What is Dataplex? - YouTube
@googledevs
🛠📈 Build a flexible, smart, and secure data analytics platform.
Learn how Dataplex:
⭐ Helps unify distributed data
⭐ Automates data management
⭐ Powers your analytics at scale
Watch → t.co/TJjZy1xCin t.co/euY2CQE14e
大事だけど解説が少ない「ドメイン知識」のこと、語ります 【データサイエンティスト / 機械学習エンジニア】 - YouTube
@grahamian2317
昨日、データ分析における「ドメイン知識」について概要と身につけ方を解説する配信しましたー
ドメイン知識とかよくわからんという人の参考になれば嬉しいです
アーカイブ残っているので見ていないって方はぜひご覧ください
資料はリプでぶら下げます
t.co/8yjc0qzSAI
Reverse engineering generative models from a single deepfake image
@EthicsPh
Similar to device fingerprints, image fingerprints are unique patterns left on images generated by a generative model that can equally be used to identify the generative model that the image came from.
t.co/uuV07oL6FS
How to democratize data and scale augmented analytics | AtScale
@AtScale
Making more #data accessible to various stakeholders across your organization is key to supporting smarter data-driven decision making. Where do you start? Join us for a live webinar on 6/29 to learn how!
Register today: t.co/K7FJTvA83o t.co/tj3U4DPChd
Analyze Datasets and Train ML Models using AutoML | CourseraListFilled Star...
@DeepLearningAI_
In “Analyze Datasets and Train ML Models using AutoML” - course 1 in our Practical Data Science Specialization - you'll learn foundational concepts for exploratory data analysis (EDA), AutoML, and text classification algorithms.
Enroll now: t.co/4P8ppEKiKe t.co/8zt8ajNWCZ
TRI at CVPR 2021. Toyota Research Institute is sponsoring… | by Toyota Rese...
@adnothing
Once again, TRI will be active at #CVPR 😀 Sponsoring, publishing, and presenting our research: t.co/KRjDAOTpsV Looking forward to it! @ToyotaResearch @CVPR #CVPR2021
Quick tour — transformers 4.7.0 documentation
@huggingface
v4.7.0 is a big release, with 4 new models:
🎡 RoFormer, with rotary embeddings
🔊 HuBERT, for speech recognition
💾 ByT5, a byte-to-byte model
📸 DETR, an Object Detection/Image Segmentation model
Videos from the 🤗course are now in the docs! t.co/9D3W3qMHeO t.co/m1L2SG9UHl
Data-Centric AI Competition
@AndrewYNg
Announcing the Data-Centric AI competition! I’m excited to invite you to participate in this new competition format, and see how you can improve an AI system only by refining the data it depends on! t.co/9S52L3BiZv t.co/PriTEj8Fh0
Webinar: Privacy-Centric Data Collection: Google Consent Mode – InfoTrust ...
@googleanalytics
Join @InfoTrustLLC next Thursday for a webinar on Privacy-Centric Data Collection: Google Consent Mode and the benefits it provides for marketers over traditional tag management.
Register now: t.co/cwf0XpayOe #measure t.co/JOF8ASJt2w
[2106.08254] BEiT: BERT Pre-Training of Image Transformers
@hillbig
BEiTはBERTをトークン化した画像に適用。画像をパッチに分割しトークン化した後、BERTと同様に入力の一部をマスクし、それを残りからから復元するタスクで事前学習させる。ImageNetで事前学習し分類やセグメンテーション向けにfine-tuneした場合、従来手法より高精度 t.co/WuZGCnmRzq
[2106.08254] BEiT: BERT Pre-Training of Image Transformers
@hillbig
BEiT applies BERT, pretraining by recovering masked input from the rest, to tokenized image patches. BEiT outperforms other self-supervised or supervised pre-training (even w/ larger labeled dataset) in downstream classification and segmentation tasks. t.co/WuZGCnmRzq
[2106.08254] BEiT: BERT Pre-Training of Image Transformers
@dakuton
Vision Transformerにて、BERTでのpre-train手法を画像ランダムクロップ水増しに転用。一部の入力を意図的にmaskした画像の元状態が何か？を当てさせるpre-trainモデルをbackbone利用。水増しは他にもいろいろできそう / BEiT: BERT Pre-Training of Image Transformers - t.co/KSdElAVtLo
日本取引所グループ ニュース分析チャレンジ | SIGNATE - Data Science Competition
@gamella
もうすぐ終了する #JQuants ですが、Web記事賞というものがありまして、6月21日(月)正午までに以下スレッドにブログやQiitaに感想やきづいたことなどを投稿しURLを貼り付けていただければ、審査対象となります！主催者一同楽しみにしておりますので、是非ご応募ください！
t.co/fIWZ000Bhj
[2103.15061] Invertible Image Signal Processing
@kuritateppei
sRGB画像からほぼ完全なRAW画像を復元する。従来手法ではISPの情報損失を伴うStepが性能を制限していた、そこでRAW⇔RGBの反転可能なISPを実現する反転可能なNNを提案。JPEGの量子化プロセスでの損失を抑えるために微分可能なJPEGシミュレータをネットワークに統合。すごい。
t.co/eZnHpyXUTx t.co/3Br5kwKWt4
第6回：OR-Toolsで巡回セールスマン問題を解く ～京都弾丸観光ツアーの作成を事例に～【ブレインパッドの数理最適化ブログ】 - Platinum ...
@ohtaman
取締役に行ってもらうまでがブログです。
t.co/jq7BjP4CK5
t.co/ynPpQvFzZs
第6回：OR-Toolsで巡回セールスマン問題を解く ～京都弾丸観光ツアーの作成を事例に～【ブレインパッドの数理最適化ブログ】 - Platinum ...
@BrainPad_PR
【 #巡回セールスマン問題 として京都弾丸観光プランを作る！】
「1日により多くの京都観光地を巡る」を問題例に、Google のOR-Toolsで解いてみました。移動は徒歩、ランチはどこで？といった数々の制約の中、いくつ訪問できるのか。ぜひご一読ください！
t.co/Dh4578dxtA
#数理最適化
AugLy: A new data augmentation library to help build more robust AI models
@facebookai
We’ve just open-sourced AugLy, a new #Python library that will help AI researchers use data augmentations to evaluate and improve the robustness of their machine learning models. Read more: t.co/w1FBLKMUFh t.co/Rqrd9f8JYJ
AugLy: A new data augmentation library to help build more robust AI models
@EdgeImpulse
AugLy is a new open source Python library from @FacebookAI that will help AI researchers use data augmentations to evaluate and improve the robustness of their machine learning models: t.co/14mDtYKFzW t.co/qaOO2vfUqa
AugLy: A new data augmentation library to help build more robust AI models
@carlcarrie
Facebook open sources AugLy a data augmentation tool for machine learning model building in a world where #ml opportunities are increasingly multi-modal: text, video, audio and image
t.co/B4QXe94DeB
Python GitHub:
t.co/z1pGkqVist
Colab:
t.co/3Kg0ZHE2JS t.co/fiYSIIAVJN
W&D(ワイド＆ディープネットワークモデル)による医療画像分析(前立腺がん) | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア
@ai_scholar
医療画像分析技術はdeep learningの発展とともに近年大きく進化しています。今回の論文では前立腺がんの医療画像診断をW&Dモデルというレコメンド有名なネットワークを中心ににみていきます！
t.co/VLz0EEH4VW
PoliInfo3 |
@NTCIR
#ntcir16 task:
QA Lab-PoliInfo-3: Question Answering Lab for Political Information
"QA Lab-PoliInfo-3 aims to solve four tasks Question Answering, QA Alignment, Fact Verification and Budget Argument Mining) in political issues."
Website: t.co/ZwVwM6VRHR
#ntcir
NTCIR-16 - FinNum-3
@NTCIR
#ntcir16 task:
FinNum-3: Investor’s and Manager’s Fine-grained Claim Detection
"Investor’s and Manager’s Fine-grained Claim Detection"
Website: t.co/e8q92iU8a5
#ntcir
ルールベース画像処理のススメ - Speaker Deck
@fkubota_
#分析コンペLT
今日の発表資料です。
楽しんでもらえるような構成にしました。
間違ってるところあったら優しく教えて下さい😊
t.co/drLg0de4VR
ルールベース画像処理のススメ - Speaker Deck
@0001_vt
むしろこの辺のアプローチもわからないで画像処理エンジニアって名乗ってる人がいるの？ウソだろって言いたくなる
t.co/Hq6SBPQiAh
[2106.04554v1] A Survey of Transformers
@ELYZA_inc
【Transformerの包括的サーベイ】
様々なTransformerを細かく分類し、40ページにわたって網羅的に解説している。
t.co/H8REuAhVDD t.co/B1q1ipCCcA
キャラ配信アプリ『IRIAM』、Preferred Networksの技術提供のもと「AIによる自動キャラモデリング技術」を世界初となるスマホ実用化水...
@u_nyon_san
へーIRIAMってこういう技術使ってたのかぁ...
記事で見ると興奮しちゃうね
t.co/dhyRgOYRZ1
Google Cloud Data Analytics OnAir
@llminatoll
本日開催📺✨
Google Cloud のデータベース系オンライン配信にも、急遽 湊川あいがゲスト参加させていただくことになりました🎨 絵でまとめるよ
▼本日のテーマ
『最速振り返り - Data Cloud Summit 最新サービスアップデート - データ管理・データベース編』
t.co/mD4vYicHqS
#gc_da t.co/ta9bYZPibD
Google Cloud Data Analytics OnAir
@llminatoll
配信時間は
6月 18日 (金) 16:00 - 17:00
アーカイブも残るので「その時間は仕事中で見られないよ〜😭」という方も大丈夫です♪
▼詳細・視聴登録（無料）
t.co/mD4vYicHqS
ハッシュタグは #gc_da です！わくわく！
Google Cloud Data Analytics OnAir
@llminatoll
とっても充実の内容だったので、絵にできなかったところも多々！
「仕事で見れなかった」「見逃した」というかたも大丈夫！
アーカイブがこちらから、どなたでもご覧いただけますよ〜😆
▼
t.co/mD4vYicHqS
#gc_da
Lecture Videos | Statistics for Applications | Mathematics | MIT OpenCours...
@omarsar0
If you are planning to go deep into machine learning, please don't skip going over a Statistics course.
Recently, I was reviewing this MIT Statistics course and I think it's really great.
The pace and content are good. 24 lectures, about 1 hr each!
t.co/2tD5PTVUmH t.co/uysQro8oq5
みんなが知らない pytorch-pfn-extras
@tawatawara
本日の発表資料です。認知度が低すぎると pytorch-pfn-extras と更に認知度の低い Config Systems の紹介をしました。
これで pfn-extras 使いが増えると嬉しいです🙏
#分析コンペLT
t.co/1g1UgloP3Z
Edge machine learning - Google Slides
@s_scardapane
I made a small presentation on 2 recent works we did on edge machine learning:
(i) Differentiable branching for conditional exits, and (ii) distributed training for GCNs.
Thanks @dariozanca @FAU_MaD_Lab for the invitation!
t.co/fMjgwINznv t.co/lprS7hKG8a
[2004.01461] Gradient Centralization: A New Optimization Technique for Deep...
@fchollet
Also check out the original paper: t.co/3m7N5zWTiY
Intro to Vertex Pipelines | Google Codelabs
@SRobTweets
Ever hear the term "ML pipelines" and feel overwhelmed because you don't know where to start?
I've got you covered with this new tutorial! ⬇️
t.co/JetlqeJW4k
CVPR 2021 Tutorial on Self-Supervised Representation Learning
@abursuc
Leave Those Nets Alone: Advances in Self-Supervised Learning.
Join us this Sunday for our #cvpr2021 tutorial to discover what's cooking these days in the different flavors of self-supervised learning. Recordings and slides will be online right after.
t.co/6iKdeegMnD t.co/UPnpfkLaOq
Why you need to explain machine learning models | Google Cloud Blog
@GoogleCloudTech
Explainable AI (XAI) is essential to widespread #AI adoption. In this post, @lak_gcp shares common XAI methods and how Google Cloud can help ↓ t.co/QuR61OpdLu
AIcrowd | NeurIPS 2021: MineRL Diamond Competition | Challenges
@icoxfog417
マインクラフトでダイヤモンドを発掘するアルゴリズムを開発するコンペティションがスタート。人間のプレイデータ(6000万フレーム)を元手に、1台のGPUで4日以内で学習、発掘を目指す。
t.co/zVCUfrbQOD
Reverse engineering generative models from a single deepfake image
@EthicsPh
Similar to device fingerprints, image fingerprints are unique patterns left on images generated by a generative model that can equally be used to identify the generative model that the image came from.
t.co/uuV07oL6FS
[2106.09333] A variational quantum algorithm based on the minimum potential...
@gyken_post
t.co/w0nwAmCtnw
ポアソン方程式を解くための最小ポテンシャルエネルギーに基づくVQA
ポアソン方程式を全ポテンシャルEの最小値問題に書き換え
→Eを定数項パウリ&パラメタ付き状態ベクトルで表現
→コスト最小化
＃必要になったら読む
豊田と東大
不安箇所はきっちり潰してある。流石豊田 t.co/9NG53lrBiS
CVPR 2021 Tutorial
@RisingSayak
MY first time as a tutorial presenter at #CVPR. So, definitely looking forward to all the feedback :)
P.S.: The tutorial is tomorrow EDT time. We will try to release the prerecorded video afterward. You can check the materials (slides + code) here: t.co/4v4MJeD7mC t.co/KZJQfMAKXC
CVPR 2021 Tutorial
@pinyuchenTW
Looking forward to feedback of our @CVPRConf tutorial on practical adversarial robustness in deep learning (pre-recorded video + live Q&A from 7:30-8 pm EDT on June 20th). It covers recent progress in #AdvML and code walkthroughs.
Website: t.co/v38p4UpRVP
@IBMResearch t.co/KsA5ujV1IC
CatMeows: A Publicly-Available Dataset of Cat Vocalizations | Zenodo
@DynamicWebPaige
"This dataset, composed of 440 sounds, contains meows emitted by cats in different contexts. Specifically, 21 cats belonging to 2 breeds have been repeatedly exposed to three different stimuli that were expected to induce the emission of meows."
😸😹😸
t.co/zjvXrD8y2N t.co/ZWESVf1T4s
CatMeows: A Publicly-Available Dataset of Cat Vocalizations | Zenodo
@choffstein
Can't wait to figure out the alpha buried in this alternative data set
t.co/581UErFpOJ
CatMeows: A Publicly-Available Dataset of Cat Vocalizations | Zenodo
@mootastic
ネコの鳴き声データセット。21匹のネコによる440回の発声が記録されている。付随情報として、ネコの品種、性別、個体番号、発声したときの状況など。
t.co/qWzQGeStyi
CatMeows: A Publicly-Available Dataset of Cat Vocalizations | Zenodo
@max_hodak
This is some fantastic science and a valuable public dataset
t.co/oaVxeguouc
Competition: Facebook AI Image Similarity Challenge: Matching Track
@ZFPhalanx
Facebook主催の画像検索コンペ。
賞金総額は＄200k
t.co/6sIPN6tUS8
Data-Centric AI Competition
@icoxfog417
機械学習モデルではなく、データ改善のコンペティションが公開。誤ったラベルの修正や注意すべきエッジケースの増量を実施する。主催者はCourseraの機械学習コースで有名なAndrew Ng氏！続報をまとう。
t.co/IWRA0EVQCN
Data-Centric AI Competition
@AndrewYNg
Announcing the Data-Centric AI competition! I’m excited to invite you to participate in this new competition format, and see how you can improve an AI system only by refining the data it depends on! t.co/9S52L3BiZv t.co/PriTEj8Fh0
Data-Centric AI Competition
@landingAI
Learn how a simple shift in focus can improve AI by participating in our #Data-Centric #AI Competition, where contestants compete to get the best performance by changing the data. Hosted by @AndrewYNg and his teams at @landingAI and @DeepLearningAI_ t.co/8U61nMLfEi t.co/iGUUsX4aGb