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.
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
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
