Повышаем качество классификации текстов подключив Википедию
#Машинноеобучение
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автоматизма и независимостью от того, какая именно задача классификации решается. Наибольший эффект, однако, ожидается на задачах определения тематики.
https://habr.com/ru/post/446228/
🔗 Повышаем качество классификации текстов подключив Википедию
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автом...
#Машинноеобучение
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автоматизма и независимостью от того, какая именно задача классификации решается. Наибольший эффект, однако, ожидается на задачах определения тематики.
https://habr.com/ru/post/446228/
🔗 Повышаем качество классификации текстов подключив Википедию
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автом...
Хабр
Повышаем качество классификации текстов подключив Википедию
Используем большой структурированный источник мультиязычных текстов – Википедию для улучшения качества классификации текстов. Подход хорош высокой степенью автоматизма и независимостью от того, какая...
Машинное обучение в инвестиционной компании: классифицируем обращения в техническую поддержку
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
#Машинноеобучение
В теории использование машинного обучения (ML) помогает сократить участие человека в процессах и операциях, перераспределять ресурсы и уменьшить затраты. Насколько это работает в условиях конкретной компании и сферы деятельности? Как показывает наш опыт — работает.
На определенном этапе развития мы в компании «ВТБ Капитал» столкнулись с острой необходимостью сократить время на обработку запросов в техническую поддержку. После анализа возможных вариантов было решено применить ML-технологию для категоризации обращений от бизнес-пользователей Calypso, ключевой инвестиционной платформы компании. Быстрая обработка таких запросов крайне важна для высокого качества ИТ-сервиса. Помочь в решении этой задачи мы попросили наших ключевых партнеров – компанию EPAM.
https://habr.com/ru/company/vtb/blog/455740/
🔗 Машинное обучение в инвестиционной компании: классифицируем обращения в техническую поддержку
В теории использование машинного обучения (ML) помогает сократить участие человека в процессах и операциях, перераспределять ресурсы и уменьшить затраты. Насколь...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
#Машинноеобучение
В теории использование машинного обучения (ML) помогает сократить участие человека в процессах и операциях, перераспределять ресурсы и уменьшить затраты. Насколько это работает в условиях конкретной компании и сферы деятельности? Как показывает наш опыт — работает.
На определенном этапе развития мы в компании «ВТБ Капитал» столкнулись с острой необходимостью сократить время на обработку запросов в техническую поддержку. После анализа возможных вариантов было решено применить ML-технологию для категоризации обращений от бизнес-пользователей Calypso, ключевой инвестиционной платформы компании. Быстрая обработка таких запросов крайне важна для высокого качества ИТ-сервиса. Помочь в решении этой задачи мы попросили наших ключевых партнеров – компанию EPAM.
https://habr.com/ru/company/vtb/blog/455740/
🔗 Машинное обучение в инвестиционной компании: классифицируем обращения в техническую поддержку
В теории использование машинного обучения (ML) помогает сократить участие человека в процессах и операциях, перераспределять ресурсы и уменьшить затраты. Насколь...
Хабр
Машинное обучение в инвестиционной компании: классифицируем обращения в техническую поддержку
В теории использование машинного обучения (ML) помогает сократить участие человека в процессах и операциях, перераспределять ресурсы и уменьшить затраты. Насколь...
Ищем астероиды — проект «Hubble Asteroid Hunter»
#Обработкаизображений #Машинноеобучение
Центр малых планет (Minor Planet Center, MPC) Смитсоновской астрофизической обсерватории (SAO) и аэрокосмическое агентство NASA запустили проект «Hubble Asteroid Hunter», с помощью которого любой глазастый пользователь компьютера или планшета может помочь астрономам найти треки новых астероидов и внести свой вклад в процесс обучения нейронной сети.
https://habr.com/ru/post/458158/
🔗 Ищем астероиды — проект «Hubble Asteroid Hunter»
Центр малых планет (Minor Planet Center, MPC) Смитсоновской астрофизической обсерватории (SAO) и аэрокосмическое агентство NASA запустили проект «Hubble Astero...
#Обработкаизображений #Машинноеобучение
Центр малых планет (Minor Planet Center, MPC) Смитсоновской астрофизической обсерватории (SAO) и аэрокосмическое агентство NASA запустили проект «Hubble Asteroid Hunter», с помощью которого любой глазастый пользователь компьютера или планшета может помочь астрономам найти треки новых астероидов и внести свой вклад в процесс обучения нейронной сети.
https://habr.com/ru/post/458158/
🔗 Ищем астероиды — проект «Hubble Asteroid Hunter»
Центр малых планет (Minor Planet Center, MPC) Смитсоновской астрофизической обсерватории (SAO) и аэрокосмическое агентство NASA запустили проект «Hubble Astero...
Хабр
Ищем астероиды — проект «Hubble Asteroid Hunter»
Центр малых планет (Minor Planet Center, MPC) Смитсоновской астрофизической обсерватории (SAO) и аэрокосмическое агентство NASA запустили проект «Hubble Asteroid Hunter», с помощью которого любой...
TJBOT как иллюстрация IBM Watson services
#Машинноеобучение,
Весной 2019 года прошел очередной Think Developers Workshop, на котором все желающие могли собрать картонного робота TJBota под управлением IBM Watson Services. Под катом находится подробная инструкция, из чего и как собрать такого робота, полезные ссылки и простейшие рецепты, демонстрирующие некоторые когнитивные возможности сервисов Watson, а также небольшой анонс двух июльских семинаров о Watson Services в московском офисе IBM.
https://habr.com/ru/company/ibm/blog/458374/
🔗 TJBOT как иллюстрация IBM Watson services
Привет, Хабр! Весной 2019 года прошел очередной Think Developers Workshop, на котором все желающие могли собрать картонного робота TJBota под управлением IBM Wat...
#Машинноеобучение,
Весной 2019 года прошел очередной Think Developers Workshop, на котором все желающие могли собрать картонного робота TJBota под управлением IBM Watson Services. Под катом находится подробная инструкция, из чего и как собрать такого робота, полезные ссылки и простейшие рецепты, демонстрирующие некоторые когнитивные возможности сервисов Watson, а также небольшой анонс двух июльских семинаров о Watson Services в московском офисе IBM.
https://habr.com/ru/company/ibm/blog/458374/
🔗 TJBOT как иллюстрация IBM Watson services
Привет, Хабр! Весной 2019 года прошел очередной Think Developers Workshop, на котором все желающие могли собрать картонного робота TJBota под управлением IBM Wat...
Хабр
TJBOT как иллюстрация IBM Watson services
Привет, Хабр! Весной 2019 года прошел очередной Think Developers Workshop, на котором все желающие могли собрать картонного робота TJBota под управлением IBM Watson Services. Под катом находится...
Дайджест статей машинного обучения и искусственного интеллекта
Программирование,
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Отфильтровав большое количество статей, конференций и подписок — собрал для вас все наиболее значимые гайды, статьи и лайфхаки из мира машинного обучения и искусственного интеллекта. Всем приятного чтения!
1. Проекты искусственного интеллекта, с которыми можно поиграться уже сегодня. Что вы знаете про искусственный интеллект и машинное обучение? Современный тренд или потенциально мощная сила, способная убивать людей? Эти модные понятия всё чаще на слуху, но далеко не все знают, что же это на самом деле. Пришло время изучить эти технологии с помощью простого и интересного подхода — попробовать искусственный интеллект и нейросети самостоятельно на практике.
#DataMining,
#BigData
#Машинноеобучение
#Искусственныйинтеллект
https://habr.com/ru/post/458804/
🔗 Дайджест статей машинного обучения и искусственного интеллекта
Хабр, привет. Отфильтровав большое количество статей, конференций и подписок — собрал для вас все наиболее значимые гайды, статьи и лайфхаки из мира машинного о...
Программирование,
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Отфильтровав большое количество статей, конференций и подписок — собрал для вас все наиболее значимые гайды, статьи и лайфхаки из мира машинного обучения и искусственного интеллекта. Всем приятного чтения!
1. Проекты искусственного интеллекта, с которыми можно поиграться уже сегодня. Что вы знаете про искусственный интеллект и машинное обучение? Современный тренд или потенциально мощная сила, способная убивать людей? Эти модные понятия всё чаще на слуху, но далеко не все знают, что же это на самом деле. Пришло время изучить эти технологии с помощью простого и интересного подхода — попробовать искусственный интеллект и нейросети самостоятельно на практике.
#DataMining,
#BigData
#Машинноеобучение
#Искусственныйинтеллект
https://habr.com/ru/post/458804/
🔗 Дайджест статей машинного обучения и искусственного интеллекта
Хабр, привет. Отфильтровав большое количество статей, конференций и подписок — собрал для вас все наиболее значимые гайды, статьи и лайфхаки из мира машинного о...
Хабр
Дайджест статей машинного обучения и искусственного интеллекта
Хабр, привет. Отфильтровав большое количество статей, конференций и подписок — собрал для вас все наиболее значимые гайды, статьи и лайфхаки из мира машинного обучения и искусственного интеллекта....
Как распознать текст с фото: новые возможности фреймворка Vision
Теперь фреймворк Vision умеет распознавать текст по-настоящему, а не как раньше. С нетерпением ждём, когда сможем применить это в Dodo IS. А пока перевод статьи о распознавании карточек из настольной игры Magic The Gathering и извлечении из них текстовой информации.
#Машинноеобучение
🔗 Как распознать текст с фото: новые возможности фреймворка Vision
Теперь фреймворк Vision умеет распознавать текст по-настоящему, а не как раньше. С нетерпением ждём, когда сможем применить это в Dodo IS. А пока перевод статьи...
Теперь фреймворк Vision умеет распознавать текст по-настоящему, а не как раньше. С нетерпением ждём, когда сможем применить это в Dodo IS. А пока перевод статьи о распознавании карточек из настольной игры Magic The Gathering и извлечении из них текстовой информации.
#Машинноеобучение
🔗 Как распознать текст с фото: новые возможности фреймворка Vision
Теперь фреймворк Vision умеет распознавать текст по-настоящему, а не как раньше. С нетерпением ждём, когда сможем применить это в Dodo IS. А пока перевод статьи...
Хабр
Как распознать текст с фото: новые возможности фреймворка Vision
Теперь фреймворк Vision умеет распознавать текст по-настоящему, а не как раньше. С нетерпением ждём, когда сможем применить это в Dodo IS. А пока перевод статьи...
Пример простой нейросети, как результат разобраться что к чему
Нейросети — это та тема, которая вызывает огромный интерес и желание разобраться в ней. Но, к сожалению, поддаётся она далеко не каждому. Когда видишь тома непонятной литературы, теряешь желание изучить, но всё равно хочется быть в курсе происходящего.
В конечном итоге, как мне показалось, нет лучше способа разобраться, чем просто взять и создать свой маленький проект.
#Машинноеобучение,
#Искусственныйинтеллект
https://habr.com/ru/post/459822/
🔗 Пример простой нейросети, как результат разобраться что к чему
Нейросети — это та тема, которая вызывает огромный интерес и желание разобраться в ней. Но, к сожалению, поддаётся она далеко не каждому. Когда видишь тома непон...
Нейросети — это та тема, которая вызывает огромный интерес и желание разобраться в ней. Но, к сожалению, поддаётся она далеко не каждому. Когда видишь тома непонятной литературы, теряешь желание изучить, но всё равно хочется быть в курсе происходящего.
В конечном итоге, как мне показалось, нет лучше способа разобраться, чем просто взять и создать свой маленький проект.
#Машинноеобучение,
#Искусственныйинтеллект
https://habr.com/ru/post/459822/
🔗 Пример простой нейросети, как результат разобраться что к чему
Нейросети — это та тема, которая вызывает огромный интерес и желание разобраться в ней. Но, к сожалению, поддаётся она далеко не каждому. Когда видишь тома непон...
Хабр
Пример простой нейросети, как результат разобраться что к чему
Нейросети — это та тема, которая вызывает огромный интерес и желание разобраться в ней. Но, к сожалению, поддаётся она далеко не каждому. Когда видишь тома непон...
Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
#Машинноеобучение
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.youtube.com/watch?v=G8ChabpYN3g
🎥 Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
👁 1 раз ⏳ 4760 сек.
#Машинноеобучение
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.youtube.com/watch?v=G8ChabpYN3g
🎥 Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
👁 1 раз ⏳ 4760 сек.
Лекция посвящена математическим основам алгоритма AdaBoost.
Рассмотрены следующие вопросы:
- Целевая функция алгоритма AdaBoost
- Вывод целевой функции для обучения очередного слабого классификатора
- Вывод формулы вычисления веса для слабого классификатора
- Вывод формулы обновления весов элементов обучающей выборки.
Евгений Разинков -- к.ф.-м.н., руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, ассистент кафедры системного анализа и ИТ института ВМиИТ Казанского федеральYouTube
Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
Лекция посвящена математическим основам алгоритма AdaBoost.
Рассмотрены следующие вопросы:
- Целевая функция алгоритма AdaBoost
- Вывод целевой функции для обучения очередного слабого классификатора
- Вывод формулы вычисления веса для слабого классификатора…
Рассмотрены следующие вопросы:
- Целевая функция алгоритма AdaBoost
- Вывод целевой функции для обучения очередного слабого классификатора
- Вывод формулы вычисления веса для слабого классификатора…
Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точности. Однако большинство нейросетей, использующихся для решения этой задачи, достаточно глубокие, а соответственно, требуют много данных для обучения, сравнительно медленно работают на этапе inference (особенно если на устройстве отсутствует GPU), много весят и достаточно энергозатратны. Все вышеперечисленное может быть весьма критично в определенных случаях, в первую очередь, для мобильных приложений.
Баркоды — объекты с достаточно простой структурой. В ходе исследований у нас получилось с помощью сравнительно оригинального подхода искать такие простые объекты весьма точно (мы побили state-of-the-art) и достаточно быстро (real-time на среднем CPU). Плюс наш детектор очень легкий, имеющий всего 30к весов. О результатах нашего исследования мы и расскажем в этой статье.
https://habr.com/ru/company/abbyy/blog/455764/
#Обработкаизображений
#Машинноеобучение
#Искусственныйинтеллект
🔗 Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точност...
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точности. Однако большинство нейросетей, использующихся для решения этой задачи, достаточно глубокие, а соответственно, требуют много данных для обучения, сравнительно медленно работают на этапе inference (особенно если на устройстве отсутствует GPU), много весят и достаточно энергозатратны. Все вышеперечисленное может быть весьма критично в определенных случаях, в первую очередь, для мобильных приложений.
Баркоды — объекты с достаточно простой структурой. В ходе исследований у нас получилось с помощью сравнительно оригинального подхода искать такие простые объекты весьма точно (мы побили state-of-the-art) и достаточно быстро (real-time на среднем CPU). Плюс наш детектор очень легкий, имеющий всего 30к весов. О результатах нашего исследования мы и расскажем в этой статье.
https://habr.com/ru/company/abbyy/blog/455764/
#Обработкаизображений
#Машинноеобучение
#Искусственныйинтеллект
🔗 Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точност...
Хабр
Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точности. Однако большинство нейросетей,...
#Машинноеобучение
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
✅Машинное обучение: шаг в цифровую экономику.
✅Использование искусственного интеллекта в финансовом и банковском секторе.
✅Roundtable discussion. Future of AI: science, industry and society.
✅Моделирование пользовательских предпочтений в мультимодальных данных.
✅Открытые вопросы искусственного интеллекта.
✅Проект iPavlov: как на Физтехе разрабатывают разговорный искусственный интеллект.
✅Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН.
✅Нейроморфные вычисления и механизмы мозга.
✅Когнитивное компьютерное моделирование и искусственный интеллект.
✅Технологии INTEL для машинного обучения и систем AI.
🎥 Roundtable discussion. Future of AI: science, industry and society.
👁 1 раз ⏳ 3927 сек.
🎥 Моделирование пользовательских предпочтений в мультимодальных данных. Хади Лау и Максим Ткаченко.
👁 1 раз ⏳ 3382 сек.
🎥 Открытые вопросы искусственного интеллекта. Сергей Шумский
👁 1 раз ⏳ 5557 сек.
🎥 Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН. Андрей Устюжанин
👁 1 раз ⏳ 4871 сек.
🎥 Нейроморфные вычисления и механизмы мозга. Виталий Дунин-Барковский
👁 1 раз ⏳ 4218 сек.
🎥 Когнитивное компьютерное моделирование и искусственный интеллект. Александр Панов
👁 1 раз ⏳ 4853 сек.
🎥 Технологии INTEL для машинного обучения и систем AI. Михаил Цветков
👁 1 раз ⏳ 5462 сек.
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
✅Машинное обучение: шаг в цифровую экономику.
✅Использование искусственного интеллекта в финансовом и банковском секторе.
✅Roundtable discussion. Future of AI: science, industry and society.
✅Моделирование пользовательских предпочтений в мультимодальных данных.
✅Открытые вопросы искусственного интеллекта.
✅Проект iPavlov: как на Физтехе разрабатывают разговорный искусственный интеллект.
✅Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН.
✅Нейроморфные вычисления и механизмы мозга.
✅Когнитивное компьютерное моделирование и искусственный интеллект.
✅Технологии INTEL для машинного обучения и систем AI.
🎥 Roundtable discussion. Future of AI: science, industry and society.
👁 1 раз ⏳ 3927 сек.
🎥 Моделирование пользовательских предпочтений в мультимодальных данных. Хади Лау и Максим Ткаченко.
👁 1 раз ⏳ 3382 сек.
Поисковые системы, системы электронной коммерции, социальные сети и другие онлайн-сервисы содержат огромное количество информации. Только часть её ...🎥 Открытые вопросы искусственного интеллекта. Сергей Шумский
👁 1 раз ⏳ 5557 сек.
Семинар AI@MIPT на тему «Открытые вопросы искусственного интеллекта». Его провел Сергей Шумский, директор Научно-координационного совета Центра нау...🎥 Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН. Андрей Устюжанин
👁 1 раз ⏳ 4871 сек.
Поиск тёмной материи становится горячей темой современных физических исследований. О её существовании догадались из относительно недавних наблюдени...🎥 Нейроморфные вычисления и механизмы мозга. Виталий Дунин-Барковский
👁 1 раз ⏳ 4218 сек.
Успешность многослойных нейроморфных конструкций долгое время обеспечивалась исключительно механизмом обратного распространения ошибок. Этот механи...🎥 Когнитивное компьютерное моделирование и искусственный интеллект. Александр Панов
👁 1 раз ⏳ 4853 сек.
Когнитивные науки занимаются изучением процессов и способов познания человеком себя и окружающей среды. Искусственный интеллект зарождался именно к...🎥 Технологии INTEL для машинного обучения и систем AI. Михаил Цветков
👁 1 раз ⏳ 5462 сек.
Переход от академических соревнований на публичных датасетах к практическим внедрениям AI по реальным данным показывает, что тренинг модели — это т...Vk
Roundtable discussion. Future of AI: science, industry and society.
vk.com video
Подборка рабочих примеров обработки данных
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
По стопам моего первого поста подборки датасетов для машинного обучения — сделаю подборку относительно свежих датасетов с рабочими примерами по обработке данных. Ведь ни для кого не секрет, что обучение на хороших примерах проходит эффективнее и быстрее. Посмотрим, что интересного нам смогут показать одни из лучших примеров по обработке данных.
Схема работы с текущим постом унаследуется от моего поста про лучшие блокноты по ML и DS, а именно — сохранил в закладки → передал коллеге.
+ бонус в конце статьи — крутой курс от ФПМИ МФТИ.
image
Итак, давайте приступим.
Подборка датасетов с рабочими примерами обработки данных:
Suicide Rates Overview 1985 to 2016 — сравнение социально-экономической информации с показателями самоубийств по годам и странам.
#Python #DataMining #BigData
#Машинноеобучение
https://habr.com/ru/post/460557/
🔗 Подборка рабочих примеров обработки данных
Привет, читатель. По стопам моего первого поста подборки датасетов для машинного обучения — сделаю подборку относительно свежих датасетов с рабочими примерами п...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
По стопам моего первого поста подборки датасетов для машинного обучения — сделаю подборку относительно свежих датасетов с рабочими примерами по обработке данных. Ведь ни для кого не секрет, что обучение на хороших примерах проходит эффективнее и быстрее. Посмотрим, что интересного нам смогут показать одни из лучших примеров по обработке данных.
Схема работы с текущим постом унаследуется от моего поста про лучшие блокноты по ML и DS, а именно — сохранил в закладки → передал коллеге.
+ бонус в конце статьи — крутой курс от ФПМИ МФТИ.
image
Итак, давайте приступим.
Подборка датасетов с рабочими примерами обработки данных:
Suicide Rates Overview 1985 to 2016 — сравнение социально-экономической информации с показателями самоубийств по годам и странам.
#Python #DataMining #BigData
#Машинноеобучение
https://habr.com/ru/post/460557/
🔗 Подборка рабочих примеров обработки данных
Привет, читатель. По стопам моего первого поста подборки датасетов для машинного обучения — сделаю подборку относительно свежих датасетов с рабочими примерами п...
Хабр
Подборка рабочих примеров обработки данных
Привет, читатель. По стопам моего первого поста подборки датасетов для машинного обучения — сделаю подборку относительно свежих датасетов с рабочими примерами по обработке данных. Ведь ни для кого не...
Новый метод кластерного анализа
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосов за то, что пара объектов находится в одном классе из информации о значении отдельных координат.
#Машинноеобучение
https://habr.com/ru/post/461721/
🔗 Новый метод кластерного анализа
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосо...
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосов за то, что пара объектов находится в одном классе из информации о значении отдельных координат.
#Машинноеобучение
https://habr.com/ru/post/461721/
🔗 Новый метод кластерного анализа
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосо...
Хабр
Новый метод кластерного анализа
В работе предлагается новый метод кластерного анализа. Его преимущество в менее сложном с вычислительной точки зрения алгоритме. Метод основан на расчете голосов за то, что пара объектов находится в...
Data Version Control (DVC): версионирование данных и воспроизводимость экспериментов
Эта статья — своеобразный мастер-класс «DVC для автоматизации ML экспериментов и версионирования данных», который прошел 18 июня на митапе ML REPA (Machine Learning REPA:
Reproducibility, Experiments and Pipelines Automation) на площадке нашего банка.
Тут я расскажу об особенностях внутренней работы DVC и способах применения его в проектах.
Примеры кода, используемые в статье доступны здесь. Код тестировался на MacOS и Linux (Ubuntu).
#Машинноеобучение
https://habr.com/ru/company/raiffeisenbank/blog/461803/
🔗 Data Version Control (DVC): версионирование данных и воспроизводимость экспериментов
Эта статья — своеобразный мастер-класс «DVC для автоматизации ML экспериментов и версионирования данных», который прошел 18 июня на митапе ML REPA (Machine Learn...
Эта статья — своеобразный мастер-класс «DVC для автоматизации ML экспериментов и версионирования данных», который прошел 18 июня на митапе ML REPA (Machine Learning REPA:
Reproducibility, Experiments and Pipelines Automation) на площадке нашего банка.
Тут я расскажу об особенностях внутренней работы DVC и способах применения его в проектах.
Примеры кода, используемые в статье доступны здесь. Код тестировался на MacOS и Linux (Ubuntu).
#Машинноеобучение
https://habr.com/ru/company/raiffeisenbank/blog/461803/
🔗 Data Version Control (DVC): версионирование данных и воспроизводимость экспериментов
Эта статья — своеобразный мастер-класс «DVC для автоматизации ML экспериментов и версионирования данных», который прошел 18 июня на митапе ML REPA (Machine Learn...
Хабр
Data Version Control (DVC): версионирование данных и воспроизводимость экспериментов
Эта статья — своеобразный мастер-класс «DVC для автоматизации ML экспериментов и версионирования данных», который прошел 18 июня на митапе ML REPA (Machine Learning REPA: Reproducibility,...
Визуализация новостей рунета
Представьте себе, что вы поспорили с друганом, что было раньше — курица или яйцо повышение какого-то налога, к примеру, или новости на эту тему, или вовсе важное событие заглушили тучей новостей про новую песню, скажем, Киркорова. Удобно было бы посчитать, сколько новостей на каждую тему было в каждый конкретный момент времени, а потом наглядно это представить. Собственно, этим и занимается проект “радар новостей рунета”. Под катом мы расскажем, при чём здесь машинное обучение и как любой доброволец может в этом поучаствовать.
#DataMining
https://habr.com/ru/company/ods/blog/460287/
#Машинноеобучение
🔗 Визуализация новостей рунета
Представьте себе, что вы поспорили с друганом, что было раньше — курица или яйцо повышение какого-то налога, к примеру, или новости на эту тему, или вовсе важн...
Представьте себе, что вы поспорили с друганом, что было раньше — курица или яйцо повышение какого-то налога, к примеру, или новости на эту тему, или вовсе важное событие заглушили тучей новостей про новую песню, скажем, Киркорова. Удобно было бы посчитать, сколько новостей на каждую тему было в каждый конкретный момент времени, а потом наглядно это представить. Собственно, этим и занимается проект “радар новостей рунета”. Под катом мы расскажем, при чём здесь машинное обучение и как любой доброволец может в этом поучаствовать.
#DataMining
https://habr.com/ru/company/ods/blog/460287/
#Машинноеобучение
🔗 Визуализация новостей рунета
Представьте себе, что вы поспорили с друганом, что было раньше — курица или яйцо повышение какого-то налога, к примеру, или новости на эту тему, или вовсе важн...
Хабр
Визуализация новостей рунета
Представьте себе, что вы поспорили с друганом, что было раньше — курица или яйцо повышение какого-то налога, к примеру, или новости на эту тему, или вовсе важное событие заглушили тучей...
Визуализация зависимостей и наследований между моделями машинного обучения
Несколько месяцев назад я столкнулся с проблемой, моя модель построенная на алгоритмах машинного обучения просто на просто не работала. Я долго думал над тем, как решить эту проблему и в какой-то момент осознал что мои знания очень ограничены, а идеи скудны. Я знаю пару десятков моделей, и это очень малая часть тех работ которые могут быть очень полезны.
Первая мысль которая пришла в голову это то что, если я буду знать и пойму больше моделей, мои качества как исследователя и инженера в целом, возрастут. Эта идея подтолкнула меня к изучению статей с последних конференций по машинному обучению. Структурировать такую информацию довольно сложно, и необходимо записывать зависимости и связи между методами. Я не хотел представлять зависимости в виде таблицы или списка, а хотелось что-то более естественное. В итоге, я понял что иметь для себя трехмерный граф с ребрами между моделями и их компонентами, выглядит довольно интересно.
Например, архитектурно GAN [1] состоит из генератора (GEN) и дискриминатора (DIS), Состязательный Автокодировщик (AAE) [2] состоит из Автокодировщика (AE) [3] и DIS,. Каждый компонент является отдельной вершиной в данном графе, поэтому для AAE у нас будет ребро с AE и DIS.
Шаг за шагом, я анализировал статьи, выписывал из каких методов они состоят, в какой предметной области они применяются, на каких данных они тестировались, и так далее. В процессе работы я понял сколько очень интересных решений остаются неизвестными, и не находят своего применения.
#Машинноеобучение
#Искусственныйинтеллект
https://habr.com/ru/post/463175/
🔗 Визуализация зависимостей и наследований между моделями машинного обучения
Несколько месяцев назад я столкнулся с проблемой, моя модель построенная на алгоритмах машинного обучения просто на просто не работала. Я долго думал над тем,...
Несколько месяцев назад я столкнулся с проблемой, моя модель построенная на алгоритмах машинного обучения просто на просто не работала. Я долго думал над тем, как решить эту проблему и в какой-то момент осознал что мои знания очень ограничены, а идеи скудны. Я знаю пару десятков моделей, и это очень малая часть тех работ которые могут быть очень полезны.
Первая мысль которая пришла в голову это то что, если я буду знать и пойму больше моделей, мои качества как исследователя и инженера в целом, возрастут. Эта идея подтолкнула меня к изучению статей с последних конференций по машинному обучению. Структурировать такую информацию довольно сложно, и необходимо записывать зависимости и связи между методами. Я не хотел представлять зависимости в виде таблицы или списка, а хотелось что-то более естественное. В итоге, я понял что иметь для себя трехмерный граф с ребрами между моделями и их компонентами, выглядит довольно интересно.
Например, архитектурно GAN [1] состоит из генератора (GEN) и дискриминатора (DIS), Состязательный Автокодировщик (AAE) [2] состоит из Автокодировщика (AE) [3] и DIS,. Каждый компонент является отдельной вершиной в данном графе, поэтому для AAE у нас будет ребро с AE и DIS.
Шаг за шагом, я анализировал статьи, выписывал из каких методов они состоят, в какой предметной области они применяются, на каких данных они тестировались, и так далее. В процессе работы я понял сколько очень интересных решений остаются неизвестными, и не находят своего применения.
#Машинноеобучение
#Искусственныйинтеллект
https://habr.com/ru/post/463175/
🔗 Визуализация зависимостей и наследований между моделями машинного обучения
Несколько месяцев назад я столкнулся с проблемой, моя модель построенная на алгоритмах машинного обучения просто на просто не работала. Я долго думал над тем,...
Хабр
Визуализация зависимостей и наследований между моделями машинного обучения
Несколько месяцев назад я столкнулся с проблемой, моя модель построенная на алгоритмах машинного обучения просто на просто не работала. Я долго думал над тем,...
Эволюция интеллекта: зачем роботам эмоции
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Эмоции и интеллект, физики и лирики. Сколько уже времени длится противопоставление этих категорий?
Казалось бы, всем известно, что эмоции мешают интеллекту и мы ценим в людях хладнокровие, восхищаемся их умением не поддаться эмоциям и поступить рационально. С другой стороны, отсутствие эмоций тоже нам не очень-то по душе. Вполне возможно, что, не всем нравятся педанты и сухари и когда они проявляют эмоции нам бывает кажется, что это и есть сама человечность.
Что же такое эмоции? Эксклюзивное ли это качество человека или ими обладают еще и животные? И, наконец, нужны ли эмоции роботам и могут ли они у них быть вообще?
Всех, кто интересуются такими вопросами и любит пофилософствовать, добро пожаловать под кат.
#Машинноеобучение #Искусственныйинтеллект
https://habr.com/ru/post/464097/
🔗 Эволюция интеллекта: зачем роботам эмоции
Эмоции и интеллект, физики и лирики. Сколько уже времени длится противопоставление этих категорий? Казалось бы, всем известно, что эмоции мешают интеллекту и м...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Эмоции и интеллект, физики и лирики. Сколько уже времени длится противопоставление этих категорий?
Казалось бы, всем известно, что эмоции мешают интеллекту и мы ценим в людях хладнокровие, восхищаемся их умением не поддаться эмоциям и поступить рационально. С другой стороны, отсутствие эмоций тоже нам не очень-то по душе. Вполне возможно, что, не всем нравятся педанты и сухари и когда они проявляют эмоции нам бывает кажется, что это и есть сама человечность.
Что же такое эмоции? Эксклюзивное ли это качество человека или ими обладают еще и животные? И, наконец, нужны ли эмоции роботам и могут ли они у них быть вообще?
Всех, кто интересуются такими вопросами и любит пофилософствовать, добро пожаловать под кат.
#Машинноеобучение #Искусственныйинтеллект
https://habr.com/ru/post/464097/
🔗 Эволюция интеллекта: зачем роботам эмоции
Эмоции и интеллект, физики и лирики. Сколько уже времени длится противопоставление этих категорий? Казалось бы, всем известно, что эмоции мешают интеллекту и м...
Массивный набор трёхмерных данных помогает роботам разбираться в устройстве вещей
#Машинноеобучение
#Искусственныйинтеллект
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
PartNet – новая семантическая база данных повседневных объектов, выводящая степень понимания роботами окружающего мира на новый уровень
В базе содержится не менее 26 671 3D-модели из 24 категорий объектов, каждая из которых снабжена подробной трёхмерной информацией.
Одна из способностей человека, позволяющих нам так хорошо адаптироваться к окружающему миру, состоит в возможности понимать разные вещи сразу категориями целиком, а потом использовать это обобщённое понимание, чтобы разбираться с какими-то конкретными вещами, которые нам раньше не встречались. Представьте себе, например, лампу. Никто не видел все существующие в мире лампы. Но в большинстве случаев мы, впервые входя в новый дом, легко сможем найти всех имеющиеся там лампы, и понять, как они работают. Конечно, иногда мы сможем встретить что-то очень странное, что вынудит нас спросить: «Ого, это что, лампа? А как её включать?» Но в большинстве случаев наша обобщённая ментальная модель лампы спасает нас.
https://habr.com/ru/post/464583/
🔗 Массивный набор трёхмерных данных помогает роботам разбираться в устройстве вещей
PartNet – новая семантическая база данных повседневных объектов, выводящая степень понимания роботами окружающего мира на новый уровень В базе содержится не мен...
#Машинноеобучение
#Искусственныйинтеллект
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
PartNet – новая семантическая база данных повседневных объектов, выводящая степень понимания роботами окружающего мира на новый уровень
В базе содержится не менее 26 671 3D-модели из 24 категорий объектов, каждая из которых снабжена подробной трёхмерной информацией.
Одна из способностей человека, позволяющих нам так хорошо адаптироваться к окружающему миру, состоит в возможности понимать разные вещи сразу категориями целиком, а потом использовать это обобщённое понимание, чтобы разбираться с какими-то конкретными вещами, которые нам раньше не встречались. Представьте себе, например, лампу. Никто не видел все существующие в мире лампы. Но в большинстве случаев мы, впервые входя в новый дом, легко сможем найти всех имеющиеся там лампы, и понять, как они работают. Конечно, иногда мы сможем встретить что-то очень странное, что вынудит нас спросить: «Ого, это что, лампа? А как её включать?» Но в большинстве случаев наша обобщённая ментальная модель лампы спасает нас.
https://habr.com/ru/post/464583/
🔗 Массивный набор трёхмерных данных помогает роботам разбираться в устройстве вещей
PartNet – новая семантическая база данных повседневных объектов, выводящая степень понимания роботами окружающего мира на новый уровень В базе содержится не мен...
Как я учил змейку играть в себя с помощью Q-Network
#Python #Машинноеобучение
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять все то же самое и написать на python было бы не интересно. И я решил использовать более современный подход для обучения агентных систем, а именно Q-network. Но начнем с начала.
Обучение с подкреплением
В машинном обучении RL(Reinforcement Learning) достаточно сильно отличается от других направлений. Отличие состоит в том, что классический ML алгоритм обучается уже на готовых данных, в то время как RL, так сказать, сам создает себе эти данные. Идея RL состоит в том, что помимо самого алгоритма, который называют агентом, существует среда(environment), в которую этот агент и помещается. На каждом этапе агент должен совершать какое-то действие(action), а среда отвечает на это наградой(reward) и своим состоянием(state), на основе которого агент и совершает действие.
DQN
Здесь должно быть объяснение того, как алгоритм работает, но я оставлю ссылку на то, где это объясняют умные люди.
https://habr.com/ru/post/465477/
🔗 Как я учил змейку играть в себя с помощью Q-Network
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять...
#Python #Машинноеобучение
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять все то же самое и написать на python было бы не интересно. И я решил использовать более современный подход для обучения агентных систем, а именно Q-network. Но начнем с начала.
Обучение с подкреплением
В машинном обучении RL(Reinforcement Learning) достаточно сильно отличается от других направлений. Отличие состоит в том, что классический ML алгоритм обучается уже на готовых данных, в то время как RL, так сказать, сам создает себе эти данные. Идея RL состоит в том, что помимо самого алгоритма, который называют агентом, существует среда(environment), в которую этот агент и помещается. На каждом этапе агент должен совершать какое-то действие(action), а среда отвечает на это наградой(reward) и своим состоянием(state), на основе которого агент и совершает действие.
DQN
Здесь должно быть объяснение того, как алгоритм работает, но я оставлю ссылку на то, где это объясняют умные люди.
https://habr.com/ru/post/465477/
🔗 Как я учил змейку играть в себя с помощью Q-Network
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять...
Хабр
Как я учил змейку играть в себя с помощью Q-Network
Однажды, исследуя глубины интернета, я наткнулся на видео, где человек обучает змейку с помощью генетического алгоритма. И мне захотелось так же. Но просто взять все то же самое и написать на...
Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перевод]
#Python #Машинноеобучение
Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan.
Этот туториал по TensorFlow предназначен для тех, кто имеет общее представление о машинном обучении и пытается начать работу с TensorFlow.
https://habr.com/ru/post/465745/
🔗 Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перево
Привет, Хабр! Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan. Эт...
#Python #Машинноеобучение
Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan.
Этот туториал по TensorFlow предназначен для тех, кто имеет общее представление о машинном обучении и пытается начать работу с TensorFlow.
https://habr.com/ru/post/465745/
🔗 Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перево
Привет, Хабр! Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan. Эт...
Хабр
Учебное пособие по TensorFlow: 10 минутное практическое занятие по TensorFlow для начинающих [перевод]
Привет, Хабр! Представляю вашему вниманию перевод статьи "TensorFlow Tutorial: 10 minutes Practical TensorFlow lesson for quick learners" автора Ankit Sachan. Этот туториал по TensorFlow предназначен...
19 марта (четверг) в 19:30
Онлайн-лекция "Машины, которые играют в игры и игры, в которые играют машины"
📢 На лекции мы поговорим о том, какую роль игры занимают в разработке систем машинного интеллекта.
🤖 Начнём с простых примеров — игры ним, ниматрона и крестиков-ноликов, узнаем, в каких случаях и каким образом машины уже сейчас могут играть «на уровне бога», взглянем на историю компьютерных шашек, шахмат, го и покера, познакомимся с возможностями машин в этих играх, увидим своими глазами игру двух шахматных программ.
🤖 Познакомимся с примерами того, чему искусственный интеллект может научить в играх людей. Также порассуждаем о том, в каких играх машины пока что уступают людям, разберём причины этого и попробуем дать несколько прогнозов в этой области.
🔎 Лектор: Сергей Марков, автор одной из сильнейших российских шахматных программ, специалист по методам машинного обучения и основатель портала XX2 ВЕК (https://22century.ru).
📌 По всем вопросам относительно лекции обращайтесь: по телефону +74950889281 или по почте [email protected]
Стоимость трансляции лекции - 600 рублей.
Регистрация и оплата: https://bit.ly/38kmQcJ
Трансляция будет проводиться здесь: https://arhe.msk.ru/stream
#архэ #ии #искусственныйинтеллект #машинноеобучение #СергейМарков #машины #нейронныесети #нейросеть #Искусственный_интеллект_Архэ #игры #ним #шахматы #шашки #го #покер #крестикинолики
🔗 XX2 ВЕК
Новости науки и технологий. Социальные тенденции. Футурология
Онлайн-лекция "Машины, которые играют в игры и игры, в которые играют машины"
📢 На лекции мы поговорим о том, какую роль игры занимают в разработке систем машинного интеллекта.
🤖 Начнём с простых примеров — игры ним, ниматрона и крестиков-ноликов, узнаем, в каких случаях и каким образом машины уже сейчас могут играть «на уровне бога», взглянем на историю компьютерных шашек, шахмат, го и покера, познакомимся с возможностями машин в этих играх, увидим своими глазами игру двух шахматных программ.
🤖 Познакомимся с примерами того, чему искусственный интеллект может научить в играх людей. Также порассуждаем о том, в каких играх машины пока что уступают людям, разберём причины этого и попробуем дать несколько прогнозов в этой области.
🔎 Лектор: Сергей Марков, автор одной из сильнейших российских шахматных программ, специалист по методам машинного обучения и основатель портала XX2 ВЕК (https://22century.ru).
📌 По всем вопросам относительно лекции обращайтесь: по телефону +74950889281 или по почте [email protected]
Стоимость трансляции лекции - 600 рублей.
Регистрация и оплата: https://bit.ly/38kmQcJ
Трансляция будет проводиться здесь: https://arhe.msk.ru/stream
#архэ #ии #искусственныйинтеллект #машинноеобучение #СергейМарков #машины #нейронныесети #нейросеть #Искусственный_интеллект_Архэ #игры #ним #шахматы #шашки #го #покер #крестикинолики
🔗 XX2 ВЕК
Новости науки и технологий. Социальные тенденции. Футурология
