продовження статті Пошук у просторі стратегій. AI водій
Я зробив міні-гру жанру «файтинг», де учень AI б'ється з іншими, рукописними ботами, та розробляє стратегію перемоги методом проб і помилок.
У цій грі б'ються два хлопця на зразок такого:


Читати далі →

Learning to learn
В цей раз я проводив експерименти на тему learning to learn, тобто алгоритмів, які можуть вчитися, як краще вчитися.

Цілі експерименту:
1) Створити алгоритм оптимізації, який можна деяким стандартним способом пристосувати до будь-якої оптимізаційної задачі або безлічі завдань. Під словом «пристосувати» я маю на увазі зробити, щоб алгоритм дуже добре справлявся з цим завданням».
2) Налаштувати алгоритм під одну задачу і подивитися, як змінилася його ефективність на інших завданнях.

Читати далі →


Викладаю звіт про свій експеримент в області машинного навчання. На цей раз темою експерименту було створення AI для управління моделькою автомобіля.

Читати далі →

Всім привіт! У цій статті мова піде про реалізації швидкого перетворення Фур'є в форматі з плаваючою точкою на ПЛІС. Будуть показані основні особливості розробки ядра від першої стадії до готового конфигурируемого IP-ядра. Зокрема, буде проведено порівняння з готовими ядрами фірми Xilinx, показано переваги та недоліки тих чи інших варіантів реалізації. У статті буде розказано про головну особливості ядра ШПФ і ОБПФ — про відсутність необхідності переводити дані в натуральний порядок після ШПФ і ОБПФ для їх спільної зв'язки. У цій статті я постараюся відобразити всі тонкощі реалізації проекту під назвою FP23FFTK, наведу реальні приклади використання готового ядра. Проект написаний на мові VHDL і заточений під FPGA фірми Xilinx останніх колекцій.



Читати далі →

Добрий день! Це другий дайджест матеріалів за машинного навчання та аналізу даних. Незважаючи на свята, на цьому тижні було багато цікавого.
image
Події майбутнього тижня
1. imageСемінар СМиГО: Multi-Class Classification: How to Deal with Multi-class Huge Scale Problems Efficiently? 28 лютого.
2. imageData science сніданок. 1 березня.
3. imageSuperjob Data Science Meetup. 2 березня.
4. imageOpen & Big Data Hackathon 2017. р. Санкт-Петербург. 3 березня.
5. imageData Science Weekend. 3 березня.
6. imageMoscow Data Science meetup. 3 березня.
7. imageДень відкритих даних в Москві. 4 березня.

Навчальні курси, конференції
1. imageНа Физтехе стартує курс «Додаткові глави машинного навчання».
2. imageML-тренування. DeepHack RL, Avito BI. Відео.
3. imageДіалогові інтерфейси: проблеми і виклики. Відео.
4. imageNIPS 2016 Workshop on Adversarial Training. Груднева конференція в Барселоні. Відео.
5. imageDeep Learning Summer School and Punishment Learning Summer School.

Читати далі →

У статті представлено алгоритм евристичної мережі за деякими властивостями аналогічний рекурентної нейронної мережі для програми віртуального співрозмовника. Удосконалено Алгоритм з використанням тлумачного словника російської мови. У евристичну мережа впроваджено генератор нових відповідей на базі статистичної інформації бази знань.

Читати далі →

Доброго дня, колеги! Це блог відкритої російськомовній дата саєнтологічної ложі. Нас вже легіон, точніше 2500+ людина в слаке. За півтора року ми нагенерили 800к+ повідомлень (заради цього слак виділив нам корпоративний обліковий запис). Наші люди є скрізь і, може, навіть у вашій організації. Якщо ви цікавитеся машинним навчанням, але з якихось причин не знаєте про Open Data Science, то можливо ви в курсі заходів, які організовує спільнота. Самим масштабним з них є DataFest, який проходив нещодавно в офісі Mail.Ru Group, за два дні його відвідало 1700 осіб. Ми ростемо, наші ложі відкриваються в містах Росії, а також у Нью-Йорку, Дубаї і навіть у Львові, так, ми не воюємо, а іноді навіть і вживаємо міцні напої разом. І так, ми некомерційна організація, наша мета — просвітництво. Ми робимо все заради мистецтва. (пс: на фотографії ви можете спостерігати засідання ложі в одному з таємних храмів у Москві).

Мені випала честь зробити перший пост, і я, мабуть, отклонюсь від своєї звичної нейромережевої тематики і зроблю пост про базові поняття машинного навчання на прикладі однієї з найбільш простих і найбільш корисних моделей — лінійної регресії. Я буду використовувати мову пітон для демонстрації експериментів і відтворення графіків, все це ви з легкістю зможете повторити на своєму комп'ютері. Поїхали.


Читати далі →

Представляю вашій увазі підбірку матеріалів по машинного навчання та аналізу даних за минулий тиждень, які здалися мені цікавими.
image
Події майбутнього тижня

1. imageimageDeep Learning: Now and Future of Robotics. Skolkovo-Skoltech-NVIDIA workshop. 21 лютого.
2. imageData Science кейс-клуб. 21 лютого.
3. imageData science сніданок. 22 лютого.
4. imageТренування по машинному навчання. 25 лютого.

Навчальні курси, конференції

1. imageОнлайн-курс «Введення в обробку природної мови» з середини березня на stepik. Сторінка минулого року.
2. imageПерезапуск курсу «Neural Networks for Machine Learning» G. Hinton.
3. imageВідео з конференції TensorFlow Developer Summit.
4. imageВідео з конференції DataFest. Частина 1. Частина 2. Частина 3. Частина 4.
5. imageСемінар Practical Machine Learning від Яндекса (відео). Тема: чат-боти. Запис листопадова, але попалася недавно.

Читати далі →

ще трохи Заглибимося в малохоженные нетрі Data Science. Сьогодні у черзі на препарацію алгоритм кластеризації DBSCAN. Прошу під кат людей, які стикалися або збираються зіткнутися з кластеризацией даних, в яких зустрічаються згустки довільної форми — сьогодні ваш арсенал поповниться відмінним інструментом.



Читати далі →

Привіт всім, мене звати Чудінов Денис і сьогодні ми будемо шукати математику в веб-аналітиці.
Трафік з усіх фізичних явищ, є досить складним з точки зору природи процесу, оскільки, наскільки мені відомо, ще ніхто не сформулював математичні закони, що описують трафік. Тим не менш, спробуємо застосувати елементарні методи теорії ймовірності і математичної статистики для формалізації і оцінки правдоподібності наших суджень.

Читати далі →