-
Машинное обучение и нейронаука
Как связаны машинное обучение и нейронаука? Например, нейронные сети были разработаны по прообразу устройства мозга. Siraj Raval рассказывает об открытиях в области нейронауки, которые помогли совершиться прорывам в машинном обучении.
-
uTensor — AI на микроконтроллерах
Интересный проект — uTensor — ставит перед собой задачу запуска нейронных сетей и глубокого обучения на микроконтроллерах.
-
Разъяснение Numenta
Компания Numenta пытается создать сильный ИИ, копируя структуру новой коры головного мозга — неокортекса. В этом видео, Siraj Raval рассказывает о том как работает иерархическая система временной памяти (Hierarchical Temporal Memory — HTM). Рассматривает технологический стек HTM и сравнивает его с технологиями глубокого обучения.
-
Разъяснение Keras
Каков наилучший способ начать глубокое обучение? Разумеется, это библиотека Keras! Это библиотека высокого уровня для глубокого обучения, которая позволяет очень легко реализовывать модели глубоких нейронных сетей всех видов.
-
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.
-
Стрим про Reinforcement Learning
Стрим, на котором sim0nsays (Simon Kozlov) рассказывается про AlphaGo(Zero), policy gradients и вообще Deep Reinforcement Learning.
-
AIY Vision Kit — DIY-проект от Google
Компания Google, представила маленький DIY-набор на основе Raspberry Pi Zero W. AIY Vision Kit — это набор из картонной коробки, камеры и специальной платы VisionBonnet, которая несёт на себе Intel® Movidius™ MA2450 — специальный процессор обработки изображений, способный работать с нейронными сетями (позволяет работать со скоростью до 30 кадров в секунду, обеспечивая отличную производительность).
-
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 —…
-
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.

Преимуществ нет, за исключением читабельности: тип bool обычно имеет размер 1 байт, как и uint8_t. Думаю, компилятор в обоих случаях…