Традиционно провожаем уходящий 2016 год подборкой ключевых анонсов от корпорации Microsoft. Под катом мы собрали десять самых ярких и запоминающихся новостей.
Рубрика «data mining» - 55
Топ-10 ключевых анонсов от Microsoft в 2016 году
2016-12-23 в 8:23, admin, рубрики: AI, azure baas, azure bot-as-a-service, C#, C# 7, data mining, github, hololens, linux, microsoft, Microsoft Azure, Microsoft Bot Framework, microsoft cognitive services, microsoft teams, open source, OpenAI, Skype Translator, uber, visual studio 2017, visual studio mobile center, windows, Windows 10, xamarin, xamarin studio, Блог компании Microsoft, демократизация, дополненная реальность, ИИ, искусственный интеллект, машинное обучение, Разработка под AR и VR, Сатья Наделла, смешанная реальность
Еще 12 big data кейсов
2016-12-22 в 10:43, admin, рубрики: big data, big data solutions, data mining, Блог компании New Professions Lab, машинное обучениеХабр, привет. Сегодня мы подготовили еще 12 примеров того, как технологии больших данных приносят компаниям деньги.
Читать полностью »
Как мы запускали программу Deep Learning
2016-12-16 в 10:53, admin, рубрики: big data, data mining, deep learning, gpu, ibm Bluemix, Microsoft Azure, Блог компании New Professions Lab, машинное обучениеХабр, привет.
Как вы знаете, для обучения глубоких нейронных сетей оптимально использовать машины с GPU. Наши образовательные программы всегда имеют практический уклон, поэтому для нас было обязательно, чтобы во время обучения у каждого участника была своя виртуальная машина с GPU, на которой он мог решать задачи во время занятий, а также лабораторную работу в течение недели. О том, как мы выбирали инфраструктурного партнера для реализации наших планов и подготавливали среду для наших участников, и пойдет речь в нашем посте.
Читать полностью »
Chatbot на базе рекуррентной нейронной сети своими руками за 1 вечер-6$ и ~ 100 строчек кода
2016-12-16 в 7:39, admin, рубрики: AWS, data mining, TensorFlow, исскуственный интеллектВ данной статье я хочу показать насколько просто сегодня использовать нейронные сети. Вокруг меня довольно много людей одержимы идеей того, что нейронки может использовать только исследователь. И что бы получить хоть какой то выхлоп, нужно иметь как минимуму кандидатскую степень. А давайте на реальном примере посмотрим как оно на самом деле, взять и с нуля за один вечер обучить chatbot. Да еще не просто абы чем а самым что нинаесть ламповым TensorFlow. При этом я постарался описать все настолько просто, что-бы он был понятен даже начинающему программисту! В путь!
Вебинар: Введение в Data Science
2016-12-15 в 10:30, admin, рубрики: big data, BigData, data mining, data science, deep learning, FlyElephant, machine learning, Блог компании FlyElephant, вебинар, высокая производительность, машинное обучение
Команда FlyElephant приглашает всех 21 декабря в 18.00 (EET) на вебинар «Введение в Data Science». В его рамках мы рассмотрим на примерах, что такое Data Science, Data Mining, Machine Learning и Deep Learning, кто такой data scientist и какими инструментами он пользуется для сбора, хранения, обработки и визуализации данных. Поговорим о платформе FlyElephant и чем она может быть полезна для работы data scientist’а.
Зарегистрироваться на вебинар можно Читать полностью »
Оптимальная аппроксимация сплайнами
2016-12-07 в 17:42, admin, рубрики: data mining, python3, Алгоритмы, математика, машинное обучение, оптимизация, сплайны, метки: сплайныПусть нам дан набор точек 
и соответствующий им набор положительных весов 
. Мы считаем, что некоторые точки могут быть важнее других (если нет, то все веса одинаковые). Неформально говоря, мы хотим, чтобы на соответствующем интервале была проведена красивая кривая таким образом, чтобы она «лучше всего» проходила через эти данные.
Под катом находится алгоритм, раскрывающий, каким образом сплайны позволяют строить подобную красивую регрессию:
FlyElephant празднует первый год работы в публичном доступе и анонсирует сотрудничество с HPC-HUB
2016-11-25 в 13:10, admin, рубрики: big data, blender, c++, data mining, docker, FlyElephant, gcc, gromacs, HPC, java, Julia, jupyter, octave, OpenFOAM, openmp, python, R, SciLab, Блог компании FlyElephant, высокая производительность, машинное обучение, научные расчёты, Облачные вычисления, параллельное программирование, стартапы
В ноябре FlyElephant празднует первый год работы в публичном доступе. FlyElephant — это платформа для дата сайнтистов, инженеров и ученых, которая ускоряет бизнес с помощью автоматизации Data Science и Engineering Simulation.
Читать полностью »
Сравнение технологических подходов к решению задач по извлечению данных
2016-11-23 в 20:43, admin, рубрики: data mining, машинное обучение, разбор адресов по КЛАДР/ФИАС, Семантика, Семантический анализ текста, метки: разбор адресов по КЛАДР/ФИАС, Семантический анализ текстаЦелью статьи является попытка сравнительного анализа основных подходов в решении задач семантического анализа текстов, их различиях и эффективности на уровне концепций, без учета нюансов, комбинаций вариантов и возможных трюков, способствующих улучшению ожидаемого результата.
На сегодняшний день существует огромное количество материалов описывающий те или иные техники решения задач семантического анализа текстов. Это и латентно-семантический анализ, SVM-анализ, «перенос-свертка» и многое другое. Писать очередную статью про обзор и сравнение конкретных алгоритмов – это значит впустую потрать время.
Мне бы хотелось в рамках нескольких статей обсудить базовые идеи и проблемы, лежащие в основе семантического анализа с точки зрения их практического применения, если можно так выразится, с базовой философско-онтологической точки зрения. В какой степени возможно использовать порождающие грамматики для анализа текста? Накапливать ли варианты написания и разного рода "корпуса" или разрабатывать алгоритмы анализа на основании правил?
В рамках нашего рассуждения я осознанно постараюсь уйти от каких-либо терминов и устоявшихся выражений, ибо как говорил У. Куайн – термины это всего лишь имена в рамках онтологий не имеющие никакого практического значения для решения задач логики и понимания чего-либо в частности.[1] Поэтому, с его позволения, будем опираться на единичные дескрипции Рассела, а проще говоря, давать полные описания в ущерб существующим устоявшимся терминам.
Еще примеры использования R для решения практических бизнес-задач
2016-11-22 в 14:24, admin, рубрики: big data, data mining, data science, RС момента прошлой публикации пришлось примеряться к ряду различных задач, связанных тем или иным образом с обработкой данных. Задачи совершенно разные, но во всех случаях инструменты R позволили элегантно и эффективно их решить. Ниже, собственно, кейсы (картинок нет). Читать полностью »
Программа по Deep Learning
2016-11-18 в 12:58, admin, рубрики: artifical intelligence, big data, data mining, deep learning, Блог компании New Professions Lab, глубокое обучение, искусственный интеллект, машинное обучение Из уважения к тем из вас, кто на дух не переносит здесь рекламу, сразу сообщим — да, это рекламный пост. Можно проскроллить дальше. Тем, кто считает, что реклама не всегда вредна и порой помогает принимать нам важные решения, добро пожаловать под кат.
Читать полностью »