Була ніч, вогні Бориспільської траси пролітали повз вікон таксі. Водій вимкнув музику, нестерпно давившую мені на мозок після важкого перельоту, і, щоб не заснути, почав говорити.
Спочатку, звичайно, про політику, «довели країну», і все в такому роді, потім про щось особисте. Я теж не хотів відключатися прямо на передньому сидінні, тому намагався його слухати.
 … І тоді нам усім прийде кінець, — долинули до мене уривки фраз.   Точніше тільки їм, не мені. Я надійно підстрахувався. Коли їх всіх водіїв таксі, маршруток, навіть трамваїв викинуть на вулицю, мене вже там не буде. Я буду сидіти в теплі, пити каву і голосно-голосно сміятися.
  Чому-чому їх викинуть на вулицю?   заспанно перепитав я.
  Ти що, про Убер не чув? Що вони з водіями роблять — тільки репетиція, так. Скоро, вже дуже скоро вони запустять свої автопілоти. Це буде дешевше, безпечніше, крутіше! Всіх цих нездар чекає робота на будівництві. Або бомжатник. Але не мене, я розумніший їх.
— Так?   я протер очі.
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 →

Все почалося з того, що дружина захотіла повісити годівничку для птахів. Ідея мені сподобалася, але відразу захотілося оптимізувати. Світловий день взимку короткий — сидіти вдень і дивитися на годівницю часу немає. Значить потрібно більше Computer Vision!

Ідея була простою: прилітає пташка — вжуууух — вона виявляється на телефоні. Залишилося придумати, як це зробити і реалізувати.
У статті:
  • Запуск Caffe на Raspberry Pi B+ (давно хотів це зробити)
  • Побудова системи збору даних
  • Вибір нейронної мережі, оптимізація архітектури, навчання
  • Обернення, вибір і приделывание інтерфейсу
Всі вихідні коди відкриті + описаний повний порядок розгортання отриманої конструкції.

Читати далі →

Є одна дуже цікава новина, яка залишилася мало висвітленою, особливо в руском сегменті Інтернету. Perspective API від Google тепер доступний для розробників. Що це ще за чергова хрень запитаєте ви? Якщо коротко, то це API або сервіс, який дозволяє оцінити «токсичність» коментарів у мережі. Так, це не жарт, все саме так. Ви навіть можете зайти і перевірити свій коментар на цю саму «токсичність». Серед партнерів проекту такі новинні агентства як The New York Times, The Guardian, The Economist та інтернет енциклопедія Wikipedia.

Читати далі →

Хабр, привіт! У сучасному машинному навчанні та науці про даних можна виділити кілька трендів. Перш за все, це глибоке навчання: розпізнавання зображень, аудіо та відео, обробка текстів на природних мовах. Ще одним трендом стає навчання з підкріпленням — reinforcement learning, що дозволяє алгоритмам успішно грати в комп'ютерні і настільні ігри, і дає можливість постійно поліпшувати побудовані моделі на основі відгуку зовнішнього середовища.

Є і ще один тренд, менш помітний, так як його результати для зовнішніх спостерігачів виглядають не так вражаюче, але не менш важливе — автоматизація машинного навчання. У зв'язку з його стрімким розвитком знову актуальним стає питання про те, чи не будуть data scientist'и зрештою автоматизовані і витіснені штучним інтелектом.

Читати далі →

Багато матеріалів по нейронних мереж одразу починаються з демонстрації досить складних архітектур. При цьому самі базові речі, які стосуються функцій активацій, ініціалізації ваг, вибору кількості шарів у мережі і т. д. якщо і розглядаються, то побіжно. Виходить починаючому практику нейронних мереж доводиться брати типові конфігурації і працювати з ними фактично наосліп.

У статті ми підемо іншим шляхом. Почнемо з найпростішої конфігурації — одного нейрона з одним входом і одним виходом, без активації. Далі будемо маленькими ітераціями ускладнюють конфігурацію мережі і спробуємо вичавити з кожної з них розумний максимум. Це дозволить посмикати мережі за ниточки і напрацювати практичну інтуїцію в побудові архітектур нейромереж, яка на практиці виявляється дуже цінним активом.
Читати далі →



Наталя Єфремова занурює публіку у специфіку практичного використання нейромереж. Це — розшифровка доповіді Highload++.

Добрий день, мене звати Наталя Єфремова та я research scientist у компанії N-TechLab. Сьогодні я буду розповідати про види нейронних мереж та їх застосування.

Спочатку скажу кілька слів про нашу компанію. Компанія нова, може бути, багато хто з вас ще не знають, чим ми займаємося. В минулому році ми виграли змагання MegaFace. Це міжнародне змагання по розпізнаванню осіб. У цьому ж році була відкрита наша компанія, тобто ми на ринку вже близько року, навіть трохи більше. Відповідно ми одна з лідируючих компаній у розпізнаванні осіб та обробки біометричних зображень.

Перша частина моєї доповіді буде присвячена тим, хто не знайомий з нейтронними мережами. Я займаюся безпосередньо Deep Learning. У цій сфері я працюю більше 10 років. Хоча вона з'явилася трохи менше, ніж десятиліття тому, раніше були якісь зачатки нейронних мереж, які були схожі на систему Deep Learning.

Читати далі →

15 лютого компанія IBM открыла доступ до основного компоненту для машинного навчання, використовуваному суперкомп'ютером Watson, який дозволить іншими організаціями адаптувати потужності системи для своїх потреб. Мова йде про платформі IBM Machine Learning, завдання якої знизити складність розробки і розгортання спеціалізованих аналітичних моделей.


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 →



Як багато з вас знають, в 2015 році Стівен Хокінг, Елон Маск і сотні вчених, розробників штучного інтелекту і великих бізнесменів підписали відкритий лист, в якому підкреслили небезпека ШІ для існування людства і закликали співтовариство інженерів і вчених не створювати штучні інтелекти, які не можуть повністю контролюватися людиною. У 2016-му на конференції Code Conference засновнику Space X і Tesla задали питання: які компанії, що розробляють сьогодні ІІ, викликають у нього побоювання? На це відповів, що зараз його лякає лише одна з них. Яка — не сказав. І незважаючи на всі запевнення техноадептов в тому, що ШІ — виключно благо, ціна зневаги механізмами безпеки може виявитися несумірною висока.
Читати далі →