-
Замена клавиатуры — распознавание движения руки
Для распознавания движения в воздухе, Federico Terzi собрал портативное устройство на базе контроллера Arduino, акселерометра MPU-6050 и bluetooth-модуля HC-06. Для распознавания паттернов движения, использовался Python и библиотека машинного обучения Scikit-learn.
-
Mozilla представила свою технологию распознавания речи
Распознавание речи, становится стандартной опцией (на лицо коммодитизация технологии). Mozilla, в этом вопросе, не отстаёт от рынка. Год назад, при помощи добровольцев, она начала собирать голосовые данные в датасет Common Voice. И вот уже готова открытая технология по распознаванию речи.
-
Глубокие нейронные сети как следующий этап развития программного обеспечения
Многие люди воспринимают нейронные сети как «ещё один инструмент машинного обучения». У них есть свои плюсы и минусы. Они популярны. И, разумеется, их можно использовать, чтобы выиграть соревнования по машинному обучения (Kaggle). Однако, Andrej Karpathy (раньше — исследователь из OpenAI, сейчас — директор по ИИ в Tesla), считает, что подобный взгляд на нейронные сети —…
-
NASA устроили соревнование, кто лучше управляет беспилотником: ИИ или человек
ИИ в соревновании с человеком по управлению беспилотником. Пока, человеку потребовалось меньше времени, чтобы завершить круг, однако ИИ прошёл трассу мягче и уверенней.
-
Особенности применения машинного обучения в промышленности, индустрии моды и банковских услугах
Видео с конференции Data & Science, на котором эксперты рассказывают о своём опыте работы с большими данными, машинном обучении и их применении в науке, экономике и других сферах жизни. Очень интересно первое выступление — Эмели Драль из Yandex Data Factory, рассказывает о подводных камнях, которые возникают при использовании машинного обучения в промышленности (выбор нефтяных скважин…
-
Проблемы применения машинного обучения для решения реальных задач
Машинное обучение (ML), Искусственный Интеллект (AI), нейронные сети (NN) — эти термины в последнее время время не сходят с новостных заголовков и этот шум даже не думает умолкать. Большие данные, вычислительные мощности графических карт (GPU) и огромное количество научных исследований — позволили глубокому обучению стать технологией меняющей мир. Доступность фреймворков машинного обучения в виде открытого…
-
Создание покемонов с помощью генеративных состязательных сетей
Генеративные состязательные сети (Generative Adversarial Networks — GAN) — потрясающий тип нейронных сетей, моделирующих генерацию данных. Много данных для обучения, много параметров и требуемых вычислений, но, в итоге, можно научить нейронную сеть распределению в данных и начать генерировать самые разные целевые данные: покемонов, пиццу и даже лекарства.
-
GAN — генеративные состязательные сети
GAN — Generative Adversarial Networks — генеративные состязательные сети. Пока мне не удалось найти устоявшегося русскоязычного названия. Другие варианты: генеративные соревновательные сети порождающие соперничающие сети порождающие соревнующиеся сети Генеративные сети — это очень интересный класс нейронных сетей, которые учатся генерировать определённые объекты. Сейчас, подобные сети очень популярны и используются для самых разных задач — от…
-
Будущее глубокого обучения
Обратное распространение ошибки имеет фундаментальное значение для глубокого обучения. Хинтон (изобретатель) недавно сказал, что мы должны «выбросить всё это и начать всё заново». В этом видео, Siraj Raval рассказывает, как работает обратное распространение ошибки и как оно используется в глубоком обучении. В завершение — он даёт 7 интересных направлений исследований.
-
Дмитрий Ветров. Введение в байесовские методы
Введение в байесовские методы применительно к машинному обучению и глубоким нейронным сетям.
Преимуществ нет, за исключением читабельности: тип bool обычно имеет размер 1 байт, как и uint8_t. Думаю, компилятор в обоих случаях…