Категория:Machine Learning
Материал из 0x1.tv
Версия от 12:34, 4 сентября 2021; StasFomin (обсуждение | вклад) (Batch edit: replace PCRE (\n\n)+ with \1)
Короткая ссылка: Category:Machine Learning
Plays:17338 Comments:84
Most popular talks:
- Искусственный интеллект в играх (Елена Сагалаева на ADD-2010)
- Практики жизненного цикла систем машинного обучения (Анатолий Левенчук, SECR-2016)
- Использование Spark для машинного обучения (Константин Макарычев, SECON-2017)
- Использование библиотеки scikit-learn в задаче классификации движений трекбола (Константин Пархоц, OSSDEVCONF-2017)
- Умный «фейс-контроль» — алгоритмы машинного обучения для эффективного кэширования данных на SSD (Светлана Лазарева, SECR-2017)
- Можно подписаться на новые доклады в категории RSS/Atom
Подкатегории
Эта категория содержит только следующую подкатегорию.
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
I
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
T
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
Д
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
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
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
Файлы в категории «Machine Learning»
Эта категория содержит единственный файл.