my awesome AI bookmarks
1.0.0
Kuratierte Liste meiner Lektüren, Implementierungen und Kernkonzepte von künstlicher Intelligenz, Deep Learning und maschinellem Lernen von den besten Leuten der Welt.
Wie man Transferlernen und Feinabstimmung in Keras und Tensorflow nutzt, um eine Bilderkennung zu erstellen…
So stellen Sie Modelle für maschinelles Lernen mit TensorFlow bereit. Teil 1 – Bereiten Sie Ihr Modell servierfertig vor.
Methoden des maschinellen Lernens – Scaler-Blogs
image-classification-indoors-outdoors/image-classification.ipynb at master · manena/image-classification-indoors-outdoors
(620) Lernen, mit Deep Multi-Agent Reinforcement Learning zu kommunizieren – Jakob Foerster – YouTube
Komprimierung tiefer neuronaler Netze
Engineering-Extreme-Event-Prognose bei Uber mit rekurrenten neuronalen Netzen – Uber Engineering Blog
Führen Sie das Python-Skript von init.d aus
Daemon vs. Upstart für Python-Skript – Stapelüberlauf
Verstärkungslernen für komplexe Ziele mit TensorFlow – O'Reilly Media
Blockchains: Wie sie funktionieren und warum sie die Welt verändern werden – IEEE Spectrum
NET292.profile.indd
GANs sind auf mehr als eine Weise kaputt: Die Numerik von GANs
(74) Stanford Seminar – „Deep Learning for Dummies“ Carey Nachenberg von Symantec und UCLA CS – YouTube
Fast.ai: Was ich aus den Lektionen 1–3 gelernt habe – Hacker Noon
Lernen Sie Horovod kennen: Ubers Open-Source-Framework für verteiltes Deep Learning
Startseite · cat /var/log/life
2D- und 3D-Visualisierung mit NCE Cost | Kaggle
Neue Theorie knackt die Black Box des Deep Learning | Quanta-Magazin
Feature-Visualisierung
Seien Sie ehrlich – Der künstlich intelligente Friseur | Intel®-Software
Was ist TensorFlow? | Opensource.com
Schätzung einer optimalen Lernrate für ein tiefes neuronales Netzwerk – Mittel
Hintons Kapselnetzwerke verstehen. Teil I: Intuition.
Kapselnetzwerke revolutionieren die KI – so nutzen Sie sie
Forschungsblog: Eager Execution: Eine zwingend erforderliche, laufweise definierte Schnittstelle zu TensorFlow
Die Best Practices von Google und Uber für Deep Learning – Intuition Machine – Medium
TFX: Eine TensorFlow-basierte Plattform für maschinelles Lernen im Produktionsmaßstab | die Morgenzeitung
Umfassende Datenexploration mit Python | Kaggle
Eine einfache Anleitung zum Erstellen neuer TensorFlow-Datensätze und Schätzer mit dem Keras-Modell | DLologie
Verteilter TensorFlow: Eine sanfte Einführung
Google Developers Blog: Einführung in TensorFlow-Datensätze und Schätzer
Google Developers Blog: Einführung in TensorFlow-Feature-Spalten
TensorLy: Tensor-Lernen in Python
Beantwortung von Fragen mit TensorFlow – O'Reilly Media
Kubernetes + GPUs? Tensorflow – Intuitionsmaschine – Mittel
Wir begrüßen das Zeitalter der tiefen Neuroevolution – Uber Engineering Blog
Deep Learning für NLP, Fortschritte und Trends im Jahr 2017 – Tryolabs Blog
Design-Mockups mit Deep Learning in Code umwandeln – FloydHub-Blog
KI und Deep Learning im Jahr 2017 – Ein Jahresrückblick – WildML
Forschungsblog: Das Google Brain-Team – Rückblick auf 2017 (Teil 1 von 2)
Reinforcement Learning · Künstliche Intelligenz
Skizzieren von Schnittstellen – Airbnb-Design
Maschinelles Lernen erklärt: Überwachtes, unüberwachtes und verstärkendes Lernen verstehen – Data Science Central
Feinabstimmung des Convolutional Neural Network anhand eigener Daten mit Keras Tensorflow – CV-Tricks.com
Ein neuronaler Ansatz für relationales Denken | DeepMind
Deep Reinforcement Learning funktioniert noch nicht
Gesamtbild: Google-Visualisierungsforschung
Forschungsblog: Verwendung von evolutionärem AutoML zur Entdeckung neuronaler Netzwerkarchitekturen
Sichere Berechnungen als Datenflussprogramme – Kryptographie und maschinelles Lernen
Bringen Sie der Maschine bei, Text zu verstehen und Fragen mit Tensorflow zu beantworten – Teil I · Han Xiao Tech Blog
Deep Reinforcement Learning: Pong von Pixels
Tensorboard auf gcloud
Entitätsextraktion mithilfe von Deep Learning basierend auf der Arbeit von Guillaume Genthial zu NER
Deep Learning Book Notes, Kapitel 3 (Teil 1): Einführung in die Wahrscheinlichkeitsrechnung
Vorhersage körperlicher Aktivität basierend auf Smartphone-Sensordaten mithilfe von CNN + LSTM
Lernen Sie Word2Vec, indem Sie es in Tensorflow implementieren – Towards Data Science
TutorialBank: NLP lernen leichter gemacht – Alexander R. Fabbri
So trainieren Sie schnell und kostenlos ein textgenerierendes neuronales Netzwerk
Code2Pix – Deep Learning Compiler für grafische Benutzeroberflächen
naacl18.pdf
Deep Learning zur Objekterkennung: Eine umfassende Übersicht
4 Sequenzkodierungsblöcke, die Sie neben RNN/LSTM in Tensorflow kennen müssen · Han Xiao Tech Blog – Deep Learning, Tensorflow, maschinelles Lernen und mehr!
Automatisierte Frontend-Entwicklung mittels Deep Learning
Ein neuer Blickwinkel auf die L2-Regularisierung
Ein weiteres Datum
IML-Sequenz
ml4a-guides/q_learning.ipynb und experimentell · ml4a/ml4a-guides
tensorflow-without-a-phd/00_RNN_predictions_playground.ipynb beim Master · GoogleCloudPlatform/tensorflow-without-a-phd
Auf einem Faltungs-Neuronalen Netzwerk basierende Bildkolorierung mit OpenCV | Lernen Sie OpenCV
Transferlernen im NLP – Feedly Blog
CS 229 – Deep-Learning-Spickzettel
Google AI Blog: Einführung eines neuen Frameworks für flexible und reproduzierbare Reinforcement-Learning-Forschung
Erstellen eines Textklassifizierungsmodells mit TensorFlow Hub und Estimators
Stellen Sie TensorFlow-Modelle bereit – auf dem Weg zur Datenwissenschaft
Deep Learning – Mohit Jain
Analysieren Sie tonale Texte mit mehreren internationalen Websites / Blog-Unternehmen Mail.Ru Group / Habr
Maschinelles Leseverständnis Teil II: Fragen und Antworten lernen · Han Xiao Tech Blog – Deep Learning, Tensorflow, maschinelles Lernen und mehr!
So trainieren Sie schnell und kostenlos ein textgenerierendes neuronales Netzwerk
Auto-Keras oder wie Sie ein Deep-Learning-Modell in 4 Codezeilen erstellen können
Effektiveres Transferlernen für NLP
Maschinelles Lernen mit Google Cloud ML Engine. – Gautam Karmakar – Mittel
Training und Bereitstellung von ML-Modellen mit tf.keras – TensorFlow – Medium
So stellen Sie TensorFlow-Modelle mithilfe von TF Serving für die Produktion bereit
Mortal Kombat mit TensorFlow.js spielen. Transferlernen und Datenerweiterung · Minko Gechevs Blog
Beyond Interactive: Notebook-Innovation bei Netflix – Netflix TechBlog – Medium
Maskieren Sie R-CNN mit OpenCV – PyImageSearch
Das illustrierte BERT, ELMo und Co. (Wie NLP das Transferlernen knackte) – Jay Alammar – Visualisierung maschinellen Lernens, ein Konzept nach dem anderen
Schnelle Bereitstellung von ML mit TensorFlow Serving und Docker
Menschenzentrierte KI
Keras als vereinfachte Schnittstelle zu TensorFlow: Tutorial
Bereitstellung von Google BERT in der Produktion mit Tensorflow und ZeroMQ · Han Xiao Tech Blog – Deep Learning, NLP, KI
Mehrsprachige Satzeinbettungen für Zero-Shot-Übertragung – Anwendung eines einzigen Modells auf 93 Sprachen | Lyrn.AI
Stellen Sie die Flask-App mit Nginx mithilfe von Gunicorn und Supervisor bereit
Fachbereich Informatik: Modulhandbuch für die Bachelor- und Masterstudiengänge
14 Durchbrüche in der NLP-Forschung, die Sie auf Ihr Unternehmen anwenden können
Das illustrierte BERT, ELMo und Co. (Wie NLP das Transferlernen knackte) – Jay Alammar – Visualisierung maschinellen Lernens, ein Konzept nach dem anderen
Eine Galerie interessanter Jupyter-Notizbücher · jupyter/jupyter Wiki
CS294-158 Deep Unsupervised Learning Frühjahr 2018
Objekterkennung in Google Colab mit benutzerdefiniertem Datensatz
Erweiterte Visualisierung für Datenwissenschaftler mit Matplotlib
FavioVazquez/ds-cheatsheets: Liste der Data Science Cheatsheets, um die Welt zu beherrschen
Tauchen Sie sanft in die Mathematik hinter Faltungs-Neuronalen Netzen ein
Vorhersage der Kundenabwanderung in der Telekommunikation mithilfe von maschinellem Lernen in einer Big-Data-Plattform
So portieren Sie Jupyter-Notebooks – Scott Hawley – Entwicklungsblog
Top 8 Trends von ICLR 2019
Das illustrierte Word2vec – Jay Alammar – Visualisierung maschinellen Lernens, ein Konzept nach dem anderen
Google AI-Blog: Transformer-XL: Das Potenzial von Aufmerksamkeitsmodellen freisetzen
TensorFlow & reflektierendes Klebeband: Warum ich schlecht im Basketball bin?
Themenmodellierung mit LSA, PLSA, LDA und lda2Vec
GAN – Einige coole Anwendungen von GANs. – Jonathan Hui – Mittel
Ein Rezept zum Training neuronaler Netze
Quantencomputing üben | Genial
dennnybritz/reinforcement-learning: Implementierung von Reinforcement-Learning-Algorithmen. Python, OpenAI Gym, Tensorflow. Übungen und Lösungen zu Suttons Buch und David Silvers Kurs.
Gewichtsunabhängige neuronale Netze
Transformatoren von Grund auf | Peter Bloem
Der illustrierte Transformer – Jay Alammar – Visualisierung maschinellen Lernens, ein Konzept nach dem anderen
The Illustrated GPT-2 (Visualizing Transformer Language Models) – Jay Alammar – Visualisierung maschinellen Lernens, ein Konzept nach dem anderen
ml-dl -
Indaba2019 NLP Talk.pdf – Google Drive
Automatisierung durch Reinforcement Learning
CS 224N | Heim
mihail911/nlp-library: kuratierte Sammlung von Artikeln für den NLP-Praktiker ??
Produktionsbereite Docker-Images
Die wichtigsten Lehren aus „Where Good Ideas Come From“ von Steven Johnson
Beispiel für neuronale Netze, Mathematik und Code – Brian Omondi Asimba
Wie man maschinelles Lernen und Deep-Learning-Methoden auf die Audioanalyse anwendet
Ein visueller Leitfaden für die erstmalige Verwendung von BERT – Jay Alammar – Visualisieren Sie maschinelles Lernen konzeptweise
NeurIPS · SlidesLive
https://towardsdatascience.com/from-pre-trained-word-embeddings-to-pre-trained-lingual-models-focus-on-bert-343815627598
Joel Grus – Fizz Buzz in Tensorflow
(160) Visuelle Interpretierbarkeit von CNNs | Himanshu Rawlani | PyData Pune Meetup | Juli 2019 – YouTube
Memo's Island: Ein einfaches und interpretierbares Leistungsmaß für einen binären Klassifikator
Data-Science-Periodensystem.pdf
Schreiben eines generischen TensorFlow-Serving-Clients für TensorFlow-Serving-Modelle
Schreiben eines generischen TensorFlow-Serving-Clients für TensorFlow-Serving-Modelle
dspace.mit.edu/bitstream/handle/1721.1/41487/AI_WP_316.pdf
Transformatoren sind graphische neuronale Netze | NTU Graph Deep Learning Lab
7 fortgeschrittene Pandas-Tricks für Data Science – Towards Data Science
Google AI-Blog: XTREME: Ein massiv mehrsprachiger Multitasking-Benchmark zur Bewertung der sprachübergreifenden Generalisierung
CNN-Erklärer
Polo Club of Data Science @ Georgia Tech: Menschenzentrierte KI, Deep-Learning-Interpretation und -Visualisierung, Cybersicherheit, Visualisierung großer Diagramme und Mining | Georgia Tech | Atlanta, GA 30332, Vereinigte Staaten
Sara Robinson
Gängige statistische Tests sind lineare Modelle (oder: wie man Statistiken lehrt)
Zero-Shot-Lernen zur Textklassifizierung
Python Deep Learning-Projekte
Tiefes Lernen
Schnelle künstliche neuronale Netzwerkbibliothek (FANN)
Die Natur des Codes
Erstellen und trainieren Sie benutzerdefinierte neuronale Netzwerkarchitekturen – MATLAB & Simulink – MathWorks India
Limdu js-Framework
Neuronale Netze und Deep Learning
NN Warum funktioniert es?
Einführung in die konvexe Optimierung | Elektrotechnik und Informatik | MIT OpenCourseWare
Python-Programmier-Tutorials zur Bilderkennung
Grundlagen der Datenwissenschaft und des maschinellen Lernens | edX
Deep Learning – Faltungs-Neuronale Netze und Merkmalsextraktion mit Python | Pyevolve
50 externe Ressourcen und Artikel zu maschinellem Lernen/Data Science – Data Science Central
Hacker-Leitfaden zu neuronalen Netzen
Fast Forward Labs: Wie lernen neuronale Netze?
Maschinelles Lernen
Memkite – Deep Learning für iOS (getestet auf iPhone 6S), tvOS und OS X, entwickelt in Metal und Swift | Memkite
Demis Hassabis, CEO, DeepMind Technologies – Die Theorie von allem | Vorträge über maschinelles Lernen und Computer Vision
DataTau – Hacker-News zu DL
Deeplearning4j – Open-Source, verteiltes Deep Learning für die JVM
Taschenlampe | Wiederkehrendes Modell der visuellen Aufmerksamkeit
Maschinelles Lernen für Entwickler von Mike de Waard
Deep Learning – Community – Google+
Eine Tour durch Algorithmen für maschinelles Lernen – Data Science Central
Natürliche Sprache mit tiefen neuronalen Netzen mithilfe von Torch verstehen | Parallel Forall
Was ein Deep Neural Network über Ihr #selfie denkt
Jason Yosinski
WildML | Ein Blog über maschinelles Lernen, Deep Learning und NLP.
Erste Schritte – TensorFlow
Deep Learning: Theoretische Motivationen – VideoLectures.NET
Unüberwachtes Feature-Learning- und Deep-Learning-Tutorial
Witz – Erste Schritte
Research.microsoft.com/pubs/209355/DeepLearning-NowPublishing-Vol7-SIG-039.pdf
ujjwalkarn/Machine-Learning-Tutorials
Top 10 APIs für maschinelles Lernen: AT&T Speech, IBM Watson, Google Prediction | Programmierbares Web
NeuroVis | Eine interaktive Einführung in neuronale Netze
learning_tensorflow/word2vec.md bei Master · chetannaik/learning_tensorflow
intro2deeplearning/notebooks bei master · rouseguy/intro2deeplearning
Autoencoder – Ep. 10 (Deep Learning VEREINFACHT) – YouTube
Tutorials zur Python-Programmierung
So bereiten Sie Daten für maschinelles Lernen vor – Beherrschung des maschinellen Lernens
Lösen Sie Probleme des maschinellen Lernens Schritt für Schritt – Beherrschung des maschinellen Lernens
Implementierung eines CNN zur Textklassifizierung in TensorFlow – WildML
Jeder kann lernen, ein LSTM-RNN in Python zu programmieren (Teil 1: RNN) – ich bin Trask
7 Schritte zur Beherrschung des maschinellen Lernens mit Python
DeepLearningKit – Open-Source-Deep-Learning-Framework für Apples iOS, OS X und tvOS | Open-Source-Deep-Learning-Framework für iOS, OS X und tvOS
Eine visuelle Einführung in maschinelles Lernen
Aufmerksamkeit und Gedächtnis in Deep Learning und NLP – WildML
Ein neuronales Netzwerk in 11 Zeilen Python (Teil 1) – ich bin Trask
Python-Training | Python für Datenwissenschaft | Lernen Sie Python
LSTM-Netzwerke verstehen – Colahs Blog
deeplearning4nlp-tutorial/2015-10_Vorlesung bei Master · Nreimers/deeplearning4nlp-tutorial
Sammlung von 51 kostenlosen E-Books zur Python-Programmierung
Analyse von 50.000 Schriftarten mithilfe tiefer neuronaler Netze | Erik Bernhardsson
Datenwissenschaftliche Ontologie
Reddit Maschinelles Lernen
RNNs im Darknet
caesar0301/awesome-public-datasets: Eine fantastische Liste hochwertiger offener Datensätze im öffentlichen Bereich (fortlaufend).
Ein Leitfaden für Anfänger zu wiederkehrenden Netzwerken und LSTMs – Deeplearning4j: Open-Source-verteiltes Deep Learning für die JVM
Grundlagen maschineller Lernalgorithmen (mit Python- und R-Codes)
PythonForArtificialIntelligence – Python Wiki
carpedm20/lstm-char-cnn-tensorflow: LSTM-Sprachmodell mit CNN über Zeichen in TensorFlow
kjw0612/awesome-rnn: Recurrent Neural Network – Eine kuratierte Liste von Ressourcen, die RNN gewidmet sind
sherjilozair/char-rnn-tensorflow: Mehrschichtige wiederkehrende neuronale Netze (LSTM, RNN) für Sprachmodelle auf Zeichenebene in Python unter Verwendung von Tensorflow
Stanford University CS231n: Faltungs-Neuronale Netze für die visuelle Erkennung
Top-Youtube-Videos zu maschinellem Lernen, neuronalen Netzwerken und Deep Learning
Der Zuschauer ← Shakirs Blog zum maschinellen Lernen
Textdaten vorverarbeiten – Computational Statistics in der Python 0.1-Dokumentation
Tutorial: Maschinelles Lernen für Anfänger bis Fortgeschrittene in 15-stündigen Videos – AnalyticsPro: Analytics-Tutorials für Data Science, BI und Big Data
Nächste große Zukunft: Wiederkehrende neuronale Netze
Tipps/Tricks in tiefen neuronalen Netzen, die Sie kennen müssen – Data Science Central
Demo zur visuellen Beantwortung von Fragen im Python-Notizbuch – Aaditya Prakash (Adi) – Zufällige Überlegungen eines Absolventen der Computer Vision
Ein Spielplatz für neuronale Netze
Maschinelles Lernen: Nur wenige selten geteilte Geschäftsgeheimnisse – Data Science Central
Russell Stewart – Debug NN
Aussagekräftige Inhalte aus Roh-HTML extrahieren – Thomas Uhrig
Russell Stewart
Wiederkehrende neuronale Netze | Die Form der Daten
ITP-NYU – Frühjahr 2016
Weißer Regengeräuschgenerator | Weißes Rauschen und Regen kombiniert
Maschinelles Lernen
Eine GloVe-Implementierung in Python – Foldl
Faltung im Deep Learning verstehen – Tim Dettmers
Der Chars74K-Bilddatensatz – Zeichenerkennung in natürlichen Bildern
Eine statistische Sicht auf Deep Learning (IV): Wiederkehrende Netze und dynamische Systeme ← Der Zuschauer
Tensorflow und Deep Learning – ohne Doktortitel – Google Slides
Paritätsproblem, sequentiell: jeweils 1 Bit
Maschinelles Lernen mit Python: Ein Tutorial
Neuronale Netze und Deep Learning
Jürgen Schmidhubers Homepage - Universelle Künstliche Intelligenz - Neue KI - Deep Learning - Wiederkehrende Neuronale Netze - Computer Vision - Objekterkennung - Bildsegmentierung - Gödel-Maschine - Theorie von allem - Algorithmische Theorie von allem -
t-SNE – Laurens van der Maaten
Stanford University CS224d: Deep Learning für die Verarbeitung natürlicher Sprache
Maschinelles Lernen 10-701/15-781: Vorlesungen
Word2vec-Tutorial | RaRe-Technologien
Maschinelles Lernen |
Anleitung zum Lesen: Deep Learning auf Charakterebene – Offbit
Generative Modelle
goodrahstar/python-machine-learning-book: Das Buchcode-Repository und die Informationsressource „Python Machine Learning“.
Ein Leitfaden für Anfänger zur Implementierung von RNN-LSTM mit Tensorflow – Medium
Strukturieren Sie Ihre TensorFlow-Modelle
Würden Sie die Titanic überleben? Ein Leitfaden zum maschinellen Lernen in Python – SocialCops-Blog
Berkeley KI-Materialien
Hallo, TensorFlow! - O'Reilly Media
Visualisieren Sie Algorithmen basierend auf der Backpropagation – NeuPy
Sprechende Maschinen
Wahrscheinlichkeits-Spickzettel
Ein Leitfaden für Anfänger zum Verständnis von Faltungs-Neuronalen Netzen – Adit Deshpande – CS-Student an der UCLA ('19)
(Fast) jedes Problem des maschinellen Lernens angehen | Abhishek Thakur | Keine freie Ahnung
MNE – MNE 0.12.0 Dokumentation
Alexandre Grammort – Telecom ParisTech
Bildkerne visuell erklärt
Einführung in wiederkehrende Netzwerke in TensorFlow
Die ultimative Liste der TensorFlow-Ressourcen: Bücher, Tutorials und mehr – Hacker-Listen
die Morgenzeitung | jeden Wochentagmorgen ein interessanter/einflussreicher/wichtiger Aufsatz aus der Welt der CS, ausgewählt von Adrian Colyer
Die ultimative Liste der TensorFlow-Ressourcen: Bücher, Tutorials und mehr – Hacker-Listen
ChristosChristofidis/awesome-deep-learning: Eine kuratierte Liste großartiger Deep-Learning-Tutorials, -Projekte und -Communitys.
Nervanas Deep-Learning-Kurs – Nervana
CNN praktisch
Was mein Deep-Model nicht weiß... | Yarin Gal - Blog | Cambridge Machine Learning Group
Tutorial zum linearen TensorFlow-Modell
tensorflow/models · GitHub
Eine Einführung in Generative Adversarial Networks (mit Code in TensorFlow) – AYLIEN
Neural Network Evolution Playground mit Backprop NEAT | 大トロ
Einer KI beibringen, Python-Code mit Python-Code zu schreiben • Werden Autos träumen?
GitHub – paarthneekhara/text-to-image: Tensorflow-Implementierung der Text-zu-Bild-Synthese unter Verwendung von Gedankenvektoren
TensorFlow lernen
Die 9 Deep-Learning-Papiere, die Sie kennen müssen (CNNs verstehen Teil 3) – Adit Deshpande – CS Undergrad an der UCLA ('19)
Welche Rolle spielt die Aktivierungsfunktion in einem neuronalen Netzwerk?
Kategorisierung von Forschungsarbeiten mithilfe von maschinellem Lernen und NLP
WaveNet: Ein generatives Modell für Rohaudio | DeepMind
Backpropagation in Faltungs-Neuronalen Netzen – DeepGrid
Urban Sound-Klassifizierung
Modellbewertung, Modellauswahl und Algorithmenauswahl beim maschinellen Lernen – Teil II
Daten – Anfallsvorhersage der Melbourne University AES/MathWorks/NIH | Kaggle
cchio/deep-pwning: Metasploit für maschinelles Lernen.
Erster Kontakt mit TensorFlow | Professor Jordi Torres | UPC & BSC-CNS | Barcelona
Industrie // AETROS
alrojo/tensorflow-tutorial · GitHub
Sequenzvorhersage mithilfe rekurrenter neuronaler Netze (LSTM) mit TensorFlow – Mourad Mourafiq
Tutorials zur Python-Programmierung
Ressourcen zur Verarbeitung natürlicher Sprache und zur Spracherkennung – Niaw de Leon
Deep Learning für Anfänger
TensorFlow auf Android – O'Reilly Media
TensorFlow für mobile Dichter « Pete Wardens Blog
5 Algorithmen zum Trainieren eines neuronalen Netzwerks | Neuronaler Designer
Hallo DeepQ – koaning.io
Wie funktionieren Faltungs-Neuronale Netze?
Neuronale Netzwerkarchitekturen
Frage-Antwort-Datensatz
Bild-zu-Bild-Übersetzung mit bedingten gegnerischen Netzwerken
GitXiv: Kollaborative offene Informatik
Spickzettel für Deep Learning
Einführung in wiederkehrende Netzwerke in TensorFlow
DmitryUlyanov/neural-style-audio-tf · GitHub
goodrahstar/tensorflow-value-iteration-networks: TensorFlow-Implementierung des Value Iteration Networks (NIPS '16)-Papiers
Tutorial zu wiederkehrenden neuronalen Netzen für Künstler | 大トロ
Eric Jang: Zusammenfassung von NIPS 2016
GitHub – thtrieu/essence: AutoDiff DAG Builder, von Grund auf auf Numpy und C erstellt
Deep Text Correcter
GitHub – zhongwen/predictron: Tensorflow-Implementierung von „The Predictron: End-To-End Learning and Planning“
Die wichtigsten Fortschritte im Deep Learning im Jahr 2016 – Tryolabs Blog
Kontaktieren Sie mich – der Data-Science-Blog
Einsprachige Wikipedia-Korpora | Linguatools
Tensorflow RNN-LSTM-Implementierung zum Zählen der Anzahl gesetzter Bits in einer Binärzeichenfolge
buriburisuri/speech-to-text-wavenet: Speech-to-Text-WaveNet: Durchgängige englische Spracherkennung auf Satzebene basierend auf DeepMinds WaveNet und Tensorflow
AudioSet
Die erstaunliche Kraft von Wortvektoren | die Morgenzeitung
Lassen Sie uns mit Python einen Bot erstellen, der sich auf Jobs für uns bewirbt – Millennial Dave
goodrahstar/pytorch-tutorial: Tutorial für Forscher zum Erlernen von Deep Learning mit Pytorch.
Übersicht – seq2seq
Baidu Deep Voice erklärt: Teil 1 – die Inferenzpipeline
Tensorflow entmystifiziert – gk_ – Mittel
Transferlernen – die nächste Grenze des maschinellen Lernens
Deep Learning mit Emojis (nicht Mathe) – tech-at-instacart
Anything2Vec oder wie Word2Vec NLP eroberte – Yves Peirsman
Q/A-System – Deep Learning (2/2) – Mensch werden – Mittel
Eine kurze Geschichte von CNNs in der Bildsegmentierung: Von R-CNN zu Mask R-CNN
Gesichtserkennung mit Keras und OpenCV – Above Intelligent (AI)
A16Z AI Playbook
Neuronale Texteinbettungen für den Informationsabruf (WSDM 2017)
Eine Liste von Tools für künstliche Intelligenz, die Sie heute nutzen können – für den persönlichen Gebrauch (1/3)
Forschungsblog: Die maschinelle Intelligenz hinter Gboard
paraphrase-id-tensorflow/README.md beim Master · nelson-liu/paraphrase-id-tensorflow
NeuroNER/README.md bei Master · Franck-Dernoncourt/NeuroNER
Generative gegnerische Netzwerke für Anfänger – O'Reilly Media
Neuronale Übersetzung des Musikstils
Deep-Learning-Papers-Reading-Roadmap/README.md bei Master · Songrotek/Deep-Learning-Papers-Reading-Roadmap
KI-Fortschrittsmessung | Electronic Frontier Foundation
So visualisieren Sie Ihr wiederkehrendes neuronales Netzwerk mit Aufmerksamkeit in Keras
Deep Adversarial Learning ist endlich bereit und wird das Spiel radikal verändern
Franck-Dernoncourt/NeuroNER: Erkennung benannter Entitäten mithilfe neuronaler Netze. Benutzerfreundliche und hochmoderne Ergebnisse.
Tensorflow bedienen
So installieren und verwenden Sie Docker unter Ubuntu 16.04 | DigitalOcean
Jupyter + Tensorflow + Nvidia GPU + Docker + Google Compute Engine
TensorForce: Eine TensorFlow-Bibliothek für angewandtes Verstärkungslernen – reinforce.io
Erkundung von LSTMs
Führen Sie eine Stimmungsanalyse mit LSTMs mit TensorFlow durch – O'Reilly Media
Robuste gegnerische Beispiele
Lernen lernen – Der Berkeley Artificial Intelligence Research Blog
Meine kuratierte Liste von Ressourcen zu KI und maschinellem Lernen aus dem Internet
goodrahstar/headlines: Generieren Sie automatisch Schlagzeilen für kurze Artikel
Deep Learning für NLP Best Practices
facebookresearch/DrQA: Wikipedia lesen, um Open-Domain-Fragen zu beantworten
Q/A-System – Deep Learning (2/2) – Mensch werden
Kontextuelle Chatbots mit Tensorflow – Chatbots Magazine
Text-Clustering-API/CLAAS_public.py unter Master · vivekkalyanarangan30/Text-Clustering-API
tensorflow/nmt: Tutorial zur neuronalen maschinellen Übersetzung von TensorFlow
Modernstes Deep Learning für Programmierer – Einführung von Deep Learning Teil 2 · fast.ai
facebookresearch/end-to-end-negotiator: Deal oder No Deal? End-to-End-Lernen für Verhandlungsdialoge
examples/main.py unter master · pytorch/examples
BotCube/awesome-bots: Eine vom BotCube-Team zusammengestellte fantastische Liste von Ressourcen aus der Bots-/KI-Welt. Abonnieren Sie unseren Newsletter, um einmal pro Woche fünf epische, umsetzbare Bot-Tricks in Ihren Posteingang zu bekommen! ? ❤️
Sohv » Word2Vec (Teil 1): NLP mit Deep Learning mit Tensorflow (Skip-Gramm)
Tensorflow-Programme-und-Tutorials/Fragenpaarklassifizierung mit RNNs.ipynb bei Master · adeshpande3/Tensorflow-Programme-und-Tutorials
Einführung in Deep Learning für Chatbots, Teil 2 | Offene Datenwissenschaft
Erkennung benannter Entitäten und der Weg zum Deep Learning
Aufbau Faltungs-Neuronaler Netze mit Tensorflow – Ahmet Taspinar
Visualisierung von Aktivierungsfunktionen in neuronalen Netzen – dashee87.github.io
Deep RL Bootcamp – Vorträge
Tensorflow-Textklassifizierung – Python Deep Learning – Quelle Dexter
my-deity/COMPRESSION_CUM_CLASSIFICATION_v_2.ipynb at master · akanimax/my-deity
„TensorBoard – Visualisieren Sie Ihr Lernen.“
Cyborg-Autor
Daten für alle Bibliothek | CrowdFlower
loretoparisi/CapsNet: CapsNet (Capsules Net) in Geoffrey E Hinton-Artikel „Dynamic Routing Between Capsules“
TFX: Eine TensorFlow-basierte Plattform für maschinelles Lernen im Produktionsmaßstab | die Morgenzeitung
Flair des maschinellen Lernens
Recurrent-Highway-Hypernetworks-NIPS/README.md auf Master · jsuarez5341/Recurrent-Highway-Hypernetworks-NIPS · GitHub
Einsatz künstlicher Intelligenz zur Erweiterung der menschlichen Intelligenz
Aus unausgeglichenen Klassen lernen – Silicon Valley Data Science
Reguläre Ausdrücke für Datenwissenschaftler
Google Developers Blog: Einführung in TensorFlow-Feature-Spalten
bharathgs/Awesome-pytorch-list: Eine umfassende Liste von Pytorch-bezogenen Inhalten auf Github, wie z. B. verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
Gaußsche Prozesse – EFavDB
Neuronales Schmieden
Hooks Data sagt…
Einführung in verschiedene Reinforcement-Learning-Algorithmen. Teil I (Q-Learning, SARSA, DQN, DDPG)
Einführung in Python-Ensembles
Data Science Summit 2018
facebookresearch/Detectron · GitHub
GitHub – openai/gradient-checkpointing: Sorgen Sie dafür, dass riesige neuronale Netze in den Speicher passen
Deep-Learning/Skip-Grams-Solution.ipynb bei Master · priya-dwivedi/Deep-Learning · GitHub
Wiederkehrende neuronale Netze zur Zeichnungsklassifizierung | TensorFlow
Nachrichten 2017 – Gwern.net
Wie neuronale Netze trainiert werden
GitHub – huseinzol05/Emotion-Classification-Comparison: Klassifizierungsvergleich zwischen verschiedenen Modellen und Lernen anhand von Emotionsdatensätzen
mil-tokyo/webdnn: Das schnellste DNN-Lauf-Framework im Webbrowser
Beautiful.AI – KI-gestützte Präsentationen
Stanford DAWN Deep Learning Benchmark (DAWNBench) ·
Einführung in das Erlernen des Handels mit Reinforcement Learning – WildML
Spielen Sie mit Kubernetes
Deep Reinforcement Learning funktioniert noch nicht
Release 0.5.0 · PAIR-code/deeplearnjs · GitHub
RL unterrichten
Wir stellen die Uber AI Residency vor
Die Matrixrechnung, die Sie für Deep Learning benötigen
Haben Sie etwas im Sinn, das Ihrer Meinung nach großartig ist und in diese Liste passen würde? Senden Sie gerne eine Pull-Anfrage.
Soweit gesetzlich möglich, hat Rahul Kumar auf alle Urheberrechte und verwandten oder benachbarten Rechte an diesem Werk verzichtet.
