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 )

Глубокое обучение и C++


Выступление Peter Goldsborough с рассказом о глубоком обучении и С++.

( Читать дальше )

Лекция Яндекса о технологиях беспилотных автомобилей


Лекция Антона Слесарева (руководитель проекта беспилотных автомобилей компании Яндекс) о важных компонентах стека технологий, необходимых для работы беспилотного автомобиля.

( Читать дальше )

Однопиксельная атака для обмана нейронных сетей

Однопиксельная атака для обмана нейронных сетей
С развитием технологий ИИ и повсеместным внедрением нейронных сетей — нужно постоянно помнить о том, что подобные системы самым неожиданным образом могут быть введены в заблуждение.
Например, вот отличный пример — добавление всего одного определённого пикселя на изображение, позволяет добиться, чтобы максимизировать вероятность ошибки системы распознавания.

( Читать дальше )

Andrew Ng: Искусственный интеллект - это новое электричество


Видео с выступления профессора Andrew Ng на стэнфордском форуме MSx Future, где он рассказывает как искусственный интеллект трансформирует индустрию.

Интересное правило, которое Эндрю Ын, предлагает, чтобы понять — можно ли использовать искусственный интеллект для решения какой-либо задачи:
если обычный человек может решить задачу, подумав над ней менее секунды, мы, вероятно, сможем автоматизировать её решение при помощи ИИ либо уже сейчас, либо в ближайшем будущем


( Читать дальше )

Стрим про капсульные нейронные сети


sim0nsays (Simon Kozlov) рассказывается про идею капсульных нейронных сетей (Capsule Networks (CapsNet)), которую предложил Хинтон, для решения проблем существующих свёрточных нейронных сетей.

( Читать дальше )

Стрим про Reinforcement Learning


Стрим, на котором sim0nsays (Simon Kozlov) рассказывается про AlphaGo(Zero), policy gradients и вообще Deep Reinforcement Learning.

( Читать дальше )

Видео с конференции по робототехническому обучению (CoRL)

Конференция по робототехническому обучению (CoRL) — это новая ежегодная международная конференция, посвященная пересечению робототехники и машинного обучения.

Видеозаписи трёх дней конференции, прошедшей 13-15 ноября 2017 (Mountain View, California):


( Читать дальше )