmuwan Data dan Insinyur Pembelajaran Mesin oleh Emma Ding dan Ziheng Lin

Internet dibanjiri dengan 10 pertanyaan teratas, 20 teratas, dan bahkan 200 pertanyaan wawancara pembelajaran mesin teratas yang mencakup banyak konsep mulai dari bias vs. varians hingga jaringan neural dalam. Meskipun konsep-konsep tersebut penting untuk dikuasai untuk menguasai wawancara pembelajaran mesin, Anda mungkin merasa kurang siap dan sering kali tidak siap selama wawancara ketika Anda hanya siap untuk menyelesaikan masalah tersebut. Yang benar adalah bahwa wawancara pembelajaran mesin lebih komprehensif daripada sekadar Tanya Jawab tentang konsep pembelajaran mesin dasar. Wawancara pembelajaran mesin mengevaluasi kapasitas kandidat untuk bekerja dengan tim untuk memecahkan masalah dunia nyata yang kompleks menggunakan metodologi pembelajaran mesin.

[ Read More ]

3 Alasan Mengapa Kursus Deep Learning MIT Baru Ideal untuk Pemula oleh Ahmar Shah, Ph.D. (Oxford)

Kursus ini akan dirilis sekarang, seperti yang kita bicarakan (lebih tepatnya,… saat Anda membaca). Ini adalah “Introduction to Deep Learning” dari MIT (MIT 6.S191), dan sekarang sudah memasuki tahun kelima. Ini adalah kursus intensif 2 minggu yang memperkenalkan topik dan membahas sejumlah detail yang layak, mencakup dasar-dasar dan aplikasi. MIT sangat bermurah hati untuk memiliki semua materi yang tersedia online secara gratis untuk dipelajari oleh siapa saja. Edisi 2021 akan dirilis ke publik yang lebih luas sekarang. Kuliah pertama baru dirilis pada…

[ Read More ]

Tutorial Algoritma K-Nearest Neighbours (KNN) – Dasar-Dasar Pembelajaran Mesin oleh Sujan Shirol, Husna Sayedi, Roberto Iriondo

Algoritme k-neighbourhood, yang biasa dikenal sebagai algoritme KNN, adalah algoritme pembelajaran mesin yang diawasi oleh klasifikasi dan regresi yang sederhana namun efektif. Artikel ini akan membahas Algoritma KNN, aplikasinya, pro dan kontra, matematika di baliknya, dan implementasinya dengan Python. Harap pastikan untuk memeriksa seluruh implementasi dari tutorial ini baik di Google Colab atau Github untuk membantu membaca Anda.

[ Read More ]

Perceptron Is Not SGD: A Better Interpretation Through Pseudogradients by Francesco Orabona

Ada interpretasi populer dari Perceptron sebagai prosedur penurunan gradien stokastik (sub). Saya bahkan menemukan slide online dengan ide ini. Pikiran tentang begitu banyak pikiran muda yang terpelintir oleh klaim palsu ini terlalu berat untuk ditanggung. Jadi, saya merasa terdorong untuk menulis posting blog untuk menjelaskan mengapa ini salah… Selain itu, saya juga akan memberikan interpretasi yang berbeda dan (menurut saya) jauh lebih baik dari algoritma Perceptron.

[ Read More ]

Terapkan Model Pembelajaran Mesin Python di iPhone Anda oleh Patrick Long

Artikel ini menjelaskan jalur terpendek dari melatih model pembelajaran mesin python hingga bukti konsep aplikasi iOS yang dapat Anda terapkan di iPhone. Tujuannya adalah untuk menyediakan perancah dasar sambil menyisakan ruang untuk penyesuaian lebih lanjut yang sesuai dengan kasus penggunaan spesifik seseorang. Kami akan mengabaikan beberapa tugas seperti validasi model dan membangun antarmuka pengguna (UI) yang sepenuhnya dipoles dengan semangat kesederhanaan. Di akhir tutorial ini, Anda akan memiliki model terlatih yang berjalan di iOS yang dapat Anda tampilkan sebagai prototipe dan dimuat ke perangkat Anda…

[ Read More ]

Shapash: Membuat Model ML Dapat Dimengerti oleh Semua Orang oleh Yann Golhen

Shapash by MAIF adalah Python Toolkit yang memfasilitasi pemahaman model Machine Learning bagi data scientist. Ini membuatnya lebih mudah untuk berbagi dan mendiskusikan interpretabilitas model dengan spesialis non-data: analis bisnis, manajer, pengguna akhir. Secara konkret, Shapash menyediakan visualisasi yang mudah dibaca dan aplikasi web…

[ Read More ]

Cara Membangun Eksportir Prometheus untuk Pemantauan Sensor oleh Guillaume Vincent

Pada artikel ini, kami akan menyiapkan sensor DHT22 / AM2302 pada Raspberry Pi. Sensor ini terhubung ke pin GPIO dan melaporkan data suhu dan kelembaban. Kami akan melihat cara menghubungkannya ke Raspberry Pi dan mengonfirmasi akuisisi data. Bukankah lebih baik memusatkan semua metrik kita di satu tempat? Nah, kami akan mengkodekan eksportir Prometheus menggunakan bahasa Golang. Prometheus adalah proyek sumber terbuka untuk memantau dan memperingatkan menggunakan database deret waktu …

[ Read More ]

Ekstensi Chrome yang Harus Dimiliki Untuk Insinyur Pembelajaran Mesin dan Ilmuwan Data oleh Himanshu Ragtah

Ekstensi peramban adalah senjata rahasia yang disimpan sebagian besar peretas dan pengembang di gudang senjata mereka agar lebih produktif. Karena sebagian besar pembelajar mesin menggunakan chrome (mengingat pangsa pasar chrome yang sangat besar), saya telah menyusun daftar ekstensi Chrome yang harus dimiliki untuk insinyur pembelajaran mesin dan ilmuwan data.

[ Read More ]

NLP menggunakan Tutorial Deep Learning: Memahami Fungsi Aktivasi oleh Abdelkader Rhouati

Artikel ini adalah yang pertama dari seri yang saya tulis, dan di mana saya akan mencoba membahas topik menggunakan Deep Learning di NLP. Pertama-tama, saya sedang menulis artikel untuk contoh klasifikasi teks menggunakan perceptron, tetapi saya pikir akan lebih baik untuk meninjau beberapa hal mendasar sebelumnya, sebagai fungsi aktivasi dan kerugian …

[ Read More ]

Klasifikasi SVM yang Dijelaskan Sepenuhnya dengan Python oleh Amit Chauhan

Pada artikel ini, kita akan membahas algoritma pembelajaran mesin yang paling banyak digunakan dalam masalah klasifikasi. Algoritme mesin vektor dukungan (SVM) digunakan untuk regresi, klasifikasi, dan deteksi pencilan. Titik keputusan atau vektor pendukung memisahkan garis hiper atau bidang-hiper. Vektor pendukung adalah titik sampel yang memberikan margin maksimum antara titik kelas terdekat yang berbeda. Pemisahan ini …

[ Read More ]

Uber AresDB adalah Open Source, Database Bertenaga GPU untuk Beban Kerja Analytics Skala Besar oleh Jesus Rodriguez

Uber harus menempati peringkat di antara kontributor terbesar untuk kerangka kerja dan infrastruktur sains data open source. Dari kerangka kerja pembelajaran mesin seperti Horovod atau Pyro hingga infrastruktur deret waktu seperti M3, tim teknik Uber sangat aktif dalam berbagai sumber terbuka yang merupakan blok bangunan utama dari jalur ilmu data Uber. Awal pekan ini, Uber meluncurkan teknologi super keren lainnya untuk memungkinkan solusi analitik modern. AresDB adalah database dan runtime untuk beban kerja analitik real-time yang dapat diskalakan secara masif.

[ Read More ]

Algoritma Genetika – Hentikan Strategi Perdagangan yang Berlebihan oleh Louis Chan

Di blog sebelumnya, kita telah berbicara tentang bagaimana Algoritma Genetika dapat mengoptimalkan parameter strategi perdagangan, oleh karena itu parameter fungsi non-linier diberi fungsi kebugaran / biaya yang sesuai. Bagian terpenting yang belum kami singgung adalah bagaimana kami memastikan bahwa GA dipasang dengan baik tetapi tidak terlalu pas.

[ Read More ]

Menemukan Pergeseran Waktu Antara Dua Rangkaian Waktu untuk Korelasi Maksimum oleh Rahul Bhadani

Beberapa aplikasi teknik dan sains menangani data deret waktu. Misalnya, dalam mengemudi otonom, beberapa sensor tambahan dan on-board mengumpulkan informasi tentang kecepatan, akselerasi, penggunaan bahan bakar, dll., Dalam bentuk data deret waktu. Biasanya, jenis informasi yang sama dikumpulkan dari beberapa sensor yang melibatkan beberapa fusi sensor untuk membangun kepercayaan di sekitar kumpulan data yang dikumpulkan…

[ Read More ]

Cara Menggunakan MongoDB untuk Menyimpan dan Mengambil Model ML oleh Chetan Ambi

Jika Anda mencari database untuk menyimpan model pembelajaran mesin Anda, artikel ini cocok untuk Anda. Anda dapat menggunakan MongoDB untuk menyimpan dan mengambil model pembelajaran mesin Anda. Tanpa kata perpisahan lebih lanjut, mari beralih ke topik utama. MongoDB adalah database NoSQL viral. Di MongoDB, data disimpan dalam bentuk dokumen mirip JSON. Lebih khusus lagi, dokumen disimpan dalam objek BSON yang tidak lain adalah data biner yang direpresentasikan dalam…

[ Read More ]

Ruang Kerja Analisis Sinapsis Microsoft Azure vs. Cloud Data Kepingan Salju oleh Karthikeyan Siva Baskaran

Organisasi mulai bergerak menuju keputusan bisnis berdasarkan data sebagai bagian dari transformasi digital. Untuk membangun budaya berbasis data, mobilisasi data sangat penting untuk mendapatkan wawasan yang dapat ditindaklanjuti. Saat data berkembang biak, ada kebutuhan untuk membangun Gudang Data Perusahaan atau Data Lake untuk melakukan analitik di atasnya. Untuk membuat satu sumber kebenaran untuk data perusahaan, bisnis cenderung lebih fokus pada penyimpanan dan pengelolaan data pada platform yang kuat yang dapat menskalakan seiring dengan pertumbuhan volume data.

[ Read More ]

Algoritma Clustering Sederhana dan Skalabel untuk Peringkasan Data oleh Haris Angelidakis

Di era data besar, kebutuhan untuk merancang prosedur yang efisien yang merangkum jutaan titik data dengan cara yang bermakna lebih mendesak dari sebelumnya. Salah satu cara paling sukses untuk melakukannya yang termasuk dalam kerangka pembelajaran tanpa pengawasan adalah pengelompokan. Secara kasar, dengan asumsi bahwa ada beberapa gagasan tentang jarak antar titik yang menangkap seberapa mirip atau tidak kesamaan dua titik, tujuan dari algoritma pengelompokan adalah sebagai berikut…

[ Read More ]

? Terima kasih telah menjadi pelanggan Towards AI! ?

Ikuti kami ↓

[ Facebook ] |[ Twitter ]| [ Instagram ]| [ LinkedIn ] | [ Github ] | [ Google News ]

Pelajari Deep Learning Canggih Langsung dari MIT, Gratis dan Lainnya! awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Towards AI