Big data world
2.35K subscribers
412 photos
64 videos
18 files
1.25K links
Интересные статьи Data Science : Big Data : Machine Learning : Deep Learning

По вопросам сотрудничества- @Daily_admin_info

По иным темам @un_ixtime
Download Telegram
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
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!
Forwarded from Skolkovo Leaks
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
Новости СХД PowerStore и решение Dell Technologies NVMe IP SAN для сетей хранения данных нового поколения

Дорогие коллеги! Потребности современных приложений и распределенных рабочих нагрузок вызывают резкий рост требований к передаче и хранению данных, что ведет к необходимости новых технологий хранения данных с низкой задержкой и высокой пропускной способностью.

20 января эксперты Dell Technologies Борис Черных и Сергей Гусаров расскажут всё о решении NVMe IP SAN, которое предоставляет высокопроизводительный доступ с низкой задержкой по сети 25/100GE к СХД Dell Technologies с NVMe накопителями и включает все необходимые компоненты: серверы, СХД, коммутаторы и программное обеспечение для автоматизации подключений NVMe узлов к сети IP SAN. Обсудим преимущества NVMe IP SAN, его основные элементы, сценарии внедрения и сетевые топологии.

Вебинар будет полезен техническим специалистам, отвечающим за развитие и обслуживание СХД, сетевых и серверных решений. Регистрируйтесь для бесплатного участия. Ждем вас!

Регистрируйтесь
5 малоизвестных библиотек Python для вашего следующего проекта НЛП
С примерами кода и пояснениями. https://shly.link/gjH6e
5 "V" больших данных
Я создал нейронную сеть, которая предсказывает ваши двигательные намерения с помощью EEG, Python и Tensorflow. И это работает очень хорошо. Ищите новые идеи, чтобы продолжить эту работу.

Вкратце: я создал нейронную сеть, которая с точностью 99% предсказывает, думает ли субъект о том, чтобы двигать правым кулаком, левым кулаком, обоими кулаками, обеими ногами или своими вещами.
Документ: https://iopscience.iop.org/article/10.1088/1741-2552/ac4430

Код: https://github.com/Kubasinska/MI-EEG-1D-CNN
This media is not supported in your browser
VIEW IN TELEGRAM
Получение 3D-моделей кроссовок из одного 2D-вида сбоку https://shly.link/ghLHZ
Forwarded from Skolkovo Leaks
Сегодня вышел итог исследования Gaming & Esports: Media’s Next Paradigm SHIFT BCG. Игры перестали быть тихой гаванью, страны разворачивают меры поддержки. Россия, как оказалось, мало производит, но много потребляет – на 5ом месте в мире.

Правительства хотят извлечь выгоду из быстрого роста отрасли и увеличения потенциального вклада в ВВП. Особенно сейчас, они видят, что, делая большие ставки, можно получить соразмерную отдачу. Они также рассматривают игры и киберспорт как важный ключ к открытию смежных секторов, таких как разработка программного обеспечения, AR/VR, гостиничный бизнес и туризм. А приобретение репутации в сфере игр и киберспорта отлично влияет на имидж страны, а имидж дает понять, что на переднем плане государства – проектирование и управление спортом, культурой и развлечениями 21 века.

В качестве ключевых факторов появились четыре различных типа поддержки. Первый – это прямая финансовая поддержка новых компаний в секторе игр и киберспорта, включая начальное финансирование и содействие банковским кредитам для стартапов. Второе – наличие бизнес-инкубаторов и акселераторов, которые помогут развивать новые стартапы и активизировать существующих игроков. Третье – предоставление постоянных субсидий фирмам в этом секторе, таких как налоговые льготы на НИОКР и помощь в оплате труда. И четвертое – это инвестиционная стратегия международного сектора с четкой рентабельностью инвестиций и внутренними целями воздействия.

Отдельно коротко о кейсах Великобритании и Южной Кореи.

На VC нашли пост с русским переводом – ссылка.

@skolkovoleaks