Big Data, Machine Learning, Data Science Digest #18: тренування роботів із Reinforcement Learning, історія та еволюція AI, відкриття нейронних аудіоефектів

Привіт!

У цьому випуску дайджеста, де я зібрав найцікавіше зі світу Machine Learning та AI за останній час, ви дізнаєтеся про таке:

хто стоїть за розробкою AI-систем та як це впливає на їхню якість;
як команди із Silicon Valley виборюють право порушувати тишу стосовно AI-загроз;
як AI може замінити іншомовні субтитри та які проєкти креативного мистецтва вийшли у світ;
проєкти, які допоможуть початківцям зібрати переконливе резюме;
фріланс у сфері ML;
еволюцію штучного інтелекту в США;
використання reinforcement learning для навчання роботів;
та ще багато чого іншого.

Якщо ви проґавили мій попередній дайджест — не проблема, його можна переглянути тут. Як завжди, фідбек та коментарі заохочуються :)

Статті

The ‘Invisible’, Often Unhappy Workforce That’s Deciding the Future of AI

Стаття аналізує дві нові доповіді, у тому числі статтю під керівництвом Google Research, що висловлює тенденцію розробників покладатися на дешеву робочу силу для створення систем машинного навчання і наслідки, які це може мати для AI.

Getting Data for Robot AI — Hard, but Possible

Втіленим агентам AI потрібні дані про взаємодію з реальним світом, отримати які набагато складніше, ніж дані інших доменів AI, таких як зір і мова.

AI could end foreign-language subtitles

Аналіз методів для інтерпретації та синтезу голосів у рекламі, фільмах і телебаченні.

Machine-learning system flags remedies that might do more harm than good

Система машинного навчання позначає засоби, які можуть принести більше шкоди, ніж користі.

Broken Promises & Empty Threats: The Evolution Of AI in the USA, 1956-1996

У цьому дописі використовується періодизація, що є в японській спільноті AI для розгляду історії AI в США.

For truly ethical AI, its research must be independent from big tech

Стаття The Guardian розглядає способи приборкання сили Кремнієвої долини та захисту тих, хто говорить про шкоду AI.

This AI art app is a glimpse at the future of synthetic media

У статті Verge описується AI-програма, що перетворює текст в зображення.

Проєкти

ArcaneGAN: face portrait to Arcane style

Відео, оброблені спільнотою Huggingface Video Inference.

Shape abstraction using neural networks for differentiable 2D rendering

Офіційна реалізація статті «Differentiable Drawing and Sketching».

Yuno: пошукова система AI, яка рекомендує аніме з конкретним описом

Імплементація пошукової мережі аніме-рекомендацій на основі аналізу півмільйона відгуків на Reddit.

Автоматичне оновлення набору даних Kaggle, який збирає високочастотні дані ринку криптовалют.

Автоматизований конвеєр збору, який збирає щохвилинні ринкові дані для криптовалют. Оновлюється на Kaggle щодня!

Відео

Entwined

Цікавий проєкт, створений за допомогою процесів AI «Style Transfer» для перетворення стокового відеоматеріалу у відеоарт.

Machine Learning for Computational Fluid Dynamics

Машинне навчання швидко стає основною технологією для наукових обчислень з численними можливостями для просування сфери обчислювальної гідродинаміки.

AWS re:Invent 2021 — Database, Analytics, and Machine Learning Keynote with Swami Sivasubramanian

Swami Sivasubramanian, віце-президент з машинного навчання Amazon Web Services, надає основну доповідь про базу даних, аналітику та машинне навчання на re:Invent.

Teaching Robots to Walk with Reinforcement Learning

Друга частина відео про симулятори роботів, яке показує спроби застосувати reinforcement learning для роботи з роботом Біттл у симуляторі Isaac.

Data Science Projects For Resume | Machine Learning Projects With Source Code

5 важливих наскрізних проєктів із науки про дані для резюме спеціаліста з даних. Три з цих проєкта — це проєкти машинного навчання, а два — проєкти Power BI, Tableau Dashboarding BI.

Наукові статті

Steerable discovery of neural audio effects

Стаття пропонує метод для розробки ефектів із використанням прикладів записів, наданих користувачем. Цей метод створює ефект, подібний до цільового ефекту, разом із цікавими неточностями, а також забезпечує релевантні для сприйняття елементи керування.

Towards Real-World Blind Face Restoration with Generative Facial Prior

GFP включено в процес відновлення обличчя за допомогою нових шарів просторового перетворення з розділеними каналами, які дозволяють нашому методу досягти оптимального балансу реальності та точності.

GAN-Supervised Dense Visual Alignment

Праця пропонує структуру для вивчення дискримінаційних моделей та генерованих GAN навчальних даних.

Embracing Single Stride 3D Object Detector with Sparse Transformer

Експерименти показують, що операції зниження дискретизації приносять небагато переваг і призводять до неминучої втрати інформації. Щоб вирішити цю проблему, автори пропонують Single-stride Sparse Transformer (SST) для збереження вихідної роздільної здатності від початку до кінця мережі.

NL-Augmenter: A Framework for Task-Sensitive Natural Language Augmentation

Стаття представляє NL-Augmenter — нову платформу для розширення природної мови на основі Python, яка підтримує створення як трансформацій (модифікацій даних), так і фільтрів (розбиття даних відповідно до конкретних функцій).

***

Дякую за увагу! Щоб не пропустити мій наступний дайджест, клікайте «Підписатися на автора» одразу під текстом.

Якщо ви бажаєте працювати у колі однодумців над складними data-centric проєктами — приєднуйтесь до команди Xenoss! Серед наших найгарячіших вакансій:

Senior Data Scientist/ML Engineer

Lead Node.js Engineer

Lead Java Engineer

Стежити за новинами Xenoss можна у соц-мережах — LinkedIn та Facebook.