Как создать мощнейший искусственный интеллект? Один из способов — использовать модели машинного обучения с данными, которые распространяются через маркетплейсы, основанные на блокчейне. Зачем здесь блокчейн? Именно с его помощью в будущем мы можем ожидать появления открытых электронных бирж, где каждый сможет продавать свои данные, не нарушая конфиденциальность. А разработчики — выбирать и приобретать наиболее полезную информацию для своих алгоритмов. В этом посте мы расскажем о развитии и перспективах таких площадок.
Рубрика «машинное обучение» - 169
Каким будет Web 3.0: блокчейн-маркетплейсы для машинного обучения
2018-04-05 в 7:40, admin, рубрики: machine learning, Блог компании ВТБ, втб, машинное обучение
MobileNet: меньше, быстрее, точнее
2018-04-05 в 5:48, admin, рубрики: deep learning, Google, MobileNet, MobileNetV2, TensorFlow, Алгоритмы, математика, машинное обучение, нейронные сети, обработка изображений, разработка мобильных приложенийЕсли пять лет назад нейронная сеть считалась «тяжеловесным» алгоритмом, требующим железа, специально предназначенного для высоконагруженных вычислений, то сегодня уже никого не удивить глубокими сетями, работающими прямо на мобильном телефоне.
В наши дни сети распознают ваше лицо, чтобы разблокировать телефон, стилизуют фотографии под известных художников и определяют, есть ли в кадре хот-дог.
В этой статье мы поговорим о MobileNet, передовой архитектуре сверточной сети, позволяющей делать всё это и намного больше.
Читать полностью »
Разработка AI для пошаговой игры на Node.js (часть 1)
2018-04-04 в 5:58, admin, рубрики: moba, node.js, nodejs, rpg, дерево решений, игровая механика, игростроение, игры, машинное обучение, нейронная сеть, разработка игр, теория игр
Всем привет!
Прошло целых полтора года с момента написания моей первой статьи на Хабре. С тех пор проект FOTM претерпел ряд изменений. В начале пройдёмся вкратце по всем модернизациям, а затем перейдём к детальному разбору основной фичи — AI.Читать полностью »
Анонс Moscow Spark #4
2018-04-03 в 14:41, admin, рубрики: big data, kubernetes, ml, python, scala, spark, Блог компании Rambler&Co, машинное обучение
Всем привет! Новый год, новый Spark, новый Moscow Spark! Мы стартуем новый сезон нашего замечательного мероприятия 19 апреля на Мансарде Rambler&Co. Фреймворк не стоит на месте и мы тоже, в этот раз представим новый сайт сообщества и опробуем формат со звездой из-за рубежа.
Читать полностью »
Исследователь лаборатории ИИ Сбербанка – о задачах Data Science и RnD
2018-04-02 в 10:08, admin, рубрики: Блог компании Smile-Expo, интервью, искусственный интеллект, машинное обучение, нейросети, Сбербанк, смайл экспо
Нейронные сети – это не только развлекательная Prisma да FindFace. Сегодня машинное обучение и Big Data способны решать реальные бизнес-задачи. О новых технологиях в B2B-секторе знает бывший руководитель подразделения Data Science в МТС, разработчик алгоритма автодополнения запросов в поисковике «Яндекса» Дмитрий Бабаев.
Сейчас он работает исследователем в лаборатории искусственного интеллекта в Сбербанке. К сожалению, большинство разработок банка – коммерческая тайна, но обо всём, что было позволительно, специалист охотно рассказал. Читать полностью »
Рубрика «Читаем статьи за вас». Декабрь 2017 — Январь 2018
2018-04-02 в 9:51, admin, рубрики: arxiv.org, data science, machine learning, ods, open data science, science, Алгоритмы, Блог компании Open Data Science, математика, машинное обучение, обработка изображений
Привет! Продолжаем публиковать рецензии на научные статьи от членов сообщества Open Data Science из канала #article_essense. Хотите получать их раньше всех — вступайте в сообщество!
Истинная реализация нейросети с нуля. Часть 2. Распознавание цифр
2018-04-02 в 9:17, admin, рубрики: .net, C#, C# 7, digit recognizer, image recognition, neural networks, pattern recognition, tutorial, машинное обучение, нейронные сети, обучалка, ооп, распознавание изображений, распознавание образов, распознавание цифр, шарпеи
Dispute about eternal
Сердечно приветствую всех Хабравчан! С момента выхода первой части "Истинной реализации" (рекомендую ознакомиться) прошло достаточно много времени. Как внятных обучающих статей не было, так и нет, поэтому я решил подарить Вам возможность узнать от А до Я, как написать программу для распознавания цифр, в связи с тем, что мои знания в этой области заметно возросли. Как и в прошлый раз, предупреждаю, что данная статья ориентирована на тех, кто понимает основы работы нейронных сетей, но не понимает, как создать их «низкоуровневую», истинную реализацию. Приглашаю под кат ознакомиться с сим творением тех, кому надоели убогие реализации XOR, общая теория, использование Tensor Flow и др. Действующие лица: Шарпей, прошлогодняя Визуальная Студия, самодельный Набор Данных, Воплощение чистого разума и Ваш покорный слуга…
Машинное обучение и анализ данных: разбор программы обучения и основные проблемы
2018-04-01 в 18:57, admin, рубрики: big data, data mining, машинное обучение
Машинное обучение и анализ данных — обзор Специализации от Яндекcа & МФТИ (5 курсов + финальный проект), предложенной на образовательной платформе Coursera. Статья представляет собой исключительно мнение автора как выпускника, не является рекламой и/или умышленной критикой, а скорей служит вводным инструктажем для тех, кто начинает обучение по данной тематике.
Вам может быть полезна данная статья если:
- Вы хотите “попробовать на вкус” программирование на Python и понять для себя основные принципы работы моделей машинного обучения, использующихся для работы с данными
- Вы рассматриваете для себя возможность пройти какой-либо обучающий курс по данной тематике и вам интересно оценить, насколько Специализация от Яндекса & МФТИ подходит для этого
Специалист по разметке данных
2018-04-01 в 11:40, admin, рубрики: 1 апреля, big data, deep learning, Блог компании New Professions Lab, Карьера в IT-индустрии, машинное обучение, обработка изображений, разметка, семантическая разметкаСегодня замечательный день (if you know what I mean), чтобы анонсировать нашу новую программу — Специалист по разметке данных.
На текущий момент в сфере искусственного интеллекта сложилась такая ситуация, при которой для обучения сильной нейронной сети нужны несколько компонентов: железо, софт и, непосредственно, данные. Много данных.
Железо, в общем-то, доступно каждому через облака. Да, оно может быть недешевым, но GPU-инстансы на EC2 вполне по карману большинству исследователей. Софт опенсорсный, большинство фреймворков можно скачать себе куда-то и работать с ними. Некоторые сложнее, некоторые проще. Но порог для входа вполне приемлемый. Остается только последний компонент — это данные. И вот здесь и возникает загвоздка.
Deep learning требует действительно больших данных: сотни тысяч–миллионы объектов. Если вы хотите заниматься, например, задачей классификации изображений, то вам, помимо самих данных, нужно передать нейронке информацию, к какому классу относится тот или иной объект. Если у вас задача связана еще и с сегментацией изображения, то получение хорошего датасета — это уже фантастически сложно. Представьте, что вам нужно на каждом изображении выделить границы каждого объекта.
В этом посте хочется сделать обзор тех инструментов (коммерческих и бесплатных), которые пытаются облегчить жизнь этих прекрасных людей — разметчиков данных.
Читать полностью »
Bitcoin & AI. Победа неизбежна
2018-03-31 в 21:15, admin, рубрики: искусственный интеллект, криптовалюта, криптография, машинное обучениеО некоторых свойствах кривой secp256k1 и попытке предсказать ее поведение.
Как известно, задача дискретного логарифмирования является очень сложной и люди не знают способа вычислять его быстро. Более того, зная точку на кривой P = n*G очень трудно сделать суждение о величине n. Даже о приблизительной величине. Попробуем еще проще: попробуем делать суждения о последовательности 
, вернее о значениях 
зная значения 
.
Читать полностью »