Сучасна диджитал-освіта для дітей — безоплатне заняття в GoITeens ×
Mazda CX 5
×

Big Data, Machine Learning, Data Science Digest #19: кращі матеріали із AI, ML, DS за 2021 рік

Усі статті, обговорення, новини про AI — в одному місці. Підписуйтеся на DOU | AI!

2021 рік добігає кінця, а це значить, що настав час підвести підсумки цікавих публікацій, проєктів та дискусій зі світу Data Science та Machine Learning.

У цьому випуску дайджеста ми згадаємо кращі матеріали з попередніх добірок, що справили на мене враження протягом року.

Зберігайте собі корисні статті, книги та подкасти, а також долучайтеся до дискусії в коментарях. Якщо ви не мали часу прочитати мій попередній дайджест, це можна зробити тут.

Статті

Telling a Great Data Story: A Visualization Decision Tree.

Як побудувати візуалізацію даних, яка розповідає історію? У статті пропонується дерево рішень, яке допоможе вам вибрати, який тип візуалізації використовувати в залежності від історії, яку ви хочете розповісти.

Leveraging Machine Learning for Game Development.

В майбутньому комп’ютерні ігри ще до виходу в світ можуть бути протестовані АІ на збалансованість. Така ідея пропонується в блозі від Google: йдеться про те, як компанія використовувала АІ для мільйонів симуляцій віртуальної карткової гри під назвою «Chimera», а потім проаналізувала результати, щоб з’ясувати, як гейм-дизайнерам зробити гру більш збалансованою, цікавою та відповідною до її задумки.

Time series forecasting: Selecting algorithms

Пропоную ознайомитись із підходом Microsoft до оцінки точності моделей прогнозування та методом, при якому їхня команда дозволяє зацікавленим сторонам швидко реагувати на проблеми, пов’язані з таймсеріямі, і робити якісні прогнози.

How image search works at Dropbox

У цьому пості команда Dropbox описує основну ідею їхнього методу пошуку контенту за зображеннями, що заснований на методах машинного навчання, а також обговорюють, як вони побудували продуктивну реалізацію на інфраструктурі пошуку Dropbox.

Now That Machines Can Learn, Can They Unlearn?

Дослідники шукають шляхи, як позбутися конфіденційних даних без того, щоб перенавчати модель АІ.

A Beginner’s Guide to Brain-Computer Interface and Convolutional Neural Networks

Чи може розум безпосередньо з’єднатися зі штучним інтелектом, роботами та іншим ШІ за допомогою технологій інтерфейсу мозок-комп’ютер (BCI), щоб вийти за рамки наших людських обмежень? Пост від Towards Data Science дає відповіді на це та інші запитання стосовно Brain-Computer Interfaces.

How to build an AI unicorn in 6 years

Сьогодні вартість компанії Tractable становить 1 мільярд доларів. Їхнім штучним інтелектом користуються мільйони людей в Америці, Азії та Європі, щоб швидше відновлюватися після дорожніх аварій. І все ж, 6 років тому Tractable була всього лише стартапом, який заснували два випускники коледжу, що писали код в лондонському підвалі. Один з кофаундерів, Alex Dalyac, розповідає про пройдений ними шлях і як їм вдалося побудувати АІ-юнікорн за 6 років.

Наукові праці

DALL·E: Zero-Shot Text-to-Image Generation from OpenAI

OpenAI успішно навчив мережу, здатну генерувати зображення з текстових підписів. Вона дуже схожа на GPT-3 і Image GPT і дає дивовижні результати.

On the Spectral Bias of Neural Networks

Відомо, що нейронні мережі є класом високоекспресивних функцій, здатних відповідати навіть випадковим відображенням введення-виведення зі 100% точністю. У цій роботі автори представляють властивості нейронних мереж, які доповнюють цей аспект експресивності.

Generative Adversarial Networks

Автори представляють GANformer, новий та ефективний тип трансформатора, та досліджують його для завдання візуального генеративного моделювання. Мережа використовує дводольну структуру, яка забезпечує взаємодію на великій відстані по всьому зображенню, зберігаючи при цьому обчислення лінійної ефективності, яку можна легко масштабувати до синтезу з високою роздільною здатністю.

The modern mathematics of deep learning

У статті описується нова галузь математичного аналізу глибокого навчання. Це поле виникло навколо переліку дослідницьких питань, на які не було відповідей у класичних рамках теорії навчання.

Are Convolutional Neural Networks or Transformers more like human vision?

Сучасні моделі машинного навчання для комп’ютерного зору перевершують людину за точністю щодо конкретних завдань візуального розпізнавання, зокрема для наборів даних, таких як ImageNet. Ця робота аналізує останні тенденції поглибленого поведінкового аналізу моделей нейронних мереж, які виходять за рамки точності як показника оцінки, розглядаючи моделі помилок.

Pitfalls in Machine Learning Research: Reexamining the Development Cycle

Машинне навчання може сприяти подальшому прогресу в науці про дані, але цьому перешкоджає спеціальний процес проєктування, погана гігієна даних і відсутність статистичної суворості в оцінці моделі. Ця наукова стаття аналізує процес машинного навчання від розробки алгоритму до збору даних та оцінки моделі, звертаючи увагу на поширені помилки та надаючи практичні рекомендації щодо покращення.

Подкасти

Practical AI Low code, no code, accelerated code, & failing code

У цьому епізоді Practical AI ведучі обговорюють low code/no code розробку, жаргон GPU, проблеми з витоком даних. Вони також діляться деякими дійсно крутими новими можливостями навчання для прокачки AI/ML навичок.

Big Global Problems Worth Solving with Machine Learning

У випуску йдеться про 10 глобальних проблем, які може вирішити машинне навчання. Розглядаються деякі технічні теми: успішне введення моделей машинного навчання у виробничі системи.

Building an ML Platform @SurveyMonkey

У розмові йдеться про те, як точно визначити недоліки в вашому потоці даних ML, як компанія SurveyMonkey впоралась з цим, і як зробити ваші дані більш придатними для прискорення розробки моделі ML.

How to Thrive as an Early-Career Data Scientist | SuperDataScience

У цьому епізоді ви дізнаєтеся про варіанти початку кар’єри data science з нуля в програмуванні, переваги ступенів CS, програмному забезпеченні і інструментах, необхідних для початку роботи, потужних графових згортальних мережах, терапії на основі РНК і багато іншого!

Deep Reinforcement Learning for Game Testing at EA with Konrad Tollmar

Епізод з Конрадом Толлмаром, директором з досліджень в Electronic Arts і доцентом KTH, в якому він розповідає про те, як EA застосовує ML/AI у таких популярних франшизах, як Apex Legends, Madden і FIFA, і про свій погляд на майбутнє ML для навчання в іграх.

Відео

This AI Reads Your Brain to Generate Personally Attractive Faces

Коли ви дивитесь на фотографію когось, ви знаєте, приваблива ця людина чи ні. Але як це відбувається? Чи можемо ми пояснити, що таке краса? Короткий опис наукової праці про систему АІ, яка може зчитувати ваш мозок та дізнатися, які обличчя та типи візуалізації ви вважаєте найбільш привабливими.

I BUILT A NEURAL NETWORK IN MINECRAFT

Аналогова нейронна мережа — в ванільному Minecraft, без будь-яких модів і командних блоків. Мережа використовує сильні сторони Redstone проводів для передачі сигналу через один прихований шар, включаючи нелінійності, а потім виконує автоматичне зворотне розмноження і навіть оновлення ваги.

Top 10 AI and ML developer updates from Google I/O 2021

У цьому відео провідний фахівець з АІ Лоуренс Мороні представляє 10 кращих оновлень для розробників АІ та ML з Google I/O цього року.

Optimisation for deep learning

Пізнавальна лекція про підходи до оптимізації deep learning проєктів.


***

Дякую за увагу та за те, що цього року разом зі мною занурювалися в цікаві та пізнавальні матеріали із світів Machine Learning, Data Science та Big Data! Далі — більше!

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


А якщо ви бажаєте у 2022 році працювати у колі однодумців над складними data-centric проєктами — приєднуйтесь до команди Xenoss! Серед наших найгарячіших вакансій:

Full Stack Engineer (Node.js/React)

Senior Back End SDE (Java)

Senior Front End SDE (React.js)

DevOps Engineer

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

Merry Christmas and Happy New Year!

👍ПодобаєтьсяСподобалось12
До обраногоВ обраному6
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

упс...
ни одного коммента.
Я почему-то думал, что тема взрывная и тут будут дебаты.

тема взрывная

люди от контузии не отошли

спасибо за шутку!

ну, вообще, тут есть завсегдатай — Алекс Пение — его ничем не контузишь!
У него всегда есть мнение;
Да и еще несколько китов форума, вот думал, что и тут они отметились.

Підписатись на коментарі