Искусственный интеллект: что могут нейронные сети и как они изменят нашу жизнь?


Сейчас мы не знаем ограничений, которые запрещали бы создание искусственного интеллекта (ИИ), приближенного к человеческому. Но пока мы не знаем и того, как сделать такой ИИ. Прорыв может быть связан с увеличением производительности компьютеров, появлением больших баз данных и машинным обучением. Многослойные нейросети дают надежду построить искусственный интеллект, работающий по образцу человеческого мозга. Каждая такая сеть подобна команде, в которой каждый решает свою задачу, и общаясь с другими элементами, помогает сообща понимать обстановку, вырабатывать нужные решения и предпринимать действия. При это нейросети могут не только понимать реальность, но и предсказывать, как будут развиваться события. По сути, они деконструируют работу мозга. Такие системы способны обучаться самостоятельно, на примерах правильного решения задач.

О том, как люди обучают машины вести себя по-человечески, расскажет кандидат физико-математических наук, руководитель проекта iPavlov, заведующий лабораторией нейронных систем и глубокого обучения Московского физико-технического института (МФТИ) Михаил Бурцев в третьей лекции цикла «Экономика наступившего будущего» в рамках просветительского проекта открытых лекций Фонда Егора Гайдара «Экономический факультет».

Модератор мероприятия: Борис Грозовский.

Лекция состоится 19 декабря в 19:00 в Особняке на Волхонке (Большой Знаменский переулок, дом 2, строение 3).

Все подробности и регистрация: gaidarfoundation.timepad.ru/event/619772/

Лекция 12. Факторный анализ


Анализ главных компонент и факторный анализ. Задачи, решаемые с помощью факторного анализа. Математические модели анализа главных компонент и факторного анализа. Факторные нагрузки, факторные метки, их интерпретация. Вращения факторов. Интерпретация факторов.

Лекция №12 в курсе «Анализ данных на R в примерах и задачах» (весна 2016).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: goo.gl/wGKd4e
Ссылка на все лекции курса: goo.gl/1VmEdf

Лекция 4. Метод к-средних. Проверка гипотез


Метод к-средних. Датчики случайных чисел, зерно датчика. Визуализация алгоритма метода к-средних. Методы определения числа кластеров. Библиотека NbClust. Каменистая осыпь/локоть. Многомерное шкалирование для визуализации кластеров.

Проверка статистических гипотез. Гипотезы согласия, однородности, независимости, гипотзы о параметрах распределения.

Лекция №4 в курсе «Анализ данных на R в примерах и задачах» (весна 2016).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: goo.gl/s5XUcm
Ссылка на все лекции курса: goo.gl/1VmEdf

Алгоритмы на Python 3. Лекция №1


Практика: judge.mipt.ru/mipt_cs_on_python3/
Telegram-группа: t.me/tkhirianov_mipt_cs_on_python3
Спонсировать: www.patreon.com/tkhirianov или www.paypal.me/tkhirianov

курс: Информатика. Алгоритмы и структуры данных на Python 3.
лектор: Хирьянов Тимофей Фёдорович
прочитана 05.09.2017

Темы, рассмотренные на лекции №1:
— Что есть «информатика» и что понимает под этим лектор
— Что значит «уметь программировать»
— Hello, World!
— Концепция присваивания в Python
— Обмен двух переменных значениями через одну временную и две временные переменные.
— Множественное присваивание в кортежи переменных.
— Обмен значений.
— Арифметические операции. Возведение в степень, деление нацело.
— Цикл while. Инструкции управления циклом.
— Вложенный цикл while
— Условный оператор if
— Цикл for и его особенности в Python.
— Функция range()
— Оператор continue

Открытая лекция для студентов медицинских вузов


Преподаватели Академии анализа данных StatSoft на реальных примерах продемонстрировали основные методы, необходимые для грамотного проведения медицинского исследования, написания научных публикаций в тематические журналы, а также для статистической проверки квалификационных работ…

Как анализировать данные с Python библиотеками Pandas и Numpy [GeekBrains]


Начни карьеру с бесплатного курса «Основы программирования» goo.gl/jTP4nP

Анализ данных с Python библиотеками Pandas и Numpy.

Подписывайся на наш канал и смотри новые видео первым: www.youtube.com/progliveru

Проходи бесплатные курсы: goo.gl/4gG8TL
Выбери профессию: goo.gl/WSdYSE
Смотри вебинары: goo.gl/bBVKcb
Читай статьи: goo.gl/XfJNqc
Проверяй знания: goo.gl/gqKSsw

ВКонтакте vk.com/geekbrainsru
Facebook www.facebook.com/geekbrains.ru
Одноклассники ok.ru/geekbrains
Telegram t.me/geekbrains_ru
Instagram www.instagram.com/geekbrains.ru/

#программированиеpython #обучениеpython #вебинарpython #курсыpython #pythonонлайн #pythonбиблиотеки #geekbrains #программирование #курсыпрограммирования

Введение в машинное обучение | Григорий Сапунов (Intento)


Летняя школа по биоинформатике: bioinformaticsinstitute.ru/summer2017

Краткое введение в основы машинного обучения. Терминология, виды задач, решаемых машинным обучением. Этапы процесса машинного обучения, виды моделей и метрики качества.

Институт биоинформатики: bioinf.me

Анализ нормальности распределения STATISTICA #2 | СТАТИСТИКА STATISTICA


Анализ нормальности распределения STATISTICA. Как провести анализ нормальности распределения данных в программе STATISTICA. Содержание: нормальное распределение, график кривой Гаусса, асимметрия, эксцесс, стандартная ошибка асимметрии, стандартная ошибка эксцесса, частотные гистограммы, ящичные диаграммы, нормально-вероятностные графики, критерий Колмогорова-Смирнова, критерий Шапиро-Уилка в Статистике.

СТАТИСТИКА STATISTICA