A Beginners Guide and Tutorial for GANs   
Via O'Reilly, supported by Google. A Simplified Tutorial.  Instructive, not the idea of a network generating content.

Beginner's guide to GANs

This tutorial will show you how to build a generative adversarial network that learns to generate handwritten digits—essentially you'll teach a neural network how to write. You can download and modify the code from this tutorial on GitHub.

Generative Adversarial Networks for Beginners
Build a neural network that learns to generate handwritten digits.
By Jon Bruner,  Adit Deshpande  
Practical Generative Adversarial Networks for Beginners

You can download and modify the code from this tutorial on GitHub ... 

According to Yann LeCun, “adversarial training is the coolest thing since sliced bread.” Sliced bread certainly never created this much excitement within the deep learning community. Generative adversarial networks—or GANs, for short—have dramatically sharpened the possibility of AI-generated content, and have drawn active research efforts since they were first described by Ian Goodfellow et al. in 2014.

GANs are neural networks that learn to create synthetic data similar to some known input data. For instance, researchers have generated convincing images from photographs of everything from bedrooms to album covers, and they display a remarkable ability to reflect higher-order semantic logic.   .... " 


          What is Deep Learning ??   
This article basically just a translation version of the article of deep learning previously in bahasa Indonesia. This time I want to share about what is deep learning, at least as far as I have learned untul this day (when this…
          Comment on Bitcoin Price Prediction for 2017 by Dave   
$6,000 by year’s end. I found very interesting also predictions from cryptomon.io. They used deep learning algorithms, with very promising accuracy.
          Comentario en Cómo la Inteligencia Artificial potencia el Marketing por Fernando Ferreiro   
Buen post Juan. Un tema interesante pero sin duda da miedo, aunque la verdad, con que jazztel deje de llamarme todos los días me doy por dichoso. Me gustaría saber tu opinión sobre deep learning / IA / SEO. Un saludo.
          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          Junior algoritmus fejlesztő munkakörbe keresünk munkatársat. | Feladatok: Mozgáselemzéssel kapc...   
Junior algoritmus fejlesztő munkakörbe keresünk munkatársat. | Feladatok: Mozgáselemzéssel kapcsolatos kutatás-fejlesztésAlgoritmus fejlesztésInnovatív, nagyvállalati ügyfélprojektekben való részvétel. | Mit ajánlunk: Kreatív, alkotó munka lehetőségétA startup fázis lelkesedésétGyorsan növekvő, pénzügyileg stabil cég biztonságátJulia nyelv megismerését pythonszerű, de néha a C-nél is gyorsabbErlang nyelv megismerését funkcionális nyelv elosztott, hibatűrő rendszerekhezSzakmai tapasztalatot Deep Learning, Statistical Learning, biometrika terénVersenyképes fizetést és rugalmas munkavégzést, akár egyetem mellett is | Elvárások: Nyitottság a tanulásra és fejlődésreProgramozói tudás - legalább egy önállóan megvalósított hobbiprojektMagasszintű matematikai készségCsapatmunkához szükséges kommunikációs készség | További elvárások: Funkcionális programnyelvek ismerete pl. Erlang, ElixirVerziókövetési rendszerekben szerzett tapasztalatAgilis fejlesztési módszertan ismerete | További infó és jelentkezés itt: www.profession.hu/allas/1040857
          ubnutu 16 asiri isinma sorunu (28 Mesajlar Yaz)   
bir ihtimal karsilasmis vardir diye sorayim
asus ux32vd var, ubnutu 16.04 yukleyince cpu isisi 70in altina dusmuyor.
fan fln da calisiyor ama nafile.
sensorler yanlis veri gonderio desem, alev alev yanio alet sensorler dogru.

bu asuslarda 2 ekran karti var (ne bokuma varsa) bumblebee diye bi proje varmis onla external olani deaktif ediyorsun, ettim ama nafile, tlc diye bi performan tweeker var kurduk ama nafile.
core speed 1.7 ki normal olani bu.
gpu speed normal (artik hangi gpu yu olcuo bilmiom gerci)
diger temp verileri de fena degil

ama cpu cilgin atiyor
benzeri problem yasayip deneyimleims olan var midir?

keras windowsta calismio, linuxta alet yanio
bi deep learning yaptirmadilar adama ya :)
          (Summary) A Fusion Face Recognition Approach based on 7-Layer Deep Learning Neural Network   
Title : A Fusion Face Recognition Approach based on 7-Layer Deep Learning Neural Network Author : Jianzheng Liu, Chunlin Fang, and ChaoWu Research Object : Face Recognition Why Face Why Face Recognition Available methods and Advantages and Disadvantages Lu et al Method (Discriminative Multi-Manifold Analysis/DMMA) (+) Training is just only one sample face image. Most of Face […]
          Deep Learning (.notes)   
Notes or a summary of Deep Learning that i know. Have 7 layer (6 constructed layer, 1 layer for softmax regression) First 6 layers are built by DBN (Deep Belief Network) Deep Belief Network is using RBM (Restricted Boltzmann Machine) algorithm RBM constructing system that called auto encoder Auto encoder have responsbility to reduce number […]
          Solutions Architect - Autonomous Driving - NVIDIA - Santa Clara, CA   
Be an internal champion for Deep Learning and HPC among the Nvidia technical community. You will assist field business development in guiding the customer...
From NVIDIA - Fri, 23 Jun 2017 07:33:44 GMT - View all Santa Clara, CA jobs
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
EXL serves the insurance, healthcare, banking and financial services, utilities, travel, transportation and logistics industries....
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          Re: Video Of The Week: Purpose, Mission, Strategy   

Lots of maths, science and economic modeling problems still need to be solved for both AI and blockchain.

There's also something of a paradox, right? Deep Learning is "black box" opaque. Yet a core tenet of blockchain is transparency.


          Nuit Blanche in Review (June 2017)   

Since the last Nuit Blanche in Review (May 2017) we've had three implementations related to Deep Neural Networks, a few in-depth post ranging from training nets to compressive sensing,  a dataset, two Paris Machine Learning meetups, one meeting announcement, several videos of talks and four job announcements. Enjoy !

Implementations

In depth

Book
Dataset

Paris Machine Learning meetup

Meeting
slides

Videos

Job:






Join the CompressiveSensing subreddit or the Google+ Community or the Facebook page and post there !
Liked this entry ? subscribe to Nuit Blanche's feed, there's more where that came from. You can also subscribe to Nuit Blanche by Email, explore the Big Picture in Compressive Sensing or the Matrix Factorization Jungle and join the conversations on compressive sensing, advanced matrix factorization and calibration issues on Linkedin.

          数据不够大,别玩深度学习?正反双方撕起来了   
  李林 问耕 发自 凹非寺   量子位 报道 | 公众号 QbitAI   争论,随时可能爆发。   比方当你看到一篇名为《数据不够大,别玩深度学习》(Don’t use deep learning your data isn’t that big)的博客时。   作者Jeff Lee...
          Senior Deep Learning Engineer   

          Backend / Infrastructure Engineer - Focal Systems - Canada   
Bachelors Degree in CS / EE, or higher. We are creating cutting-edge systems to support deep learning models being run in real time, an ever-growing IOT...
From Focal Systems - Fri, 30 Jun 2017 10:39:56 GMT - View all Canada jobs
          Deep Learning Computer Vision Researcher - Focal Systems - Canada   
Masters or PhD in CS / EE or equivalent. Focal Systems is a Deep Learning first company....
From Focal Systems - Fri, 30 Jun 2017 10:39:34 GMT - View all Canada jobs
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
EXL Analytics offers an exciting, fast-paced and innovative environment, which brings together a group of sharp and entrepreneurial professionals who are eager...
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Deep Learning / Computer Vision Research Engineer   
NY-New York City, If you are a Deep Learning / Computer Vision Engineer with experience, please read on! What You Will Be Doing More info coming soon What You Need for this Position At Least 3 Years of experience and knowledge of: - Deep Learning - Computer Vision - Image Processing - Object Recognition - Convolutional Neural Networks - CNNs So, if you are a Deep Learning / Computer Vision Engineer with experience,
          Deep Learning / Computer Vision Research Engineer   
NY-New York City, If you are a Deep Learning / Computer Vision Engineer with experience, please read on! What You Will Be Doing More info coming soon What You Need for this Position At Least 3 Years of experience and knowledge of: - Deep Learning - Computer Vision - Image Processing - Object Recognition - Convolutional Neural Networks - CNNs So, if you are a Deep Learning / Computer Vision Engineer with experience,
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
EXL serves the insurance, healthcare, banking and financial services, utilities, travel, transportation and logistics industries....
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Lead Software Engineer - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Mon, 24 Apr 2017 19:28:13 GMT - View all Toronto, ON jobs
          Processor Architect/Designer - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Mon, 24 Apr 2017 19:27:36 GMT - View all Toronto, ON jobs
          Deep Learning Expert - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Fri, 31 Mar 2017 18:03:58 GMT - View all Toronto, ON jobs
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
EXL serves the insurance, healthcare, banking and financial services, utilities, travel, transportation and logistics industries....
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Backend / Infrastructure Engineer - Focal Systems - Canada   
Bachelors Degree in CS / EE, or higher. We are creating cutting-edge systems to support deep learning models being run in real time, an ever-growing IOT...
From Focal Systems - Fri, 30 Jun 2017 10:39:56 GMT - View all Canada jobs
          Deep Learning Computer Vision Researcher - Focal Systems - Canada   
Masters or PhD in CS / EE or equivalent. Focal Systems is a Deep Learning first company....
From Focal Systems - Fri, 30 Jun 2017 10:39:34 GMT - View all Canada jobs
          COMO CHICO XAVIER FEZ DO BRASIL O MAIOR PAÍS ESPÍRITA DO MUNDO - INTELIGÊNCIA ARTIFICIAL PÔS A PROVA PSICOGRAFIA DE CHICO CHAVIER   

Como Chico Xavier fez do Brasil o maior país espírita do mundo

Resultado de imagem para COMO CHICO XAVIER FEZ DO BRASIL O MAIOR PAÍS ESPÍRITA DO MUNDO - INTELIGÊNCIA ARTIFICIAL PÔS A PROVA PSICOGRAFIA DE CHICO CHAVIER

O médium conquistou 3,8 milhões de fiéis – e 30 milhões de simpatizantes – em 75 anos de trabalho

Resultado de imagem para CHICO XAVIER
Em 75 anos de trabalho, Chico Xavier conseguiu fazer do Brasil a maior nação espírita do mundo. Mais de 3,8 milhões de brasileiros se dizem seguidores da religião. Contando os simpatizantes, o número pula para 30 milhões. Esse talvez seja o principal legado do médium no Brasil: tornar a religião acessível, conhecida e respeitada.
Os brasileiros logo reconheceram a dimensão do médium. Em 2006, a revista Época decidiu escolher o maior brasileiro da história. A publicação formou uma comissão com 33 personalidades notáveis, que ia do ex-presidente Fernando Henrique ao ator Paulo Autran, para escolherem o agraciado. Deu empate entre o escritor Machado de Assis e o político e diplomata Ruy Barbosa. A redação se viu obrigada a votar também, e o escolhido foi Barbosa. Em paralelo, Época criou uma enquete online para dar voz aos leitores na questão. A revista colocou no site uma lista de 50 nomes pré-selecionados. 
O médium não estava entre as sugestões oferecidas pela redação. Mas a votação previa um espaço em branco para que o leitor elegesse outras pessoas. Com essa brecha, o azarão Chico Xavier assumiu a ponta da eleição e terminou em primeiro lugar, com 36% dos votos, o dobro do segundo colocado, Ayrton Senna.
Chico também venceu o concurso O Maior Brasileiro de Todos os Tempos, promovido pelo SBT ao longo de 12 programas em 2012. Para chegar ao posto, o mineiro deixou para trás Irmã Dulce, Princesa Isabel, Oscar Niemeyer e Juscelino Kubitschek. Chico, no programa final, foi representado pelo amigo Saulo Gomes, o jornalista que lhe convenceu a dar a entrevista para o Pinga-Fogo.
Desde 2002, o mineiro calou-se, mas deixou um amplo e fértil terreno para outros espíritas trilharem seu caminho. Chico não deixou herdeiros diretos. Na Casa da Prece, em Uberaba, ele era o único médium. Mas a semente estava plantada. A cidade tinha cerca de cem centros espíritas no ano da sua morte. No vácuo de Chico, nomes como Divaldo Pereira Franco puderam consolidar suas carreiras. 
Divaldo é o maior missionário do espiritismo. Aos 89 anos, quase 70 deles dedicados à doutrina, percorreu os cinco continentes e milhares de cidades brasileiras para divulgar a religião por meio de palestras e entrevistas, sendo o principal responsável pela abertura de novos centros e pelo crescimento do movimento fora do Brasil. Achou conforto nos espíritos ainda criança, quando dois irmãos morreram. Em 1947, aos 20 anos de idade, fundou um centro espírita em Salvador.
Começou a psicografar mensagens ainda na adolescência. O primeiro livro, Messe de Amor, só seria publicado em 1964, quando Divaldo já tinha quase 40 anos. Mas depois disso deslanchou: foram mais de 250 títulos, alegadamente guiados por mais de 200 espíritos. Vendeu 8 milhões de exemplares, com tradução para quase 20 idiomas. Parte do sucesso se explica pela versatilidade. Nos seus textos, Divaldo explorou vários estilos, tendo publicado contos, romances, poemas e crônicas. Os temas também foram plurais: há livros psicológicos, doutrinários, históricos e até mesmo infantis.
Divaldo diz que recebe mensagens de uma mentora chamada Joanna de Ângelis, espírito que teria um talento especial para reencarnar em pessoas que testemunharam fatos históricos. Em suas vidas passadas, Joanna teria sido uma das mulheres que acompanhavam Jesus no momento da crucificação, a fundadora de uma ordem católica no século 13, uma poetisa mexicana no século 17 e mártir da independência da Bahia em 1822.
Com a ajuda de Joanna, Divaldo diz ter escrito os livros Autodescobrimento, de 1995, e Triunfo Pessoal, de 2002, sucessos recentes de uma série psicológica em que o médium explora uma abordagem mais próxima da autoajuda. Embora respeitosas à doutrina kardecista, as psicografias do médium baiano estão mais alinhadas a uma nova faceta do espiritualismo, em que os adeptos buscam apoio do plano dos mortos para prosperar e superar os problemas do cotidiano. 
Embora seja conhecido pela psicografia, Divaldo diz possuir talento para clarividência, vidência e psicofonia – a habilidade de falar em nome de espíritos. Além da importância dentro do movimento espírita, Divaldo também é responsável por projetos sociais na cidade de Salvador, onde fundou a Mansão do Caminho, em 1952. 
O mercado editorial espírita deve muito a Chico Xavier. Ele escreveu mais de 400 livros em vida e deixou um catálogo de 491 títulos, incluindo as obras póstumas com coletâneas de textos inéditos. Divaldo e outros autores alinhados à doutrina vendem milhões de exemplares, uma babilônia perto das tiragens médias de 3 mil exemplares dos livros do mercado “laico”. A grande massa de leitores espíritas cultivada por Chico Xavier permitiu, por exemplo, o sucesso de Zibia Gasparetto, uma médium de 90 anos autora de livros supostamente psicografados desde 1958. Ela coleciona mais de 40 títulos, alguns deles traduzidos para o inglês, espanhol e japonês, e acumula mais de 16 milhões de exemplares vendidos. É figura constante nas listas dos best-sellers brasileiros. 
Mas a autora se distanciou da doutrina. Ela já foi kardecista engajada, deixou o movimento e hoje se diz identificada com o termo “espiritualista”, mais genérico que “espírita”, uma palavra que pode ser entendida como sinônimo de “kardecista”. No final dos anos 1960, Zibia fechou o centro espírita que mantinha com a venda de livros e passou a publicar por uma editora própria. Manteve poder sobre seus direitos autorais, uma decisão radicalmente oposta aos ensinamentos de Chico Xavier e que rende críticas até hoje – para os espíritas, o médium não pode ganhar em cima do que teria recebido de graça. Zibia é empresária e comanda uma lucrativa operação familiar que inclui programas de televisão, rádio e palestras – além dos livros. Ela não enxerga conflito ao monetizar o suposto dom mediúnico. Embora enfrente certa oposição, Zibia encontrou sucesso dentro e fora do movimento espírita, e parte da explicação está no teor das obras, que transitam no popular segmento de autoajuda. 
Outro pilar espírita de hoje está em Goiás. Mais precisamente para a cidade de Abadiânia, onde João de Deus promove seus tratamentos sobrenaturais. Estima-se que ele já tenha tratado mais de 9 milhões de pessoas na Casa Dom Ignácio de Loyola, seu quartel-general em Abadiânia. Lá, ele promove sessões de reza e meditação, mas também corta alguns doentes com bisturis, dispensando qualquer anestesia, ou enfia facas ou tesouras nas narinas dos pacientes. Tudo parece ocorrer sob algum tipo de transe, e os voluntários dizem que não sentem dor. João de Deus já teria arrancado até tumores do cérebro de doentes com suas técnicas nada ortodoxas. Quando incorpora o papel de médico, o médium fica com o olhar perdido e fala pouco. Parece fora de si. 
As filas que contornavam os quarteirões de Uberaba agora são vistas em Abadiânia. Ônibus de todo o Brasil estacionam na cidade de 17 mil habitantes que vive em função de atender as caravanas de doentes. São apenas 117 km de Brasília, uma posição privilegiada que ajuda a ampliar a clientela de João de Deus. O médium é um fenômeno no Brasil, mas cerca de 80% dos doentes vem do exterior, onde ele é conhecido como John of GodEm 2012, foi a vez da apresentadora Oprah Winfrey desembarcar em Abadiânia para encontrar o curandeiro e gravar segmento para o seu programa, um dos campeões de audiência nos Estados Unidos. Parte da fama internacional veio após o depoimento da atriz Shirley MacLaine, que diz ter sido curada de um câncer no abdômen com a ajuda do curandeiro.
Divaldo, Zibia e João de Deus podem ter ocupado o espaço que foi todo de Chico Xavier, mas os seguidores ainda aguardam notícias do mineiro. Antes de morrer, Chico afirmou que não se manifestaria logo do mundo espiritual. Mas deixou uma senha, ou seja, um código secreto, para confirmar a autenticidade de mensagens suas quando enfim resolvesse se comunicar direto do plano dos mortos. Ele queria evitar que charlatões anunciassem a chegada de uma mensagem exclusiva sua – o que lançaria qualquer médium ao estrelato. A chave para o contato com Chico no além foi entregue oito anos antes da sua morte ao filho adotivo, Eurípedes Higino dos Reis, ao médico e amigo Eurípedes Tahan Vieira e para a vizinha Kátia Maria. Cada um recebeu uma palavra diferente, um segredo individual, que não deve ser compartilhado nem entre os integrantes do trio. A verdadeira carta enviada por Chico teria necessariamente essas três palavras mágicas. Os fiéis seguem aguardando.

Espiritismo – 11 respostas sobre Chico Xavier

CHICO XAVIER MORREU EM 2002, AOS 92 ANOS, DEIXANDO MAIS DE 400 LIVROS PSICOGRAFADOS. NO ANO PASSADO, QUANDO COMPLETARIA 100 ANOS, ATRAIU 3,4 MILHÕES DE PESAS AOS CINEMAS PARA ASSISTIR AO LONGA BRE SUA VIDA - QUE É, DE FATO, UMA SAGA DIGNA DE FILME. SUA HISTÓRIA INSPIRA MUITAS PERGUNTAS. CONFIRA ALGUMAS RESPOSTAS.

1. Quando Chico Xavier começou a se comunicar com os espíritos? O médium contava que papeava com espíritos desde a infância, na cidade mineira de Pedro Leopoldo: sob protestos do pai e da madrinha, falava com a mãe, morta quando ele tinha cinco anos. Também psicografava textos na lousa da escola e até recebeu menção honrosa num concurso de redação em que teria contado com a ajudinha de um espírito que lhe ditou o texto.
2. Como ele ficou tão conhecido? Chico começou a ganhar fama – e a motivar polêmicas – em 1932, com a publicação de Parnaso de Além-Túmulo, uma coletânea de 259 poemas assinados por nomes como Castro Alves, Augusto dos Anjos e Casimiro de Abreu. Quando ele apareceu numa sabatina no Pinga-Fogo, programa da TV Tupi, em 1971, a transmissão começou às 23h30 e só terminou perto das 3h, com 75% de audiência no estado de São Paulo. A repercussão foi tamanha que a Tupi repetiu a dose numa nova entrevista, transmitida durante quase quatro horas em rede nacional. O líder espírita de óculos grandes, peruca e terno tornara-se um popstar.
3. Quantos livros ele psicografou? Sua obra foi traduzida para quantas línguas? Ao longo de 92 anos, foram 459 livros – nos períodos de maior atividade, chegou a escrever 14 títulos num único ano. Os textos foram traduzidos para 15 línguas, incluindo japonês, grego, tcheco e esperanto. Há também edições em braile.
4. Ele tinha o dom de curar doenças? Há relatos de gente que se curou de enxaqueca, paralisia e outras doenças graças a ele, mas Chico defendia que sua principal tarefa eram os livros. Durante as sessões públicas, limitava-se a distribuir receitas com mensagens de estímulo e, no máximo, indicações de fitoterápicos. Ele nunca foi acusado de exercer ilegalmente a medicina. Em caso de doença grave, recomendava procurar um médico tradicional. Ele mesmo foi operado de um tumor na próstata e buscou solução para a catarata em hospitais comuns.
5. Que escândalos ameaçaram a imagem do médium? 
Em 1944, familiares de Humberto de Campos reivindicaram na Justiça os direitos autorais de textos do escritor que teriam sido psicografados por Chico. Perderam a causa. Em 1958, o sobrinho Amauri Pena Xavier declarou ao jornal Diário de Minas que as obras que ele e o tio psicografavam em Pedro Leopoldo não passavam de resultado da sua criatividade e facilidade para imitar o estilo de poetas famosos. Amauri era alcoólatra, e morreu internado num sanatório. Logo depois do episódio, Chico se mudou para Uberaba. Já em 1986, um jornal local denunciou que policiais e taxistas estariam cobrando por consultas particulares com o médium. Ao que tudo indica, Chico não sabia do esquema.
6. Ele ficou rico? Depois de vender verduras na rua, dar expediente noturno numa fábrica de tecidos e ser balconista de um armazém em Pedro Leopoldo, Chico trabalhou como escriturário até se aposentar por invalidez, em 1963. Viveu com esse dinheiro e com a ajuda de amigos até o final da vida – os direitos autorais de seus livros foram doados, com registro em cartório, para obras assistenciais.
7. Que famosos procuraram sua ajuda? A atriz Nair Bello, a cantora Wanderléa e a escritora de novelas Gloria Perez passaram pelo Grupo Espírita da Prece, o centro que Chico mantinha em Uberaba, buscando notícias de seus filhos mortos. Vanusa, a cantora que recentemente andou escorregando na letra do hino nacional, foi perguntar a Chico se o relacionamento com o também cantor Antonio Marcos tinha jeito. Xuxa e Clodovil recorreram ao médium, assim como Roberto Carlos, que, apesar de ser católico fervoroso, foi ao seu encontro em Uberaba várias vezes. Entre os ex-presidentes da república, Juscelino Kubitschek se envolveu pessoalmente para que a aposentadoria de Chico fosse agilizada, e Fernando Collor de Mello foi visitá-lo três vezes.
8. Quem é Emmanuel? É o guia (ou conselheiro espiritual) de Chico, a quem ele recorria nos momentos de dificuldade. Emmanuel teria ditado a Chico boa parte dos livros psicografados, embora não fosse o único: mais de 200 espíritos teriam se comunicado com o lado de cá por meio das obras escritas por Chico. Em outras vidas, Emmanuel teria sido o senador romano Publius Lentulus e, já no Brasil, o padre Manoel da Nóbrega.
9. Ele previu a própria morte? Mais ou menos. Ele disse que iria “desencarnar” num dia de muita felicidade para o Brasil. Morreu aos 92 anos, às 19h30 de 30 de junho de 2002, data em que a seleção brasileira conquistou o pentacampeonato na Copa do Mundo.
10. O que aconteceu com o centro espírita de Uberaba depois que ele morreu? As sessões de psicografia foram suspensas, e a casa simples onde o médium viveu os últimos anos em Uberaba foi transformada em museu. A entrada é grátis, mas contribuições são bem-vindas. Membros do centro leem o evangelho e ministram passes. No terreno funcionam também uma livraria e uma loja de lembrancinhas, com produtos que exibem a imagem de Chico Xavier. As doações de alimentos e roupas, além da assistência médica e odontológica à população carente, continuam acontecendo graças aos direitos autorais dos livros e às contribuições que foram mantidas.
11. Depois de morto, Chico já deu sinal de vida? Seu filho adotivo, Eurípedes Higino, afirma que não, embora se fale em mais de 200 recados psicografados por médiuns do Brasil inteiro em nome do espírito de Chico Xavier. Antes de morrer, o mineiro teria combinado com o filho, com o médico Euripedes Tahan Vieira e com a amiga Kátia Maria um código secreto para garantir a autenticidade das mensagens. Até agora nenhuma delas passou pelo teste.
• 2 milhões de assinaturas foram recolhidas para a candidatura de Chico ao Prêmio Nobel da Paz, em 1981.
• Há 100 centros kardecistas em Uberaba. Quando Chico se mudou para lá, eram 14.
• 120 mil pessoas foram ao velório de Chico, que durou 48 horas.
ESPÍRITOS QUE FAZEM JUSTIÇA
As cartas de Chico Xavier foram parar nos tribunais: serviram como prova no julgamento de José Divino, acusado de matar com um tiro seu melhor amigo, Maurício Garcez Henrique, de 15 anos, em Goiânia, em 1976. Na carta psicografada pelo médium, Maurício declarava que o disparo fora acidental, o que batia com a versão contada pelo réu – que acabou inocentado.

Inteligência artificial pôs à prova psicografia de Chico Xavier

Redes neurais artificiais analisaram obras do médium, morto há exatos 15 anos. E concluíram: fé à parte, Chico era um fenômeno mesmo.

Francisco Cândido Xavier morreu há 15 anos, deixando para trás mais de 412 livros escritos. Mas ele sempre rejeitou a autoria de todos: a obra seria inteira psicografada, ditada diretamente de espíritos que falavam ao médium.
Com o aniversário de falecimento do líder espírita, uma empresa brasileira resolveu investigar a obra de Chico usando inteligência artificial. Ao longo da vida, ele psicografou livros de vários autores diferentes. A ideia era usar todo o poder de computação para responder duas perguntas: esse autores têm cada um seu estilo próprio? Eles são suficientemente diferentes entre si?
A Stilingue, uma empresa que trabalha com análise de textos via inteligência artificial para “resumir a internet”, encontrando tendências nas redes sociais, resolveu testar como as obras psicografadas seriam analisadas por uma técnica de aprendizado de máquinas chamada Deep Learning.
A partir de grandes quantidades de dados, o computador aprende a criar relações entre eles, sem precisar aprender, por exemplo, o que é um verbo, um adjetivo, um substantivo. Se fosse reconstruir a Bíblia, o computador logo ia aprender que precisa colocar um número antes de cada frase, porque o livro é estruturado em versículos.
A mesma técnica também já foi usada para recriar Shakespeare. Depois de ler milhões de caracteres do dramaturgo, o computador era capaz de escrever sozinho “imitando” o estilo do inglês, sem nunca ter passado por uma aula de literatura. Nem sempre as frases fazem total sentido, mas os tempos verbais e a mania de criar palavras novas mudando o final delas ficam reproduzidos, igualzinho.
No caso de Chico Xavier, o estudo da Stilingue selecionou três dos principais autores psicografados pelo médium: Emmanuel, André Luiz e Humberto de Campos.
Para “alimentar” a rede neural artificial, eles selecionaram três livros de cada autor – que precisam ser enormes, porque a técnica deep learning exige, no mínimo, um milhão de caracteres por autor conseguir aprender com sucesso. “No caso de Humberto de Campos, sentimos um pouco de falta de mais material. Ele é um autor mais desafiador porque escrevia diferentes tipos de texto [contos, anedotas e poesias]”, explica Milton Stiilpen Jr., fundador da Stilingue.
Devidamente treinado, o computador começou a reproduzir os textos. André Luiz, por exemplo, tinha o hábito de colocar falas espaçadas entre blocos de texto maiores, ao invés de criar longos blocos de diálogos.

André Luiz: entidade espírita vs. bot

Este primeiro texto foi psicografado por Chico Xavier
Os encarnados presentes viam tão-somente o corpo de Otávia, dominado pelo sacerdote que lhes era invisível, quase a rebentar-se de soluços atrozes, mas nós víıamos além. A nobre senhora desencarnada postou-se ao lado do filho e começou a beijá-lo, em lágrimas de reconhecimento e amor. Pranto copioso identificava-os. Cobrando forças novas, a genitora continuou:
– Perdoe-me, filho querido, se noutra época induzi o seu coração à responsabilidade eclesiástica, modificando o curso de suas tendências. Suas lutas de agora me atingem a alma angustiada. Seja forte, Marinho, e ajude-me! Desvencilhe-se dos maus companheiros! Não vale rebelar-se. Nunca fugiremos à lei do Eterno! Onde você estiver, a voz divina se fará ouvir no imo da consciência…
Nesse momento, observei que o sacerdote recordou instintivamente os amigos, tocado de profundo receio. Agora que reencontrava a mãezinha carinhosa e devotada a Deus, que sentia a vibração confortadora do ambiente de fraternidade e féé, sentia medo de regressar ao convívio dos colegas endurecidos no mal.
Já este foi criação da inteligência artificial
A primeira vez mais providencial de serviço de sua consciência, a senhora Laura encontrava-se com a presença de alguns, com a sua consciência espiritual e a medicina de amor, acrescentou:
– O controlador de serviço está disposto a escapar com as mesmas expressões de alegria.
A primeira vez mais forte de algum tempo, a senhora de Alexandre prosseguiu a companheira de serviço e considerando a alegria da conversação despediu-se:
– Neste momento, a maioria dos companheiros encarnados estão através de construções destruidoras e desencarnadas. A consciência tem sempre a construção do coração.

Depois de criar três bots capazes de imitar os autores com uma precisão considerável (erro de 22% para André Luiz, 5% para Emmanuel e 32% para o Humberto de Campos), dá para dizer que cada autor tem um estilo razoavelmente marcante e uniforme.
Agora, dá para dizer que eles são diferentes entre si? Ou será que o estilo delata que teriam sido escritos por uma só pessoa? Para fazer o teste, eles decidiram confundir a máquina. Misturaram os textos de diferentes autores. Mandaram o bot do Emmanuel escrever com base na obra do Humberto, o do Humberto imitar o André e assim por diante. Deu errado: a taxa de erro disparou. Os modelos eram incapazes de encontrar os mesmos padrões de estilo de uma entidade espírita nos livros da outra. Os autores são, sim, marcadamente diferentes.
A questão que resta é: há outras formas de explicar o resultado?
Misturar textos de diferentes temas e épocas de um mesmo autor já é suficiente para aumentar a taxa de erro. Mas não tanto assim. “Fizemos um teste com o Paulo Coelho justamente para testar um único autor com diferentes livros e muitos textos. A taxa de erro aumenta – mas mesmo assim continua baixa”, explica Milton. O teste com Paulo Coelho retornou uma taxa de apenas 10%.
Outra possibilidade cética seria a criação consciente e deliberada de Chico Xavier de diferentes personas, uma para cada autor – coisa parecida com o que o escritor Fernando Pessoa fez, com seis heterônimos marcadamente diferentes.
Milton também tinha uma resposta para isso: eles fizeram o teste de deep learning também com Fernando Pessoa. “Faltou quantidade de dados suficiente para atender essa técnica”, responde Stiilpen. A Stilingue não conseguiu acesso fácil e digitalizado à quantidade necessária de material de cada heterônimo de Pessoa. Relembrando, o mínimo necessário para a análise usando deep learning é de 1 milhão de caracteres o que significa, nesse caso, 6 milhões para uma análise de todos os “autores” em questão. E isso só para aquecer.
Graças a esses resultados, a análise textual deve virar um projeto de pesquisa oficial que vai, inclusive, selecionar outras técnicas mais adequadas a autores como Fernando Pessoa e Nelson Rodrigues. Mas, de tudo isso, qual foi o veredito do estudo sobre Chico Xavier?
A psicografia segue como uma questão de fé. Mas se o estudo atesta algo, é a genialidade do médium. Escrever o volume de texto que ele escreveu, com personas comprovadamente distintas, mas uniformes entre si, não precisa nem ser sobrenatural para ser absolutamente impressionante. Ou, como colocou Monteiro Lobato, “Se Chico Xavier produziu tudo aquilo por conta própria, então ele merece ocupar quantas cadeiras quiser na Academia Brasileira de Letras.”
Chico Xavier – A vida. A obra. As polêmicas.
Conheça mais sobre o órfão do interior de Minas Gerais que se tornou a maior figura religiosa do Brasil no livro publicado pela SUPER e à venda na Amazon.

Afinal, é possível ouvir os mortos?

Para a ciência moderna, não. Mas alguns pesquisadores acreditam que o problema está na ciência, e não em pessoas como Chico Xavier.

Chico Xavier doou todos os direitos autorais dos mais de 400 livros que escreveu em vida. O gesto não era apenas generosidade do médium. Ele dizia que não havia escrito nenhum livro. “Eles escreveram”, repetia. 
De acordo com a ciência, Chico não poderia falar com os mortos, claro. Tudo teria sido produzido pelo seu próprio cérebro. Se ele ouvia vozes, eram vozes produzidas por sua mente. Afinal, a ciência mostra que a consciência (a mente, ou a alma) é fabricada pelo cérebro e está confinada nele. Ou seja, quando o corpo morre, a consciência desaparece. Não existem hipóteses científicas que sustentem a concepção de algum tipo de alma que sobreviva à morte.  
Mas, diante do acúmulo de casos como o de Chico Xavier, que não foi explicado pelas leis da natureza ou considerado categoricamente como fraude, um grupo de cientistas decidiu questionar a ciência – e não os médiuns. A conclusão dos pesquisadores está no livro Irreducible Mind (“Mente Irredutível”, sem tradução para o português). A obra parte da lógica de que fenômenos como a mediunidade, a telepatia e experiências de quase-morte são indícios de que o modelo teórico vigente nos meios científicos é incompleto. Os autores defendem uma mudança na forma de encarar casos como o de Chico: tirá-los do campo do folclore e da superstição e analisá-los. Hoje, são ignorados. 
Para o grupo coordenado pelo psiquiatra da Universidade da Virgínia (EUA) Edward Kelly, a ciência vem ignorando um princípio científico básico, o da “falseabilidade”, defendido pelo filósofo Karl Popper. Popper dizia que era muito fácil – e perigoso – ficar catando evidências favoráveis para defender uma tese. Difícil era encontrar o argumento que a desmontaria de vez. Para Popper, todo cientista sério deveria estar sempre procurando um furo na sua tese – e não o contrário. Kelly e seus colegas defendem que a mediunidade pode ser um desses furos – e pode desvendar o mistério da consciência, que instiga filósofos e cientistas há mais de 2 mil anos.
Eles acreditam que parte do problema está em considerar mente e cérebro uma coisa só. Em Irreducible, os pesquisadores propõem que o cérebro seja encarado como um aparelho de TV. A consciência seriam seus programas. Um defeito na TV pode alterar a qualidade da imagem, mas não necessariamente o conteúdo dos programas – eles não existem apenas dentro daquele aparelho. Ou seja, sem a TV, não podemos enxergar nosso seriado favorito, mas ele existe mesmo assim. Só não pode ser assistido. Funcionaria de um jeito parecido com a consciência: dependemos do cérebro para percebê-la, mas ela não está, segundo a proposta, confiada dentro do aparelho (o cérebro). E isso garantiria sua sobrevida além do corpo, abrindo a possibilidade de explicar a ideia de que a consciência segue vagando por aí após a morte e pode se comunicar com os outras consciências, vivas ou não. Kelly e os colegas não sabem dizer se estão certos nem têm provas irrefutáveis a favor dessa concepção. Eles oferecem a hipótese apenas para sensibilizar seus colegas da psicologia e da neurociência. Querem que os cientistas tradicionais questionem suas convicções e prestem mais atenção em fenômenos hoje ignorados, como a mediunidade. 
Os argumentos a favor dessas teorias ganham força com alguns estudos, como uma pesquisa publicada há dois anos na prestigiada revista científica Plos One. Em parceria com a Universidade Federal de Juiz de Fora e com a Universidade da Pensilvânia, o psicólogo e neurocientista Julio Peres, da USP, viajou aos Estados Unidos com dez médiuns brasileiros. Os voluntários eram destros e tinham entre 15 e 47 anos de experiência mediúnica – cada um com, em média, 18 psicografias por mês. Nenhum deles tinha transtorno mental diagnosticado. No Centro de Radiologia e Medicina Nuclear da Universidade da Pensilvânia, na Filadélfia, os voluntários receberam uma substância radioativa para captar a atividade cerebral por meio de um exame de imagem chamado spect. Peres e Andrew Newberg, o cientista americano conhecido por estudar o cérebro de freiras rezando e monges em meditação, avaliaram as diferenças nas imagens do cérebro dos voluntários em dois momentos: durante a psicografia e fora do estado de transe, escrevendo um texto comum, de autoria “própria”. 
Os resultados mostraram uma diferença significativa. Em transe, enquanto supostamente escreviam guiados pela voz ou pela mão dos espíritos, os médiuns apresentaram níveis mais baixos de atividade no lobo frontal, que está associado à razão, à linguagem e ao planejamento. “Esse resultado possivelmente reflete a ausência de consciência na psicografia”, explica Peres. Enquanto escreviam normalmente, essas regiões cerebrais, que costumam estar alertas durante uma tarefa intelectual, como a escrita, voltavam ao normal. 
Os cientistas resolveram, então, comparar o conteúdo dos dois textos. Se era verdade que o cérebro estava com a capacidade de raciocínio limitada durante a psicografia, os pesquisadores levantaram a hipótese de que os textos produzidos em transe refletissem isso e fossem mais pobres. Para a surpresa geral, ocorreu justamente o contrário. O conteúdo das psicografias era mais complexo e elaborado do que os textos feitos em estado pleno de consciência.  Entre os médiuns mais experientes, essa variação era ainda mais perceptível. “Os médiuns referem que ‘a autoria dos textos psicografados foi dos espíritos comunicantes e não pode ser atribuída a seus próprios cérebros’. Essa é, sim, uma hipótese plausível entre as várias possibilidades de compreendermos esses primeiros achados”, diz Peres.  
Opiniões à parte, o estudo tem pelo menos uma conclusão clara: mesmo que tudo seja obra da mente dos médiuns, como diz a ciência, boa parte deles não tem consciência disso.

3 cartas inacreditáveis que Chico Xavier psicografou

Analisamos três cartas psicografadas por Chico Xavier em busca de elementos que o médium não poderia saber sobre os mortos. E ele se saiu muito bem.

Durante mais de 60 anos, Chico Xavier confortou pessoas desconsoladas de todo o Brasil em busca de notícias de seus parentes mortos. Teria mantido comunicação com milhares de espíritos e psicografado suas mensagens, recheadas de informações íntimas, nomes de parentes e condições da morte que só as famílias reconheciam.
Veja abaixo três cartas cheias de detalhes sobre a vida dos mortos, que o médium não teria como saber.

1. O menino que se despediu da família

Morto aos 3 anos, depois de cair de bicicleta, o pequeno Rangel teria escrito uma carta à mãe, Célia, e ao pai, Aguinaldo, psicografada por Chico Xavier, um ano após sua morte. Como morreu antes de ser alfabetizado, sua carta traz uma caligrafia de traços infantis, de quem começa a desenhar as letras. A mãe lembra que, antes de Chico ler a carta de Tetéo, em uma reunião no Centro Espírita da Prece, em Uberaba, um médium ao seu lado lhe disse: “Seu filho está aqui, correndo, e a toda hora vem lhe abraçar. Agora, ele está escrevendo a carta com a ajuda do avô”, informação mencionada na mensagem escrita por Chico.
Trecho 1
Querido papai Aguinaldo e querida mamãe Célia, com vovó Lia. Sou eu o Tetéo (A) . Estou com o meu avô Lico (B) e com a minha tia Gilda (C). Vovô me auxilia a escrever porque estou aprendendo. Estou vendo a tia Lé (D)
Trecho 2
Eu estou vivo e vou crescer. Estou aprendendo a escrever só para dizer ao seu carinho e ao carinho da mamãe Célia que não morri (E).
I just mentioned Siraj's YouTube videos as one of the new ways for the community to rapidily code some of the latest Machine Learning subjects. There is another way to get an insight on how things come about: Interviews.

Here is Alex Lamb's YouTube channel: The Nutty Netter where he interviews "Martin Arjovsky (NYU PhD student studying Machine Learning and AI) on the theory of generative adversarial networks, biological plausibility of deep credit assignment, and his work on the Wasserstein GAN."




Another video: Variational Inference and Deep Learning: An Intuitive Introduction

Join the CompressiveSensing subreddit or the Google+ Community or the Facebook page and post there !
Liked this entry ? subscribe to Nuit Blanche's feed, there's more where that came from. You can also subscribe to Nuit Blanche by Email, explore the Big Picture in Compressive Sensing or the Matrix Factorization Jungle and join the conversations on compressive sensing, advanced matrix factorization and calibration issues on Linkedin.

          Nuit Blanche in Review (June 2017)   

Since the last Nuit Blanche in Review (May 2017) we've had three implementations related to Deep Neural Networks, a few in-depth post ranging from training nets to compressive sensing,  a dataset, two Paris Machine Learning meetups, one meeting announcement, several videos of talks and four job announcements. Enjoy !

Implementations

In depth

Book
Dataset

Paris Machine Learning meetup

Meeting
slides

Videos

Job:






Join the CompressiveSensing subreddit or the Google+ Community or the Facebook page and post there !
Liked this entry ? subscribe to Nuit Blanche's feed, there's more where that came from. You can also subscribe to Nuit Blanche by Email, explore the Big Picture in Compressive Sensing or the Matrix Factorization Jungle and join the conversations on compressive sensing, advanced matrix factorization and calibration issues on Linkedin.

          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          Comment on Regression Tutorial with the Keras Deep Learning Library in Python by Jason Brownlee   
Correct, using the sklearn wrapper lets us use tools like CV on small models. You can have two outputs by changing the number of nodes in the output layer to 2.
          Comment on Regression Tutorial with the Keras Deep Learning Library in Python by Roy   
Hi, Thank you for the tutorial. Few questions here. 1. What is the differences when we use KerasRegressor(build_fn=baseline_model, nb_epoch=100, batch_size=5, verbose=0) and with model.fit(x_train, y_train, batch_size=batch_size,epochs=epochs,verbose=1,validation_data=(x_test, y_test))? AFAIK, with when using KerasRegressor, we can do CV while can't on model.fit. Am I right? Will both result in the same MSE etc? 2. How do create a neural network that predict two continuous output using Keras? Here, we only predict one output, how about two or more output? How do we implement that? (Multioutput regression problem?)
          Andrew Ng เปิดตัวโครงการใหม่ deeplearning.ai หลังลาออกจาก Baidu   

Andrew Ng ผู้บุกเบิกวงการ deep learning เพิ่งประกาศลาออกจาก Baidu เมื่อเดือนมีนาคม ล่าสุดเมื่อสัปดาห์ก่อนเขาทวีตเปิดตัวโครงการใหม่ชื่อ deeplearning.ai แล้ว

ตอนนี้ยังไม่มีข้อมูลแน่ชัดว่า deeplearning.ai เป็นองค์กรประเภทไหน (Ng ใช้คำว่า project ไม่ใช่ company) และมีภารกิจด้านใด ในหน้าเว็บไซต์ของ deeplearning.ai ก็บอกเพียงว่าจะเปิดตัวอย่างเป็นทางการในเดือนสิงหาคมนี้

โดเมนเนม deeplearning.ai มี Andrew Ng เป็นผู้จดทะเบียน แต่ใช้ที่อยู่เป็นของ Baidu ซึ่งโฆษกของ Baidu ก็ออกมาชี้แจงในภายหลังว่าบริษัทไม่มีความเกี่ยวข้องกับโครงการนี้

บอกจาก deeplearning.ai แล้ว Andrew Ng ยังประกาศว่าเขาจะไปนั่งเป็นบอร์ดของบริษัทรถยนต์ไร้คนขับ Drive.ai ด้วยอีกตำแหน่งหนึ่ง และเชิญชวนให้คนมาสมัครงานทั้งสององค์กร

ที่มา - @AndrewYNg

No Description


          Research & Technology Manager Computer Vision and Deep Learning - Siemens - Princeton, NJ   
Define and manage execution of the Research Group’s business strategy including target definitions, growth areas and business plans....
From Siemens - Mon, 05 Jun 2017 20:52:09 GMT - View all Princeton, NJ jobs
          Artificial Intelligence (AI) Technical Sales Specialist - Intel - Santa Clara, CA   
Inside this Business Group. At least 1+ years' experience in machine learning / deep learning. Conducting deep dive technical training of Intel AI products &...
From Intel - Wed, 08 Mar 2017 11:17:48 GMT - View all Santa Clara, CA jobs
          Deep Learning Research Engineer (A.I./Robotics Startup, up to $220k)   

          機械学習/Deep Learningが気になる人も要注目、「アルゴリズム」の基本が学べる無料の電子書籍150ページ   
人気過去連載を電子書籍化して無料ダウンロード提供する@IT eBookシリーズ。第29弾では「コーディングに役立つ!アルゴリズムの基本」10回分を1冊のPDFとしてまとめた。アルゴリズムとは何か? なぜ学ぶべきなのだろうか?
          Machine Learning Developer   
TX-Houston, Machine Learning Developer Matrix Resources has an opening for a direct hire Machine Learning Developer. In this position, the Machine Learning Developer will be responsible for designing and developing modules for the SaaS based platform for the client, working closely with product managers and architects to write automation. The developer will be utilizing knowledge of deep learning and NLP Algo
          Deep Learning / Computer Vision Research Engineer   
New York, If you are a Deep Learning / Computer Vision Engineer with experience, please read on! What You Will Be Doing More info coming soon What You Need for this Position At Least 3 Years of experience and knowledge of: - Deep Learning - Computer Vision - Image Processing - Object Recognition - Convolutional Neural Networks - CNNs So, if you are a Deep Learning / Computer Vision Engineer with experience,
          Solutions Architect - Autonomous Driving - NVIDIA - Santa Clara, CA   
Be an internal champion for Deep Learning and HPC among the Nvidia technical community. You will assist field business development in guiding the customer...
From NVIDIA - Fri, 23 Jun 2017 07:33:44 GMT - View all Santa Clara, CA jobs
          Machine Learning Developer   
TX-Houston, Machine Learning Developer Matrix Resources has an opening for a direct hire Machine Learning Developer. In this position, the Machine Learning Developer will be responsible for designing and developing modules for the SaaS based platform for the client, working closely with product managers and architects to write automation. The developer will be utilizing knowledge of deep learning and NLP Algo
          New deep learning techniques analyze athletes' decision-making   
Sports analytics is routinely used to assign values to such things as shots taken or to compare player performance, but a new automated method based on deep learning techniques will provide coaches and teams with a quicker tool to help assess defensive athletic performance in any game situation.
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
Employ the best of Deep Learning research for solving business problems; Strong background in machine learning and statistical modeling (e.g., classification,...
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Solutions Architect - Autonomous Driving - NVIDIA - Santa Clara, CA   
Be an internal champion for Deep Learning and HPC among the Nvidia technical community. You will assist field business development in guiding the customer...
From NVIDIA - Fri, 23 Jun 2017 07:33:44 GMT - View all Santa Clara, CA jobs
          Gentle Introduction to the Adam Optimization Algorithm for Deep Learning   

The choice of optimization algorithm for your deep learning model can mean the difference between good results in minutes, hours, and days. The Adam optimization algorithm is an extension to stochastic gradient descent that has recently seen broader adoption for deep learning applications in computer vision and natural language processing. In this post, you will […]

The post Gentle Introduction to the Adam Optimization Algorithm for Deep Learning appeared first on Machine Learning Mastery.


          Optimization Methods for Supervised Machine Learning: From Linear Models to Deep Learning. (arXiv:1706.10207v1 [stat.ML])   

Authors: Frank E. Curtis, Katya Scheinberg

The goal of this tutorial is to introduce key models, algorithms, and open questions related to the use of optimization methods for solving problems arising in machine learning. It is written with an INFORMS audience in mind, specifically those readers who are familiar with the basics of optimization algorithms, but less familiar with machine learning. We begin by deriving a formulation of a supervised learning problem and show how it leads to various optimization problems, depending on the context and underlying assumptions. We then discuss some of the distinctive features of these optimization problems, focusing on the examples of logistic regression and the training of deep neural networks. The latter half of the tutorial focuses on optimization algorithms, first for convex logistic regression, for which we discuss the use of first-order methods, the stochastic gradient method, variance reducing stochastic methods, and second-order methods. Finally, we discuss how these approaches can be employed to the training of deep neural networks, emphasizing the difficulties that arise from the complex, nonconvex structure of these models.


          Is it ethical to avoid error analysis?. (arXiv:1706.10237v1 [cs.CY])   

Authors: Eva García-Martín, Niklas Lavesson

Machine learning algorithms tend to create more accurate models with the availability of large datasets. In some cases, highly accurate models can hide the presence of bias in the data. There are several studies published that tackle the development of discriminatory-aware machine learning algorithms. We center on the further evaluation of machine learning models by doing error analysis, to understand under what conditions the model is not working as expected. We focus on the ethical implications of avoiding error analysis, from a falsification of results and discrimination perspective. Finally, we show different ways to approach error analysis in non-interpretable machine learning algorithms such as deep learning.


          Towards Understanding Generalization of Deep Learning: Perspective of Loss Landscapes. (arXiv:1706.10239v1 [cs.LG])   

Authors: Lei Wu, Zhanxing Zhu, Weinan E

It is widely observed that deep learning models with learned parameters generalize well, even with much more model parameters than the number of training samples. We systematically investigate the underlying reasons why deep neural networks often generalize well, and reveal the difference between the minima (with the same training error) that generalize well and those they don't. We show that it is the characteristics the landscape of the loss function that explains the good generalization capability. For the landscape of loss function for deep networks, the volume of basin of attraction of good minima dominates over that of poor minima, which guarantees optimization methods with random initialization to converge to good minima. We theoretically justify our findings through analyzing 2-layer neural networks; and show that the low-complexity solutions have a small norm of Hessian matrix with respect to model parameters. For deeper networks, extensive numerical evidence helps to support our arguments.


          TransNets: Learning to Transform for Recommendation. (arXiv:1704.02298v2 [cs.IR] UPDATED)   

Authors: Rose Catherine, William Cohen

Recently, deep learning methods have been shown to improve the performance of recommender systems over traditional methods, especially when review text is available. For example, a recent model, DeepCoNN, uses neural nets to learn one latent representation for the text of all reviews written by a target user, and a second latent representation for the text of all reviews for a target item, and then combines these latent representations to obtain state-of-the-art performance on recommendation tasks. We show that (unsurprisingly) much of the predictive value of review text comes from reviews of the target user for the target item. We then introduce a way in which this information can be used in recommendation, even when the target user's review for the target item is not available. Our model, called TransNets, extends the DeepCoNN model by introducing an additional latent layer representing the target user-target item pair. We then regularize this layer, at training time, to be similar to another latent representation of the target user's review of the target item. We show that TransNets and extensions of it improve substantially over the previous state-of-the-art.


          Stable Architectures for Deep Neural Networks. (arXiv:1705.03341v2 [cs.LG] UPDATED)   

Authors: Eldad Haber, Lars Ruthotto

Deep neural networks have become invaluable tools for supervised machine learning, e.g., classification of text or images. While often offering superior results over traditional techniques and successfully expressing complicated patterns in data, deep architectures are known to be challenging to design and train such that they generalize well to new data. Important issues with deep architectures are numerical instabilities in derivative-based learning algorithms commonly called exploding or vanishing gradients. In this paper we propose new forward propagation techniques inspired by systems of Ordinary Differential Equations (ODE) that overcome this challenge and lead to well-posed learning problems for arbitrarily deep networks.

The backbone of our approach is our interpretation of deep learning as a parameter estimation problem of nonlinear dynamical systems. Given this formulation, we analyze stability and well-posedness of deep learning and use this new understanding to develop new network architectures. We relate the exploding and vanishing gradient phenomenon to the stability of the discrete ODE and present several strategies for stabilizing deep learning for very deep networks. While our new architectures restrict the solution space, several numerical experiments show their competitiveness with state-of-the-art networks.


          Saturday Morning Video: Martin Arjovsky (WGAN) Interview on Alex Lamb's "The Nutty Netter" YouTube channel.   
I just mentioned Siraj's YouTube videos as one of the new ways for the community to rapidily code some of the latest Machine Learning subjects. There is another way to get an insight on how things come about: Interviews.

Here is Alex Lamb's YouTube channel: The Nutty Netter where he interviews "Martin Arjovsky (NYU PhD student studying Machine Learning and AI) on the theory of generative adversarial networks, biological plausibility of deep credit assignment, and his work on the Wasserstein GAN."




Another video: Variational Inference and Deep Learning: An Intuitive Introduction

Join the CompressiveSensing subreddit or the Google+ Community or the Facebook page and post there !
Liked this entry ? subscribe to Nuit Blanche's feed, there's more where that came from. You can also subscribe to Nuit Blanche by Email, explore the Big Picture in Compressive Sensing or the Matrix Factorization Jungle and join the conversations on compressive sensing, advanced matrix factorization and calibration issues on Linkedin.

          Comment on Save and Load Your Keras Deep Learning Models by vishnu prasad   
Thanks Jason for this incredible blog. Is saving this model and reload only possible with keras or even in other skilearn models like kmeans Etc? When I have a few classifies used which are also onehotencoded like salary grade or country etc, Lets say u saved model but how can I apply same encoding and featurescaling on input data for which am expected to give output? E. G. I may have trained a cancer outcome based model based on country, gender, smoking and drinking status like often, occasional, rare etc. Now when I get new record how to ensure my encoding and featurescaling is aligned with my training set and convert this to get Prediction? Thanks in advance for your help.
          Comment on Regression Tutorial with the Keras Deep Learning Library in Python by Jason Brownlee   
Correct, using the sklearn wrapper lets us use tools like CV on small models. You can have two outputs by changing the number of nodes in the output layer to 2.
          Codementor: End-to-End Self-Driving Car Using Behavioral Cloning   
Using a behavioral cloning deep learning model in Keras, I teach a car to drive around a track in a simulator.
           Hyperion.ai (Healthcare & Fitness)   

Hyperion.ai 0.6


Device: iOS iPhone
Category: Healthcare & Fitness
Price: Free, Version: 0.6 (iTunes)

Description:

Get Hyperion.ai to help keep track of your goals. You can track whatever you want, and set up alerts to periodically remind you to enter data whenever works best for you.

The app also allows you to plot different metrics against one another, so you can identify and take advantage of any relevant correlations. Does drinking more water improve your daily productivity? Hyperion.ai can help you find out.

Hyperion.ai also uses deep learning technology to process your data (opt in) and provide deeper insights about how your recorded metrics correlate with each other.

Hyperion.ai


          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
Employ the best of Deep Learning research for solving business problems; Strong background in machine learning and statistical modeling (e.g., classification,...
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          Lead Software Engineer - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Mon, 24 Apr 2017 19:28:13 GMT - View all Toronto, ON jobs
          Processor Architect/Designer - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Mon, 24 Apr 2017 19:27:36 GMT - View all Toronto, ON jobs
          Deep Learning Expert - Tenstorrent - Toronto, ON   
Our vision is that the next quantum leap in efficacy of deep learning will be unlocked by joint optimization of both algorithms and the hardware on which they...
From Tenstorrent - Fri, 31 Mar 2017 18:03:58 GMT - View all Toronto, ON jobs
          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
Employ the best of Deep Learning research for solving business problems; Strong background in machine learning and statistical modeling (e.g., classification,...
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Sr System Software Engineer, GPU SW   
CA-Santa Clara, We are now looking for a Senior System Software Engineer: Nvidia’s invention of the GPU 1999 sparked the growth of the PC gaming market, redefined modern computer graphics, and revolutionized parallel computing. More recently, GPU deep learning ignited modern AI — the next era of computing — with the GPU acting as the brain of computers, robots, and self-driving cars that can perceive and understa
          Deep Learning, Python, R, Machine Languague, Scientist, Tensor, Thean   

          #2: Deep Learning   
Deep Learning
Deep Learning
Ian Goodfellow , Yoshua Bengio , Aaron Courville
(5)

Buy new: CDN$ 104.31 CDN$ 102.96
22 used & new from CDN$ 82.00

(Visit the Bestsellers in Programming list for authoritative information on this product's current rank.)
          Data Scientist (Artificial Intelligence & Deep Learning) - Microsoft - Redmond, WA   
We help drive actionable business intelligence through advanced statistical modeling and business analytics across Microsoft....
From Microsoft - Sat, 13 May 2017 05:34:57 GMT - View all Redmond, WA jobs
          (USA-WA-Seattle) Machine Learning Scientist   
Machine Learning Scientist Job ID 519700 Location US-WA-Seattle Posted Date 4/3/2017 Company Amazon Corporate LLC Position Category Machine Learning Science Recruiting Team .. Job DescriptionWe are a centralized Machine Learning team in Retail, parter with a number of Retail teams to develop strategic solutions and platforms to drive for innovations to improve the way customers search, browse, discover products at Amazon. Seeking DEEP LEARNING experts to innovate the shopping Experience at Amazon. You must be passionate about creating algorithms and models that can scale to hundreds of millions of customers, and insanely curious about building new technology and unlocking its potential. You will partner with technology and business leaders to build new state-of-the-art algorithms, models and services that surprise and delight our customers. As part of the new centralized machine learning team in Retail, you will use ML techniques such as deep learning to create and put into production models that deliver personalized shopping recommendations. Major responsibilities * Work closely with the business to understand the problem space, identify the opportunities and formulate the problems * Use machine learning, data mining, statistical techniques and others to create actionable, meaningful, and scalable solutions for the business problems * Analyze and extract relevant information from large amounts of Amazon's historical business data to help automate and optimize key processes * Design, develop and evaluate highly innovative models for predictive learning * Interact with software engineering teams to build data platforms for large-scale data analysis and modeling * Establish scalable, efficient, automated processes for large scale data analyses, model development, model validation and model implementation * Research and implement novel machine learning and statistical approaches scijobs Basic Qualifications* MS (PhD preferred) in Machine Learning, Computer Science, Statistics, Applied Mathematics or in another highly quantitative field * 1+ years of hands-on experience in deep learning, predictive modeling and analysis * Ability to distill problem definitions, models and constraints from informal business requirements, and to deal with ambiguity and competing objectives * Skills with Java, C++ (or other high-level programming language) as well as Python (or similar scripting language) * Experience in using R, MATLAB or other statistical software * Communication and data presentation skills * A natural curiosity and desire to learn Preferred Qualifications* PhD in Machine Learning, Computer Science, Statistics, Applied Mathematics or in another highly quantitative field . Experience in deep learning * Experience handling gigabyte and terabyte size datasets * Experience in developing solutions for real-world applications * Knowledge of relational databases (SQL) * Experience working with distributed systems * Strong communication and data presentation skills Amazon is an Equal Opportunity-Affirmative Action Employer – Minority / Female / Disability / Veteran / Gender Identity / Sexual Orientation
          (USA-WA-Seattle) Applied Scientist   
Applied Scientist Job ID 551723 Location US-WA-Seattle Posted Date 6/28/2017 Company Amazon Corporate LLC Position Category Machine Learning Science Recruiting Team .. Job DescriptionSeeking Applied Researchers to build the future of the Alexa Shopping Experience at Amazon. At Alexa Shopping, we strive to enable shopping in everyday life. We allow customers to instantly order whatever they need, by simply interacting with their smart devices such as Echo, Fire TV, and beyond. Our services allow you to shop, anywhere, easily without interrupting what you're doing - to go from "I want" to "It's on the way" in a matter of seconds. We are seeking the industry's best applied scientists to help us create new ways to shop. Join us, and help invent the future of everyday life. The products you would envision and craft require ambitious thinking and a tireless focus on inventing solution to solve customer problems. You must be passionate about creating algorithms and models that can scale to hundreds of millions of customers, and insanely curious about building new technology and unlocking its potential. The Alexa Shopping team is seeking an Applied Scientist who will partner with technology and business leaders to build new state-of-the-art algorithms, models and services that surprise and delight our voice customers. As part of the new Alexa Shopping team you will use ML techniques such as deep learning to create and put into production models that deliver personalized shopping recommendations, allow to answer customer questions and enable human-like dialogs with our devices. Basic QualificationsThe ideal candidate will have a PhD in Mathematics, Statistics, Machine Learning, Economics, or a related quantitative field, and 5+ years of relevant work experience, including: * Proven track record of achievements in natural language processing, search and personalization. * Expertize on a broad set of ML approaches and techniques, ranging from Artificial Neural Networks to Bayesian Non-Parametrics methods. * Experience in Structured Prediction and Dimensionality Reduction. * Strong fundamentals in problem solving, algorithm design and complexity analysis. * Proficiency in at least one scripting languages (e.g. Python) and one large-scale data processing platform (e.g. Hadoop, Hive, Spark). * Experience with using could technologies (e.g. S3, Dynamo DB, Elastic Search) and experience in data warehousing. * Strong personal interest in learning, researching, and creating new technologies with high commercial impact. Preferred Qualifications * Track record of peer reviewed academic publications. * Strong verbal/written communication skills, including an ability to effectively collaborate with both research and technical teams and earn the trust of senior stakeholders. Amazon is an Equal Opportunity-Affirmative Action Employer – Minority / Female / Disability / Veteran / Gender Identity / Sexual Orientation
          Deep Learning, Python, R, Machine Languague, Scientist, Tensor, Thean   
Primus Software Corp warren, NJ
          Research & Technology Manager Computer Vision and Deep Learning - Siemens - Princeton, NJ   
Define and manage execution of the Research Group’s business strategy including target definitions, growth areas and business plans....
From Siemens - Mon, 05 Jun 2017 20:52:09 GMT - View all Princeton, NJ jobs
          Artificial Intelligence (AI) Technical Sales Specialist - Intel - Santa Clara, CA   
Inside this Business Group. At least 1+ years' experience in machine learning / deep learning. Conducting deep dive technical training of Intel AI products &...
From Intel - Wed, 08 Mar 2017 11:17:48 GMT - View all Santa Clara, CA jobs
          Ingénieur(e) architecte informatique - H/F - Thales - Toulouse   
CE QUE NOUS POUVONS ACCOMPLIR ENSEMBLE : Rattaché(e) à la Direction Competence Center Vous avez pour missions : -Architecture systèmes Big Data pour l'usine et les produits TAS. -Data science, -Machine learning et deep learning sur les données générées par l'usine TAS et les satellites d'observation Spécificités du Poste : La mission consistera en l'analyse et le développement d'architectures informatiques de type Big Data, et la leur mise en oeuvre pour l'analyse de données au...
          Artificial Intelligence in Precision Cardiovascular Medicine   
How might artificial intelligence techniques such as deep learning and cognitive computing be applied in cardiovascular care? This review explores AI's potential in facilitating precision CV medicine.
Journal of the American College of Cardiology
          Frightenly accurate ‘mind reading’ A.I. is able to scan brains and guess what you’re thinking   
From medical applications like helping dermatologists diagnose skin cancer to teaching robots to get a better grip on the world around them, deep learning neural networks can carry out some pretty impressive tasks. Could mind reading be among them? The folks at Carnegie Mellon University certainly think so — and they’ve got the research to […]
          Data Scientist- Deep Learning/Computer Vision Job   
SAP - Bangalore, Karnataka - for a deep-learning based computer-vision product. The product is aimed at providing visual intelligence to enterprise systems in different domains... with, then we are looking for you. EDUCATION AND QUALIFICATIONS / SKILLS AND COMPETENCIES Doctoral, Master’s or Bachelor’s degree in Engineering or Technology, majoring in Computer...
          Sr. Virtualization Engineer   
CA-Santa Clara, Nvidia has continuously reinvented itself over two decades. Our invention of the GPU in 1999 sparked the growth of the PC gaming market, redefined modern computer graphics, and revolutionized parallel computing. More recently, GPU deep learning ignited modern AI — the next era of computing. NVIDIA is a “learning machine” that constantly evolves by adapting to new opportunities that are hard to sol
          Er ist Deutschlands Mister Deep Learning   
Damion Borth ist Abteilungsleiter „Deep Learning“ am Deutschen Forschungszentrum für künstliche Intelligenz (DFKI).

Damian Borth begeistert sich und andere für künstliche Intelligenz. Sein Rat ist gefragt. Ein Porträt.


          Baidu Research Announces Next Generation Open Source Deep Learning Benchmark Tool   

by Angela Guess According to a recent press release, “Baidu Research, a division of Baidu Inc., today unveiled the next generation of DeepBench, the open source deep learning benchmark that now includes measurement for inference. The announcement was made at the O’Reilly AI Conference in New York. In September of 2016, Baidu released the initial […]

The post Baidu Research Announces Next Generation Open Source Deep Learning Benchmark Tool appeared first on DATAVERSITY.


          Deep Learning Scientist/Senior Scientist - EXL - Jersey City, NJ   
EXL serves the insurance, healthcare, banking and financial services, utilities, travel, transportation and logistics industries....
From EXL - Tue, 18 Apr 2017 00:09:55 GMT - View all Jersey City, NJ jobs
          Stable Architectures for Deep Neural Networks. (arXiv:1705.03341v2 [cs.LG] UPDATED)   

Authors: Eldad Haber, Lars Ruthotto

Deep neural networks have become invaluable tools for supervised machine learning, e.g., classification of text or images. While often offering superior results over traditional techniques and successfully expressing complicated patterns in data, deep architectures are known to be challenging to design and train such that they generalize well to new data. Important issues with deep architectures are numerical instabilities in derivative-based learning algorithms commonly called exploding or vanishing gradients. In this paper we propose new forward propagation techniques inspired by systems of Ordinary Differential Equations (ODE) that overcome this challenge and lead to well-posed learning problems for arbitrarily deep networks.

The backbone of our approach is our interpretation of deep learning as a parameter estimation problem of nonlinear dynamical systems. Given this formulation, we analyze stability and well-posedness of deep learning and use this new understanding to develop new network architectures. We relate the exploding and vanishing gradient phenomenon to the stability of the discrete ODE and present several strategies for stabilizing deep learning for very deep networks. While our new architectures restrict the solution space, several numerical experiments show their competitiveness with state-of-the-art networks.


          Linux 4.13 Features and GPU/Graphics News   
  • Realtek ALC215 / ALC285 / ALC289 Support Coming To Linux 4.13

    Among the sound changes coming for Linux 4.13 is supporting some new Realtek audio codecs.

    Coming to the next kernel cycle is first off support for Realtek's ALC215 / ALC285 / ALC289. It doesn't look like many motherboards/systems are currently making use of these models, but it's likely only a matter of time.

  • Some Of What You Can Look Forward To With Linux 4.13

    With Linux 4.12 likely coming out this weekend, here's a look at some of the features you will likely be able to find within Linux 4.13.

  • AMD Firms Up It's Releasing Radeon RX Vega At SIGGRAPH

    Just in case you had any doubt of AMD launching the Radeon RX Vega graphics card later this month at SIGGRAPH, they've now made it publicly clear.

  • [Older] How Open-Source GPUs Could Speed Deep Learning, Big Data Analytics

    An open-source GPU initiative could drastically speed analytics, including analyses using deep learning.

    MapD is widely recognized as a leader in leveraging the unique computing power of the graphics processing unit (GPU) to make big data analytics faster than previously thought possible. According to a recent webinar, the company’s technology has been able to reduce the time of processing 10 GB of data from 30 seconds down to 75 milliseconds.

    Now, in a blog post written by Todd Mostak, the company’s CEO, MapD is making its GPU-powered database technology open source under a permissive Apache 2.0 license. This means the MapD database core—including the tiered caching system and LLVM query compilation engine—can be leveraged by individuals, academics, and businesses wanting to leverage GPU power for analytics, but otherwise previously couldn’t or didn’t want to pay for the enterprise-level edition.

  • DRM leasing part three (vblank)

    The last couple of weeks have been consumed by getting frame sequence numbers and events handled within the leasing environment (and Vulkan) correctly.


          Deep Learning Inference Software Engineer (TensorRT)   
CA-Santa Clara, We are now looking for a Senior Deep Learning Inference Software Engineer (TensorRT): NVIDIA is hiring software engineers for its GPU-accelerated Deep learning team. Academic and commercial groups around the world are using GPUs to power a revolution in deep learning, enabling breakthroughs in problems from image classification to speech recognition to natural language processing. Join the team wh
          Deep Learning Software Engineer   
CA-Santa Clara, We are now looking for Deep Learning Software Engineers: NVIDIA is hiring engineers to scale up its AI infrastructure. You will need to have strong programming skills, a deep understanding of deep learning (algorithms & frameworks), modular design, HPC or distributed computing, networking, i/o management, hierarchical cache design, distributed datasets, distributed computing and specifically distr
          Enterprise Marketing Campaign Manager   
CA-Santa Clara, We are now looking for a Marketing Campaign Manager: What you’ll be doing: You will lead the design, execution, optimization of creative marketing campaigns for Artificial Intelligence/Deep Learning and define campaign objectives, target audiences, strategies, and identify the optimum marketing mix of deliverables, events and media. You will handle content strategy and development, digital strateg
          (USA-WA-Seattle) Machine Learning Scientist   
Machine Learning Scientist Job ID 519700 Location US-WA-Seattle Posted Date 4/3/2017 Company Amazon Corporate LLC Position Category Machine Learning Science Recruiting Team .. Job DescriptionWe are a centralized Machine Learning team in Retail, parter with a number of Retail teams to develop strategic solutions and platforms to drive for innovations to improve the way customers search, browse, discover products at Amazon. Seeking DEEP LEARNING experts to innovate the shopping Experience at Amazon. You must be passionate about creating algorithms and models that can scale to hundreds of millions of customers, and insanely curious about building new technology and unlocking its potential. You will partner with technology and business leaders to build new state-of-the-art algorithms, models and services that surprise and delight our customers. As part of the new centralized machine learning team in Retail, you will use ML techniques such as deep learning to create and put into production models that deliver personalized shopping recommendations. Major responsibilities * Work closely with the business to understand the problem space, identify the opportunities and formulate the problems * Use machine learning, data mining, statistical techniques and others to create actionable, meaningful, and scalable solutions for the business problems * Analyze and extract relevant information from large amounts of Amazon's historical business data to help automate and optimize key processes * Design, develop and evaluate highly innovative models for predictive learning * Interact with software engineering teams to build data platforms for large-scale data analysis and modeling * Establish scalable, efficient, automated processes for large scale data analyses, model development, model validation and model implementation * Research and implement novel machine learning and statistical approaches scijobs Basic Qualifications* MS (PhD preferred) in Machine Learning, Computer Science, Statistics, Applied Mathematics or in another highly quantitative field * 1+ years of hands-on experience in deep learning, predictive modeling and analysis * Ability to distill problem definitions, models and constraints from informal business requirements, and to deal with ambiguity and competing objectives * Skills with Java, C++ (or other high-level programming language) as well as Python (or similar scripting language) * Experience in using R, MATLAB or other statistical software * Communication and data presentation skills * A natural curiosity and desire to learn Preferred Qualifications* PhD in Machine Learning, Computer Science, Statistics, Applied Mathematics or in another highly quantitative field . Experience in deep learning * Experience handling gigabyte and terabyte size datasets * Experience in developing solutions for real-world applications * Knowledge of relational databases (SQL) * Experience working with distributed systems * Strong communication and data presentation skills Amazon is an Equal Opportunity-Affirmative Action Employer – Minority / Female / Disability / Veteran / Gender Identity / Sexual Orientation
          (USA-WA-Seattle) Applied Scientist   
Applied Scientist Job ID 551723 Location US-WA-Seattle Posted Date 6/28/2017 Company Amazon Corporate LLC Position Category Machine Learning Science Recruiting Team .. Job DescriptionSeeking Applied Researchers to build the future of the Alexa Shopping Experience at Amazon. At Alexa Shopping, we strive to enable shopping in everyday life. We allow customers to instantly order whatever they need, by simply interacting with their smart devices such as Echo, Fire TV, and beyond. Our services allow you to shop, anywhere, easily without interrupting what you're doing - to go from "I want" to "It's on the way" in a matter of seconds. We are seeking the industry's best applied scientists to help us create new ways to shop. Join us, and help invent the future of everyday life. The products you would envision and craft require ambitious thinking and a tireless focus on inventing solution to solve customer problems. You must be passionate about creating algorithms and models that can scale to hundreds of millions of customers, and insanely curious about building new technology and unlocking its potential. The Alexa Shopping team is seeking an Applied Scientist who will partner with technology and business leaders to build new state-of-the-art algorithms, models and services that surprise and delight our voice customers. As part of the new Alexa Shopping team you will use ML techniques such as deep learning to create and put into production models that deliver personalized shopping recommendations, allow to answer customer questions and enable human-like dialogs with our devices. Basic QualificationsThe ideal candidate will have a PhD in Mathematics, Statistics, Machine Learning, Economics, or a related quantitative field, and 5+ years of relevant work experience, including: * Proven track record of achievements in natural language processing, search and personalization. * Expertize on a broad set of ML approaches and techniques, ranging from Artificial Neural Networks to Bayesian Non-Parametrics methods. * Experience in Structured Prediction and Dimensionality Reduction. * Strong fundamentals in problem solving, algorithm design and complexity analysis. * Proficiency in at least one scripting languages (e.g. Python) and one large-scale data processing platform (e.g. Hadoop, Hive, Spark). * Experience with using could technologies (e.g. S3, Dynamo DB, Elastic Search) and experience in data warehousing. * Strong personal interest in learning, researching, and creating new technologies with high commercial impact. Preferred Qualifications * Track record of peer reviewed academic publications. * Strong verbal/written communication skills, including an ability to effectively collaborate with both research and technical teams and earn the trust of senior stakeholders. Amazon is an Equal Opportunity-Affirmative Action Employer – Minority / Female / Disability / Veteran / Gender Identity / Sexual Orientation
          Backend / Infrastructure Engineer - Focal Systems - Canada   
Bachelors Degree in CS / EE, or higher. We are creating cutting-edge systems to support deep learning models being run in real time, an ever-growing IOT...
From Focal Systems - Fri, 30 Jun 2017 10:39:56 GMT - View all Canada jobs
          Deep Learning Computer Vision Researcher - Focal Systems - Canada   
Masters or PhD in CS / EE or equivalent. Focal Systems is a Deep Learning first company....
From Focal Systems - Fri, 30 Jun 2017 10:39:34 GMT - View all Canada jobs
          QBI Neuroscience Seminar: `From Rats to Robot Navigation and Beyond`   
A/Professor Michael Milford, Science and Engineering Faculty, Queensland University of Technology, Garden Point Campus, Brisbane Title: `From Rats to Robot Navigation and Beyond` Abstract: The brain circuitry involved in perceiving and encoding the world has been extensively tested over the past forty years, with an ever-increasing body of knowledge about the components and wiring involved in navigation and perception tasks. The learning and recall of spatial features is known to take place in and around the hippocampus of the rodent, where there is clear evidence of cells that encode the rodent`s position and heading. RatSLAM is a primarily vision-based robotic navigation system based on current models of the rodent hippocampus, which has achieved several significant outcomes in vision-based Simultaneous Localization And Mapping (SLAM), including mapping of an entire suburb using only a low cost webcam, and navigation continuously over a period of two weeks in a delivery robot experiment. This research led to recent experiments demonstrating that impressive feats of vision-based navigation can be achieved at any time of day or night, during any weather, and in any season using visual images as small as 2 pixels in size. In our current research we are investigating the problem of place recognition, visual navigation and general perception from two angles. The first is from a neuroscience-inspired perspective, modelling the multi-scale neuronal map of space found in the mammalian brain and the variably tolerant and selective visual recognition process in the primate and human brain. The second is from an algorithmic perspective, utilizing state of the art deep learning techniques. Together, these approaches are being applied in a wide range of domains, including navigation systems for underground mining vehicles, environmental and infrastructure monitoring and for visual servoing of sensor arms on planetary rovers. I will discuss the insights from this research, as well as current and future areas of study with the aim of stimulating discussion and collaboration.