«Неопознанный искусственный интеллект» — первый AI-подкаст на русском языке от наших друзей из издания «Системный Блокъ»
Что интересного в подкасте:
— Чем плох тест Тьюринга и чем его заменить?
— Почему комар всё ещё умнее беспилотника?
— К чему придут технологии AutoML: «самопрограммирующиеся» нейросети на генетических алгоритмах?
— Почему Data Science — это современный Дикий Запад?
— Когда ИИ сможет заменить джуниор-разработчика?
Кто уже побывал в подкасте:
— Константин Воронцов, профессор Вышки и МФТИ;
— Татьяна Шаврина, тимлид команды по разработке ИИ в Сбере;
— Виктор Кантор, Chief Data Scientist в МТС, преподаватель МФТИ;
— Николай Любимов, CTO в Heartex;
— Дмитрий Ветров, профессор Вышки, исследователь в Samsung,
... и другие специалисты в области data science, машинного обучения и ИИ.
Слушайте выпуски в Apple Podcasts, на Яндекс. Музыке, Google Podcasts, Spotify, в подкастах ВК или читайте на сайте.
#ии #ml
Что интересного в подкасте:
— Чем плох тест Тьюринга и чем его заменить?
— Почему комар всё ещё умнее беспилотника?
— К чему придут технологии AutoML: «самопрограммирующиеся» нейросети на генетических алгоритмах?
— Почему Data Science — это современный Дикий Запад?
— Когда ИИ сможет заменить джуниор-разработчика?
Кто уже побывал в подкасте:
— Константин Воронцов, профессор Вышки и МФТИ;
— Татьяна Шаврина, тимлид команды по разработке ИИ в Сбере;
— Виктор Кантор, Chief Data Scientist в МТС, преподаватель МФТИ;
— Николай Любимов, CTO в Heartex;
— Дмитрий Ветров, профессор Вышки, исследователь в Samsung,
... и другие специалисты в области data science, машинного обучения и ИИ.
Слушайте выпуски в Apple Podcasts, на Яндекс. Музыке, Google Podcasts, Spotify, в подкастах ВК или читайте на сайте.
#ии #ml
Начинающим специалистам в Data Science бывает сложно понять, что изучать в первую очередь
В этой статье вместе с экспертами, разбираемся, с чего лучше начать свой путь в Data Science и на какие алгоритмы и структуры данных стоит обратить внимание:
https://tprg.ru/POQ4
#datascience #ml
В этой статье вместе с экспертами, разбираемся, с чего лучше начать свой путь в Data Science и на какие алгоритмы и структуры данных стоит обратить внимание:
https://tprg.ru/POQ4
#datascience #ml
Для анализа данных и машинного обучения требуется много данных. Но где их взять? Рассказываем
Конечно же, можно было бы собрать их самостоятельно. Но это долго, дорого, а иногда и вообще невозможно. А тем временем, есть огромное количество открытых датасетов по самым разным категориям, о которых вы могли не знать. Некоторыми из них открыто делятся госструктуры, банки, международные организации и крупные компании. Более того, для их поиска уже давно разработали удобные инструменты.
В статье рассказываем о лучших местах для поиска качественных датасетов: tproger.ru/translations/the-best-datasets-for-machine-learning-and-data-science/
#datascience #ml
Конечно же, можно было бы собрать их самостоятельно. Но это долго, дорого, а иногда и вообще невозможно. А тем временем, есть огромное количество открытых датасетов по самым разным категориям, о которых вы могли не знать. Некоторыми из них открыто делятся госструктуры, банки, международные организации и крупные компании. Более того, для их поиска уже давно разработали удобные инструменты.
В статье рассказываем о лучших местах для поиска качественных датасетов: tproger.ru/translations/the-best-datasets-for-machine-learning-and-data-science/
#datascience #ml
This media is not supported in your browser
VIEW IN TELEGRAM
ИИ научили боксировать за неделю — для ИИ прошло миллиард лет симуляции
Я не боюсь ИИ, который знает миллиард ударов. Я боюсь ИИ, который тренирует 1 удар миллиард лет.
Интересно, что всё, что «видел» алгоритм перед стартом обучения, это 90 секунд данных захвата движения. И хотя результаты всё равно пока оставляют желать лучшего, эти наработки могут пригодиться для более точной тренировки роботов с помощью машинного обучения. Или, как минимум, для создания новых интересных механик в играх.
#ии #ml
Я не боюсь ИИ, который знает миллиард ударов. Я боюсь ИИ, который тренирует 1 удар миллиард лет.
Интересно, что всё, что «видел» алгоритм перед стартом обучения, это 90 секунд данных захвата движения. И хотя результаты всё равно пока оставляют желать лучшего, эти наработки могут пригодиться для более точной тренировки роботов с помощью машинного обучения. Или, как минимум, для создания новых интересных механик в играх.
#ии #ml
Вот уж действительно проблема уровня искусственного интеллекта — новый робот-пылесос использует ML и ИИ, чтобы не наезжать на фекалии домашних животных
Смех смехом, а время показало, что для роботов-пылесосов это действительно большая проблема, которую с трудом удавалось решить без применения высоких технологий. Конечно, специальная камера, куча вспомогательного ПО и нейронка на борту понадобилось не только для этого. Так, с помощью машинного обучения и искусственного интеллекта в робот-пылесос удалось добавить целый комбайн для отслеживания и обработки неожиданных препятствий.
Но именно эта функциональность стала ключевым моментом в официальном релизе устройства. Директор компании iRobot заявил, что гарантирует безукоризненную работу фичи в сравнении с конкурентами. А его обещание даже назвали «POOP» — Pet Owner Official Promise.
#кек #ии #ml
Смех смехом, а время показало, что для роботов-пылесосов это действительно большая проблема, которую с трудом удавалось решить без применения высоких технологий. Конечно, специальная камера, куча вспомогательного ПО и нейронка на борту понадобилось не только для этого. Так, с помощью машинного обучения и искусственного интеллекта в робот-пылесос удалось добавить целый комбайн для отслеживания и обработки неожиданных препятствий.
Но именно эта функциональность стала ключевым моментом в официальном релизе устройства. Директор компании iRobot заявил, что гарантирует безукоризненную работу фичи в сравнении с конкурентами. А его обещание даже назвали «POOP» — Pet Owner Official Promise.
#кек #ии #ml
This media is not supported in your browser
VIEW IN TELEGRAM
В блоге TensorFlow поделились интересным инструментом для 3D-трекинга тела и лица прямо в браузере
Он реализован с помощью MediaPipe BlazePose GHUM и TensorFlow. И его можно использовать в своем проекте через API: https://tprg.ru/tT2C
А потрогать уже работающий трекинг можно по ссылке: https://tprg.ru/Q4hk
#ml #tensorflow #веб
Он реализован с помощью MediaPipe BlazePose GHUM и TensorFlow. И его можно использовать в своем проекте через API: https://tprg.ru/tT2C
А потрогать уже работающий трекинг можно по ссылке: https://tprg.ru/Q4hk
#ml #tensorflow #веб
Насколько хорошо нужно знать математику алгоритмы и программирование тому, кто хочет шарить в машинном обучении?
Спросили у экспертов, какие навыки нужны ML-специалисту, чтобы писать что-то серьёзнее, чем if-else:
https://tproger.ru/experts/required-ml-skills/
#ml #эксперты
Спросили у экспертов, какие навыки нужны ML-специалисту, чтобы писать что-то серьёзнее, чем if-else:
https://tproger.ru/experts/required-ml-skills/
#ml #эксперты
Разве может нейросеть создать шедевр, сравнимый с работой известного художника?
Создать, возможно, и нет, а вот стилизовать — пожалуйста!
В этой статье ближе знакомимся с библиотекой TensorFlow, а заодно рассказываем и показываем, как использовать нейросети для стилизации изображения по заданному образцу: https://tproger.ru/translations/neural-style-transfer-using-tf-keras/
#нейросети #ml
Создать, возможно, и нет, а вот стилизовать — пожалуйста!
В этой статье ближе знакомимся с библиотекой TensorFlow, а заодно рассказываем и показываем, как использовать нейросети для стилизации изображения по заданному образцу: https://tproger.ru/translations/neural-style-transfer-using-tf-keras/
#нейросети #ml
Google опубликовала исследование с тенденциями в мире машинного обучения года
Из хороших новостей стоит отметить, что эффективность обучения в целом повышается, ML становится полезнее и люди стали лучше понимать ИИ. Правда, когда уже ИИ заменит кожаных, в исследовании не сообщается.
Будет интересно почитать людям, близким к ML и ИИ. А также просто чтобы убедиться, что это все эти ваши нейросети — не игрушки, интерес к которым скоро утихнет. А мощный инструмент, который сильно интегрировался в повседневную жизнь человека:
https://russia.googleblog.com/2022/01/google-2021.html
#тренды #ml
Из хороших новостей стоит отметить, что эффективность обучения в целом повышается, ML становится полезнее и люди стали лучше понимать ИИ. Правда, когда уже ИИ заменит кожаных, в исследовании не сообщается.
Будет интересно почитать людям, близким к ML и ИИ. А также просто чтобы убедиться, что это все эти ваши нейросети — не игрушки, интерес к которым скоро утихнет. А мощный инструмент, который сильно интегрировался в повседневную жизнь человека:
https://russia.googleblog.com/2022/01/google-2021.html
#тренды #ml
This media is not supported in your browser
VIEW IN TELEGRAM
MediaPipe — фреймворк от Google, использующий технологии машинного обучения для распознавания объектов в режиме реального времени
Способен распознавать глаза, лица, руки, волосы и позы как по отдельности, так и вместе в режиме "Holistic". Работа с объектами возможна в 2D и 3D, в отдельных режимах положение объектов можно зафиксировать при движении камеры или дублировать их с помощью паттернов. Распознавание движений пригодится для работы с AR.
Подробнее о том, как его установить и использовать, по ссылке: https://github.com/google/mediapipe
#ml
Способен распознавать глаза, лица, руки, волосы и позы как по отдельности, так и вместе в режиме "Holistic". Работа с объектами возможна в 2D и 3D, в отдельных режимах положение объектов можно зафиксировать при движении камеры или дублировать их с помощью паттернов. Распознавание движений пригодится для работы с AR.
Подробнее о том, как его установить и использовать, по ссылке: https://github.com/google/mediapipe
#ml
Как разобраться в машинном обучении без сложных формул, теорем и сказках о волшебных дата-сайентистах?
Статьи о машинном обучении делятся на два типа: это либо трёхтомники с формулами и теоремами, которые сложно дочитать даже до середины, либо сказки об искусственном интеллекте, профессиях будущего и волшебных дата-саентистах. Но что делать тем, кто хочет наконец разобраться в машинном обучении простым языком, без формул-теорем, с примерами реальных задач и их решений?
Специально для таких людей есть огромный лонгрид. И хотя Вастрик написал его ещё 4 года назад, он до сих пор не потерял актуальности.
Так что если ещё не видели, советуем к прочтению: https://vas3k.ru/blog/machine_learning/
#ml #начинающим
Статьи о машинном обучении делятся на два типа: это либо трёхтомники с формулами и теоремами, которые сложно дочитать даже до середины, либо сказки об искусственном интеллекте, профессиях будущего и волшебных дата-саентистах. Но что делать тем, кто хочет наконец разобраться в машинном обучении простым языком, без формул-теорем, с примерами реальных задач и их решений?
Специально для таких людей есть огромный лонгрид. И хотя Вастрик написал его ещё 4 года назад, он до сих пор не потерял актуальности.
Так что если ещё не видели, советуем к прочтению: https://vas3k.ru/blog/machine_learning/
#ml #начинающим
Подборка полезных материалов для уверенного старта в Data Science
— Курс по машинному обучению от ШАД Яндекса
— Курс по анализу данных и нейросетям на Python от Computer Science Center (часть 1)
— Курс по анализу данных и нейросетям на Python от Computer Science Center (часть 2)
— Самый знаменитый курс по нейронным сетям CS231n от университета Stanford
— Стартовые библиотеки для анализа данных и ML на Python (Pandas, NumPy, TensorFlow)
— Полный курс по искусственному интеллекту CS221 от университета Stanford
— Лучшие датасеты для машинного обучения и анализа данных
— Полный курс по ML на языке R
#начинающим #datascience #нейросети #ml
— Курс по машинному обучению от ШАД Яндекса
— Курс по анализу данных и нейросетям на Python от Computer Science Center (часть 1)
— Курс по анализу данных и нейросетям на Python от Computer Science Center (часть 2)
— Самый знаменитый курс по нейронным сетям CS231n от университета Stanford
— Стартовые библиотеки для анализа данных и ML на Python (Pandas, NumPy, TensorFlow)
— Полный курс по искусственному интеллекту CS221 от университета Stanford
— Лучшие датасеты для машинного обучения и анализа данных
— Полный курс по ML на языке R
#начинающим #datascience #нейросети #ml