Исследователи из Кембриджского университета (Великобритания) разработали прототип робота Vegebot, предназначенного для уборки урожая. Данный прототип, на основе промышленного робота-манипулятора UR10 от Universal Robots, способен распознать и срезать созревшие кочаны салата-латука.

( Читать дальше )

Исследователи из Университета Токио (Япония) и Preferred Networks, использовали технологию глубокого обучения с подкреплением (deep reinforcement learning), чтобы научить передвигаться роботов, сконструированных из веток деревьев и пары сервомашинок.

( Читать дальше )

Инженер Amazon — Ben Hamm, используя камеру AWS DeepLens, обучил систему ИИ на распознавание, когда его кот пытается принести в дом мёртвых птиц или крыс.

( Читать дальше )

Открыта регистрация на ML тренировку 15 июня!
Когда: 15 июня (в 11:30 сбор участников и регистрация, доклады с 12:00 до 15:00)
Где: московский офис Mail.ru Group (Ленинградский пр-т, д. 39, стр. 79)
https://corp.mail.ru/ru/press/events/596/

( Читать дальше )

Проблема состязательных атак (Adversarial attacks) на системы распознавания — давно не является чем-то новым. Но появилась очередная красивая демонстрация от команды исследователей из University of KU Leuven (Бельгия).
Исследователи продемонстрировали, как использование специальной цветной фотографии, удерживаемой около туловища человека, может сделать его невидимым для систем распознавания изображений, основанных на свёрточных нейронных сетях (YoLo v2).

( Читать дальше )

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 )

Команда Festo bionics представила свои новые разработки в области бионических манипуляторов — Бионическую руку BionicSoftHand и мягкий манипулятор — BionicSoftArm.

( Читать дальше )

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 )

Исследователи Массачусетского технологического института изучили 16625 научных работ по теме «искусственный интеллект» на открытой платформе научных публикаций arXiv.org. Проанализировав частоту упонимания слов и словосочетаний, исследователи выяснили — какие технологии упоминаются в них чаще всего. Это позволило им сделать ряд прогнозов относительно ближайших перспектив развития технологии Искусственного Интеллекта (ИИ).
Примером такого же наукометрического (библиометрического) подхода можно назвать использование спортивной статистики, которое с Промокод 1xbet, применяется для прогнозирования результатов спортивных соревнований. Вопрос качества подобных прогнозов остается открытым, но использование объективных количественных показателей позволяет избежать субъективности экспертных оценок.

( Читать дальше )

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 )