rhiskey/cyberkoala_articles.csv

## cyberkoala_articles.csv

          
            Article
            Title

            
              Впусти Мстителей в свой дом! Рассмотрим как разрабатываются модели глубокого обучения для задач распознавания лиц на примере набора изображений актеров из Мстителей. Обучим собственную модель сверточной нейронной сети с нуля и поговорим о преимуществах и недостатках подхода, как избежать переобучения? Распознавание - это одна из основных областей применения сверточных нейросетей. В этом живом семинаре мы расскажем о том как можно использовать глубокое обучение в системах умного дома, как обучать модели, какую архитектуру выбрать для наибольшей точности?
              Распознавание лиц для умного дома

            
              В чем секрет выбора функции активации?Несмотря на все её недостатки ReLU долгое время была выдающейся. Тем не менее было предложено 10, если не 100 альтернатив. Ни одна другая функция активации не могла взять верх над ReLU. Google опубликовала свою статью “Searching for activation functions” в 2017 году и заявила, что они провели исчерпывающее исследование и нашли эффективный вариант или сигмоиду под названием Swish. Цифры утверждали, что Swish выиграла гонку у ReLU и аналогичных функциях активации в задачах компьютерного зрения.
              Тайна постоянно растущего числа функций активации

            
              Геометрическое глубокое обучение (Geometric Deep Learning) - это попытка свести к геометрическому обоснованию широкий класс ML задач с точки зрения симметрии и инвариантности. Эти принципы не только лежат в основе прорывных характеристик сверточных нейронных сетей и успеха графовых нейронных сетей, но и обеспечивают принципиальный способ построения новых типов индуктивных смещений (biases), специфичных для конкретных задач. Как геометрические интерпретации помогают в решении задач?
              Геометрические интерпретации глубокого обучения

            
              Кластеризация музыкальных жанров в Spotify. В данном семинарусе рассмотрим классическую задачу машинного обучения
              Кластеризация музыкальных жанров в Spotify

            
              Попытка объединить способность рекуррентной нейронной сети (RNN) захватывать знания о последовательностях со способностью графовой нейронной сети (GNN) выражать структуру графовой сети. Wikinet - архитектура, достойная внимания.
              Архитектура модели Wikinet. Игра по гиперссылкам

            
              Кластеризация статей. Как работает реккомендательная система для вебсайтов
              Кластеризация рекомендательная система
	Article	Title
	Впусти Мстителей в свой дом! Рассмотрим как разрабатываются модели глубокого обучения для задач распознавания лиц на примере набора изображений актеров из Мстителей. Обучим собственную модель сверточной нейронной сети с нуля и поговорим о преимуществах и недостатках подхода, как избежать переобучения? Распознавание - это одна из основных областей применения сверточных нейросетей. В этом живом семинаре мы расскажем о том как можно использовать глубокое обучение в системах умного дома, как обучать модели, какую архитектуру выбрать для наибольшей точности?	Распознавание лиц для умного дома
	В чем секрет выбора функции активации?Несмотря на все её недостатки ReLU долгое время была выдающейся. Тем не менее было предложено 10, если не 100 альтернатив. Ни одна другая функция активации не могла взять верх над ReLU. Google опубликовала свою статью “Searching for activation functions” в 2017 году и заявила, что они провели исчерпывающее исследование и нашли эффективный вариант или сигмоиду под названием Swish. Цифры утверждали, что Swish выиграла гонку у ReLU и аналогичных функциях активации в задачах компьютерного зрения.	Тайна постоянно растущего числа функций активации
	Геометрическое глубокое обучение (Geometric Deep Learning) - это попытка свести к геометрическому обоснованию широкий класс ML задач с точки зрения симметрии и инвариантности. Эти принципы не только лежат в основе прорывных характеристик сверточных нейронных сетей и успеха графовых нейронных сетей, но и обеспечивают принципиальный способ построения новых типов индуктивных смещений (biases), специфичных для конкретных задач. Как геометрические интерпретации помогают в решении задач?	Геометрические интерпретации глубокого обучения
	Кластеризация музыкальных жанров в Spotify. В данном семинарусе рассмотрим классическую задачу машинного обучения	Кластеризация музыкальных жанров в Spotify
	Попытка объединить способность рекуррентной нейронной сети (RNN) захватывать знания о последовательностях со способностью графовой нейронной сети (GNN) выражать структуру графовой сети. Wikinet - архитектура, достойная внимания.	Архитектура модели Wikinet. Игра по гиперссылкам
	Кластеризация статей. Как работает реккомендательная система для вебсайтов	Кластеризация рекомендательная система