Категория:Machine Learning — различия между версиями

Подкатегории

Эта категория содержит только следующую подкатегорию.

• ► Рекомендательные системы‎ (5 С)

Страницы в категории «Machine Learning»

Показаны 62 страницы из 62, находящихся в данной категории.

A

• Add more intelligence to your processes (Evgeny Vinogradov, SECR-2017)
• Android Things + Google Weave (Звиад Кардава, SECON-2017)
• Automated Analysis of Testing Reports using Machine Learning Techniques (Мурад Мамедов, SECR-2019)

B

• Big Data в обработке медицинских изображений (Константин Быченков, SECR-2015)
• BigData – «нефть» эпохи цифровой трансформации (Анна Племяшова, SECR-2017)

C

• Challenges in applying Machine Learning for Healthcare (Assaf Schuster, ISPRASOPEN-2019)
• Cloud service of personalized recommendations for 20,000 online stores: secrets, algorithms, technology (Alexander Serbul, SECR-2015)

D

• Data Science. The art of «foul play» (Сергей Шелпук, OSDN-UA-2013)
• DPMine@P - язык построения моделей извлечения и анализа процессов и плагин для ProM (Сергей Шершаков, SECR-2013)

F

• From history to vectors — data warehouse for scoring system (Evgenij Vinogradov, SECR-2015)

I

• IBM Watson in the epicenter of developers attention (Clemence Lebrun, SECR-2019)

M

• Machine learning as everyday technology (Evgeny Vinogradov, SECR-2016)
• Machine Learning for Designers (Scott Sullivan, ProfsoUX-2019)
• Machine Learning Systems Lifecycle Practices (Anatoly Levenchuk, SECR-2016)
• MPyPl — монадическая Python-библиотека для работы с потоками данных в функциональном стиле (Дмитрий Сошников, SECR-2019)

S

• Self-driving cars. Why it is more complicated than it seemed (Vadim Vashkelis, SECR-2019)

T

• Titanic.csv – как заметить макушку айсберга в океане багов? (Иван Панков, SECR-2016)

А

• Автоматический выбор оптимального набора журналов для отчетов об ошибках (Денис Силаков, SECR-2019)
• Анализ скрытых направлений исследований в нефтегазовой отрасли с помощью онлайн-библиотеки OnePetro (Федор Краснов, SECR-2018)

Б

• Бенчмаркинг коллекций научных журналов (Федор Краснов, SECR-2019)
• Борьба с запрещенным контентом или как можно обезопасить свой хостинговый бизнес (Юрий Загорулько, SECR-2016)

В

• В облаке система разумней? Сервисы Watson для разработчика (Сергей Дмитриев, SECR-2015)

Д

• Дата-инженеры и машинное обучение (Евгений Виноградов, SECR-2019)

И

• Иерархический каркас для алгоритмов задачи анализа движения объектов (Денис Степанов, SECR-2014)
• Искусственный интеллект в играх (Елена Сагалаева на ADD-2010)
• Использование Spark для машинного обучения (Константин Макарычев, SECON-2017)
• Использование библиотеки scikit-learn в задаче классификации движений трекбола (Константин Пархоц, OSSDEVCONF-2017)
• Использование искусственного интеллекта в гражданской авиации (Евгений Служаев, SECR-2017)

К

• Как мы делали продукт с применением технологии ИИ для FMCG. От идеи до продажи (Анна Племяшова, SECR-2018)
• Как технология serverless при создании data science проектов может повысить утилизацию ресурсов (SECR-2018)
• Коллектив Яндекс.Картинок и Adoption Curve (Павел Шишкин, AgileDays-2013)
• Курс Machine Learning от Udacity (Василий Михайлов, SECR-2017)

Л

• Львы, лебеди, мартышки – новый взгляд на проблему биометрического зверинца (Станислав Сартасов, SECR-2017)

М

• Массовый скоринг в CRM — секреты и подводные камни (Александр Сербул, SECR-2019)
• Машинное обучение в электронной коммерции – практика использования и подводные камни (Александр Сербул, SECR-2017)
• Машинное обучение на каждый день (Евгений Виноградов, SECR-2016)

Н

• Настройка и использование нейросетей в «Альт» для анализа и обработки результатов экспериментов (Игорь Воронин, OSEDUCONF-2021)

О

• Обоснование выбора алгоритмов обучения и параметров нейронных сетей в целях навигации мобильных устройств внутри помещений
• Обработка «умных данных» (Дмитрий Бугайченко, SECR-2015)
• Определение интересов интернет-пользователей на основании истории посещения веб-страниц (Николай Анохин, SECR-2014)
• Отделяем зерна от плевел в случайном лесу. Анализ и классификация мультимедийного потока I/O запросов к системе хранения данных

П

• Повышение качества разработки программного обеспечения с помощью интеллектуального анализа отчетов об ошибках (Анна Громова, SECR-2019)
• Подход к анализу больших данных в кибербезопасности (Надежда Кусакина, SECR-2019)
• Почему Шалыто прав насчёт открытых спецификаций? (Николай Непейвода, OSEDUCONF-2018)
• Практики жизненного цикла систем машинного обучения (Анатолий Левенчук, SECR-2016)
• Применение машинного обучения по ансамблю решающих правил для вычисления прогноза дополнительного КИН (Федор Краснов, SECR-2017)
• Применение методов машинного обучения в системах хранения данных (Светлана Лазарева, SECR-2015)
• Применение методов распознавания в практикумах по программированию (Никита Бесшапошников, OSEDUCONF-2019)
• Проактивная разметка примеров для адаптации к домену (Максим Рындин, ISPRASOPEN-2019)

Р

• Разработка и исследование моделей временных данных со смешанными частотами на примере анализа урожайности зерновых (Кристина Пивоварова, ISPRASOPEN-2018)
• Распознавание именованных сущностей в зашумленных доменах (Влад Лялин, ISPRASOPEN-2018)
• Распознавание речи на мобильных устройствах, управляемых Linux, на примере ОС Аврора (Алексей Андреев, OSSDEVCONF-2021)

С

• Семантическое ядро рунета — высоконагруженная сontent-based рекомендательная система реального времени на базе Amazon Kinesis, Lucene (Александр Сербул, SECR-2016)
• Системы принятия решений — пара полезных свободных инструментов (Денис Медведев, OSSDEVCONF-2017)
• Сравнение изображений в реальном времени на кластере (Андрей Непрель, SECR-2015)
• Сравнение инструментов определения именованных сущностей на новостных статьях (Сергей Вычегжанин, ISPRASOPEN-2019)
• Сравнительный анализ нейронных сетей в задаче классификации побочных эффектов на уровне сущностей в англоязычных текстах (Ильсеяр Алимова, ISPRASOPEN-2018)
• Сценарии использования ИИ в сфере кибербезопасности (Наталия Чичилева, ISPRASOPEN-2019)

Т

• Тематическая сегментация в информационном поиске (Полина Казакова, SECR-2018)
• Технология универсального мониторинга состояния объектов различной природы (Слава Васильев, SECR-2013)

У

• Умный «фейс-контроль» — алгоритмы машинного обучения для эффективного кэширования данных на SSD (Светлана Лазарева, SECR-2017)
• Устойчивость к шуму в задаче извлечения аспектов (Валентин Малых, ISPRASOPEN-2018)

Файлы в категории «Machine Learning»

Эта категория содержит единственный файл.

• 

  From Python To DataSci…
  1,24 МБ