Системы поддержки принятия врачебных решений, которые разработают участники конкурса AI’M DOCTOR должны будут делать выводы на основе анализа комплекса информации о пациенте, включая медицинскую карту и протоколы осмотров. Также эти системы должны будут уметь обращаться к внешним базам медицинских знаний. При этом важнейшей характеристикой будет способность к проведению дифференциальной диагностики.

Значительную роль сыграет способность системы объяснить свои заключения. Для того, чтобы добиться этого, необходимо осуществить настоящий технологический прорыв, перейдя от «слабого» к «объясняющему» искусственному интеллекту. В данный момент логика работы ИИ-систем (Искусственного интеллекта) скрыта.

Созданные системы должны стать надежными помощниками врачей, доступными в любое время и в любой день. А облачные технологии помогут сделать их доступными практически в любой точке планеты.

Подробнее о конкурсе НТИ Up Great AI’M DOCTOR, FB и ВК

Graph ML в 2022 году: где мы сейчас? Для Graph ML это был год - тысячи статей, многочисленные конференции и семинары… Как мы можем догнать столько интересных вещей, которые происходят вокруг? Что ж, мы тоже озадачены и решили представить структурированный взгляд на Graph ML, выделив тенденции и основные достижения. Работаете ли вы над более узкой темой или только начинаете в Graph ML - мы надеемся, что эта статья станет хорошим ориентиром. https://shly.link/hqj6N

JoJoGAN: Стилизация лица одним выстрелом источник: https://arxiv.org/abs/2112.11641

github: https://github.com/mchong6/JoJoGAN

Веб-демонстрация Huggingface Gradio: https://huggingface.co/spaces/akhaliq/JoJoGAN

Huggingface: https://huggingface.co/spaces

Градио Github: https://github.com/gradio-app/gradio

С Новым годом!

10 хитростей Python, которым нужно следовать для проектов в области науки о данных
В этой статье представлены 10 основных приемов работы с Python, которым нужно следовать при выполнении проектов в области науки о данных. https://shly.link/3Km8q

Отличный ресурс для всех, кто заинтересован в карьере в области Deep Learning:

Deep Learning Interviews: Сотни полностью решенных вопросов для собеседования по широкому кругу ключевых тем в области искусственного интеллекта https://shly.link/m5Msn👇

Превратите необработанное видео в высококачественные наборы данных за считанные минуты. Sieve - это API, который помогает вам хранить, обрабатывать и автоматически искать ваши видеоданные - мгновенно и эффективно. Вы только представьте, что 10 камер записывают кадры со скоростью 30 кадров в секунду, 24 часа в сутки, 7 дней в неделю. Это будет 27 миллионов кадров, сгенерированных за один день. Видео можно искать по метке времени, но поиск интересных моментов похож на поиск иголки в стоге сена.

Некоторое время назад мы создали эту визуальную демонстрацию ( ссылка здесь ). Это ~ 24 часа видеозаписи безопасности, которую наш API обработал менее чем за 10 минут, и в ней включены простые функции запросов и экспорта. Мы видим, что приложения лучше понимают, какие данные у вас есть, выясняют, какие данные нужно отправлять для маркировки, выбирают наборы данных для обучения и создают несколько наборов тестов для моделей по сценариям.

Чтобы попробовать это на своих видео: https://github.com/Sieve-Data/automatic-video-processing

Пошаговое руководство по визуальной панели: https://youtu.be/_uyjp_HGZl4

Изучение Python — 9 встроенных функций для науки о данных Встроенные функции — это те функции, которые предопределены для выполнения задач в Python. Мы собираемся обсудить некоторые из этих функций здесь… https://shly.link/r3n5F

ТОП-10 репозиториев GitHub для науки о данных https://shly.link/pig0B

PyTorch против TensorFlow 2022: какую платформу глубокого обучения использовать? В этом посте вы узнаете об основных преимуществах и недостатках PyTorch по сравнению с TensorFlow, а также о том, как выбрать лучшую среду для ваших нужд. https://shly.link/f1Pgu

Обнаружение аномалий в машинном обучении В этом посте мы поговорим о том, как работает обнаружение аномалий, какие методы машинного обучения вы можете использовать для этого и какие преимущества обнаружение аномалий с ML приносит бизнесу. https://shly.link/mdm0nj

Полезность и понимание: состояние машинного обучения в 2022 года В этой статье делается попытка сопоставить различные области машинного обучения с точки зрения их полезности и понимания, а также исследуется, как научно-технический прогресс проявляется в этой структуре. https://shly.link/sNu5N

Найдена периодическая таблица науки о данных.

Вам не нужно платить за изучение #DataScience или #MachineLearning . Вот 62 БЕСПЛАТНЫХ курса по данным от лучших университетов, созданных Google! https://shly.link/YB38L

Список идей проектов машинного обучения для начинающих и экспертов!

Валерий Сидоренко, генеральный директор digital-агентства Интериум рассказал как роботизация и ИИ изменят рынок масс-медиа.

Искусственный интеллект отправляет на свалку все больше профессий: судьбу машинисток и стенографов скоро могут разделить копирайтеры, журналисты и пиарщики.

Нейросети уже пишут вполне связные тексты: в сентябре 2021 года «Сбер» представил «ИИ-копирайтера» для составления карточек товаров, о «Балабобе» «Яндекса», чьи тексты сложно отличить от человеческих, не написал в июне только ленивый. А в Guardian написанная нейросетью колонка вышла еще в сентябре 2020 года.

Главное преимущество алгоритмов — обучаемость: сегодняшние недочеты их текстов (излишняя сухость или неспособность к иронии) скоро уйдут в прошлое.

Сохраняя текущие темпы развития, ИИ вполне способен перекроить часть рынка труда. Его работа — после того, как окупятся затраты на внедрение и разработку — будет дешевле, быстрее и качественнее человеческой. Но речь, в первую очередь, о низкоквалифицированных профессиях, где люди и сегодня выступают в роли машин.

Подробнее в статье Интериум по ссылке.

@skolkovoleaks

Как автоматически генерировать код Python для операций с электронными таблицами? Итак, приступим… https://shly.link/UoYLK

3 способа работы с большими наборами данных в Python Эта проблема не нова, и, как и во всем, не существует единой волшебной формулы, подходящей для всех. Лучший метод будет зависеть от ваших данных и цели вашего приложения. Однако самые популярные решения обычно попадают в одну из категорий, описанных в этой статье. https://shly.link/Qk7fu Прекратите использовать «или» для проверки нескольких условий в Python https://shly.link/6tLL1

Неконтролируемое обучение