Рейтинг
0.00
голосов:
0
avatar

Машинное обучение  

Интерпретация работы нейронных сетей - тестирование с помощью векторов активации концепции


Исследователи из Google Brain представили новый метод интепретации работы искусственных нейронных сетей.
Метод получил название Тестирование с помощью векторов активации концепции (Testing with CAVs (TCAV)).

( Читать дальше )

Что такое Data Science?

Становись дата саентистом как я
Многие считают, что сейчас профессия Data Scientist является одной из самых, привлекательных, перспективных и высокооплачиваемых. Все крупные компании уже создали отделы по обработке собственных данных и прямо на глазах превращаются в дата-ориентированные (Data-driven) организации, которым требуется всё больше специалистов по данным.
Чтобы стать востребованным специалистом в этой области — потребуются хорошие знания программирования, математической статистики и машинного обучения. Нужные знания и навыки можно получить в некоторых университетах, попробовать прокачать самостоятельно или получить на различных курсах — например, на курсе специализации Data Scientist в онлайн-школе SkillFactory, где за 12 месяцев можно с нуля освоить эту интересную профессию.
Выбор такого специализированного курса позволяет учащемуся пройти полный цикл обучения: от изучения языка Python для анализа данных и классического машинного обучения — до самого увлекательного и востребованного направления в области машинного обучения — нейронных сетей и глубокого обучения (Deep Learning).
Путь Data Scientist — долгий и желающим учиться нужно приготовиться пройти его от начального «я ничего не знаю» до момента, когда можно будет уверенно сказать: «я решаю задачи по машинному обучению и знаю, где это применить и как развиваться дальше».

Но что же такое Data Science?



( Читать дальше )

Auto-Keras - библиотека для AutoML


Auto-Keras — это библиотека с открытым исходным кодом для Автоматизированного машинного обучения (Automated Machine Learning (AutoML)).

Auto-Keras предоставляет функции для автоматического поиска архитектуры и гиперпараметров моделей глубокого обучения.

( Читать дальше )

Обучение четвероногого робота ходьбе при помощи тренировки нейронной сети в симуляции


Чевероного робота-собаку ANYmal обучили ходить при помощи тренировки нейронной сети в симуляторе.
Подобный подход уже давно применяется в робототехнике, потому что использование симулятора имеет массу преимуществ в скорости, стоимости и безопасности.

( Читать дальше )

STM32Cube.AI - пакет расширения для STM32CubeMX для встраивания нейронных сетей в микроконтроллеры STM32


STM32Cube.AI — это пакет расширения для STM32CubeMX (программа для конфигурации и генерации кода), позволяющий встраивать и использовать нейронные сети на микроконтроллерах STM32.

( Читать дальше )

TTA - аугментация во время теста

аугментация котиков
TTA — test-time augmentation — аугментация во время теста.
Это способ увеличить качество классификатора за счёт усреднения предсказаний для изображений и их аугментаций.

( Читать дальше )

CMSIS-NN - библиотека для работы с нейронными сетями для микроконтроллеров ARM Cortex-M

STM32
Оказывается, ещё в январе, в стандартную библиотеку — CMSIS (Cortex Microcontroller Software Interface Standard) включили функционал для реализации нейронных сетей — CMSIS-NN.

Основанием для внесения подобного функционала в стандартную библиотеку, стало признание того, что с развитием интеллектуальных периферийных устройств, IoT и т.п. — нейронные сети становятся всё более популярными для выполнения задач аналитики данных сразу на месте, что позволяет уменьшить латентность системы, а также уменьшить энергопотребление, которое можно будет не затрачивать на передачу данных.

CMSIS-NN представляет собой набор функций для реализации нейронных сетей, разработанных для максимизации производительности и минимизации объема потребляемой памяти на процессорных ядрах ARM Cortex-M.

( Читать дальше )

Внимательное изучение данных - это необходимость

отличие научной  и индустриальной работ в области машинного обучения
Свежая статья Питера Уордена (Pete Warden) — «Почему вам необходимо улучшить свои тренировочные данные и как это сделать? (Why you need to improve your training data, and how to do it) снова поднимает серьёзный вопрос, касающийся практического применения алгоритмов машинного обучения для решения реальных задач.
Автор обращает внимание, что в научной среде, основной упор делается на разработку и исследование работы новых моделей, в то время как в индустрии — больше всего времени тратится на подготовку и обработку самих данных.

( Читать дальше )

Использование свёрточной сети на Raspberry Pi для подсчёта пчёл

детектирование пчёл
Вручную разметив фотографии пчёл и используя нейросетевую архитектуру u-net на одноплатнике Raspberry Pi, автору удалось подсчитывать пчёл на входе в улей.

Частичное обучение


Так как с камеры можно получить большое количество изображений, то можно воспользоваться интересным трюком: частичным обучением, оно же — обучение с частичным привлечением учителя (Semi-supervised learning).

В основе этого трюка лежит очень простой подход:

( Читать дальше )

Использование TensorFlow для распознавания ваших объектов


Чтобы научить нейронную сетку на TensorFlow распознавать нужные вам объекты, вам понадобится несколько сотен изображений этих объектов. Эти изображения можно найти и скачать из интернета, либо сделать собственные фотографии.

( Читать дальше )