Материалы по теме «ML»

RSS

Як вдало застосувати AI у своєму проєкті: покрокова інструкція Як вдало застосувати AI у своєму проєкті: покрокова інструкція

Max Lupey 3726

Максим Лупей, що має понад 10 років досвіду в ІТ, на прикладі власного проєкту розповідає, як працювати зі штучним інтелектом. У статті йдеться про етапи створення ML-проєкту, збір даних та аналіз датасету, візуалізацію, вибір бібліотек і технологій, архітектури, кількості ітерацій та алгоритми оптимізації. 8

Senior Research Scientist из Google Research — о PhD в американском университете, проектах в ML и перспективах Украины Senior Research Scientist из Google Research — о PhD в американском университете, проектах в ML и перспективах Украины

Анна Соха 10117

Максим Владимиров окончил университет в Харькове, начал работать программистом в Киеве, но быстро понял, что применение готовых решений — это не то, чем он хочет заниматься. Заинтересовавшись машинным обучением и созданием новых алгоритмов, он поступил в аспирантуру в Америку. Максим поделился с DOU тем, как ему удалось построить карьеру в машинном обучении, попасть в Google Research и пригодился ли ему PhD. 54

Як заради однієї змінної для ML ми використали дані космічного проєкту SRTM Як заради однієї змінної для ML ми використали дані космічного проєкту SRTM

Vasyl Mylko 2824

Василь Милько, співзасновник Curiosio — путівника для мандрівників-ґіків, розповів про робоче завдання із зірочкою. Нещодавно йому знадобилось виділити ознаки для нового модуля машинного навчання, і однією з них стала географічна висота. Висота географічної місцевості — це її вертикальна відстань відносно математичної моделі Землі на рівні моря. Завдання здавалося настільки легким, як написати «Hello, World» невідомою мовою програмування. Але виявилось, що все не так просто. 4

Перші кроки в NLP: розглядаємо Python-бібліотеку TensorFlow та нейронні мережі в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку TensorFlow та нейронні мережі в реальному завданні

Андрій Хмельницький 4232

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У циклі статей він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У цій частині детально розглянемо бібліотеку TensorFlow, нейронні мережі, реалізацію моделі word2vec. 9

Перші кроки в NLP: розглядаємо Python-бібліотеку scikit-learn в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку scikit-learn в реальному завданні

Андрій Хмельницький 4256

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У циклі статей він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У цій частині детально розглянемо бібліотеку scikit-learn.

Перші кроки в NLP: розглядаємо Python-бібліотеку NLTK в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку NLTK в реальному завданні

Андрій Хмельницький 6549

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У цій статті він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У першій частині детально розглянемо бібліотеку NLTK. 14

Машинное обучение против финансовой математики: проблемы и решения Машинное обучение против финансовой математики: проблемы и решения

Alex Honchar 9014

Александр Гончар, CTO в Neurons Lab LTD, делится идеями, как машинное обучение может помочь в проблемах эконометрики и финансовой математики, а также показывает, в каких случаях оно не справляется с задачей. 23

Данные важнее, чем модели. Как выглядят эффективные процессы в Data Science Данные важнее, чем модели. Как выглядят эффективные процессы в Data Science

Vadym Boikov 10849

Для многих работа дата саентиста выглядит, как черный ящик. Но несмотря на разные задачи, процессы в проектах похожи, равно как и причины возникающих проблем. В этой статье рассмотрим, какие этапы проходит проект, что должен делать дата саентист и как он взаимодействует с другими членами команды. 43

8 правил для ML-проектов на каждый день: как найти и удержать нужный фокус 8 правил для <nobr>ML-проектов</nobr> на каждый день: как найти и удержать нужный фокус

Игорь Кауфман 6153

«В исследованиях легко увязнуть. Одна проблема тянет за собой другую, и в конце концов начинаешь тратить время на задачи, неприоритетные для конечного продукта (привет, рефакторинг!). Поэтому так важно сохранять концентрацию на основных целях продукта и не распыляться», — Игорь Кауфман, имея разнообразный опыт участия в R&D-проектах, составил список того, что нужно и чего не стоит делать, занимаясь ML. 29

ML для мобільного розробника: Google Cloud для тренування ML-моделі ML для мобільного розробника: Google Cloud для тренування <nobr>ML-моделі</nobr>

Alex Ovechko 3289

Якщо ви хочете навчити персептрон, щоб він виконував операцію XOR, можна навчити таку нейромережу навіть на старенькому мобільному. Використовуючи Google Cloud, автор статті демонструє тренування ML-моделі й завантаження її на мобільному пристрої (Core ML, Metal Performance Shaders). 5

Вступ до Machine Learning: чи потрібен вам ML і як правильно поставити йому завдання Вступ до Machine Learning: чи потрібен вам ML і як правильно поставити йому завдання

Володя Штеньович 7364

У цій статті проаналізуємо переваги МН для конкретного завдання, подивимося на МН крізь призму бізнесу й розглянемо типи проблем, до яких його варто «прикручувати», а за яких умов доцільніше навчатися самотужки.

Нейронные сети в помощь SEO-специалистам: как DeepCaptcha автоматически разгадывает капчи Нейронные сети в помощь SEO-специалистам: как DeepCaptcha автоматически разгадывает капчи

Dmitriy Litavskiy 4391

Сервис разработан с помощью технологий машинного обучения. Он упростит и ускорит работу SEO-специалистов, веб-мастеров, маркетинговых агентств и пользователей крупных сервисов по парсингу поисковых систем. 27

Как мы создавали новостные заголовки на русском языке с помощью Deep Learning Как мы создавали новостные заголовки на русском языке с помощью Deep Learning

Viktor Trokhymenko 5818

В прошлом году в Genesis Media решили помочь авторам писать заголовки для статей, используя самые популярные источники информации Data Science. Вот что из этого получилось. 30

DOU Labs: як у SoftServe створили систему розумного шлагбаума й паркування DOU Labs: як у SoftServe створили систему розумного шлагбаума й паркування

Oleksandr Gurbych 8374

Усім привіт, я — Саша Гурбич, Senior Data Scientist у SoftServe. У цьому матеріалі розкажу вам про систему розумного шлагбаума й паркування, яку ми запустили в листопаді 2018 року на території нашого офісу Lviv Headquarters. 46

Как я резюме обновлял, или ML-эксперимент с базой ФОПов Как я резюме обновлял, или <nobr>ML-эксперимент</nobr> с базой ФОПов

Volodymyr Shumara 19420

Появилась свободная минута на то, чтобы не в последний раз смахнуть пыль со своего резюме и удалить аббревиатуры, расшифровки которых я уже не помню, а вместо них добавить чего-нибудь посовременнее. Что там сейчас в тренде? Data Science, ML, AI? Ну что же, начнем... 20

От гибких дисплеев до шагающих авто: каким скоро будет мир технологий и что нужно знать IT-специалистам От гибких дисплеев до шагающих авто: каким скоро будет мир технологий и что нужно знать IT-специалистам

Денис Балацко 8207

Денис Балацко, вице-президент по инжинирингу в GlobalLogic, рассказывает о том, какие инновации будут создавать инженеры во всем мире, о нестандартных технологиях в автоиндустрии, робототехнике и VR/AR, новинках от производителей гаджетов, а также навыках, которые понадобятся ІТ-специалистам. 9

Объясняем предсказания вашей нейронной сети. Часть 1 Объясняем предсказания вашей нейронной сети. Часть 1

Vladyslav Kolbasin 12234

В этой статье речь пойдет об интерпретируемости моделей машинного обучения, методах объяснения результатов и исследования работы моделей, а также о необходимости интерпретирования моделей как отдельной задачи. 29

Обучение без учителя — убийца математического моделирования? Обучение без учителя — убийца математического моделирования?

Alex Honchar 11272

В этой статье речь пойдет о том, как искусственный интеллект не просто решает задачи на уровне людей или лучше, а как научить его понимать окружающий мир так же, как его понимают люди, а не какими-то абстрактными «векторами». Самое сложное в этом челлендже — заставить алгоритм делать это без подсказок от человека вообще. 52

Hello World у Computer Vision: визначаємо швидкість руху авто на кордоні з Польщею Hello World у Computer Vision: визначаємо швидкість руху авто на кордоні з Польщею

Serg Tyatin 7356

Мене звати Сергій Тятін, я в IT більше 20 років. Сьогодні я хотів би розказати про те, як починав розбиратися з Computer Vision. І в результаті створив систему, яка визначає швидкість пропускання авто зеленим коридором на кордоні з Польщею. 27

Создание рекомендательной системы Megogo: использование неявных сигналов. Часть 1 Создание рекомендательной системы Megogo: использование неявных сигналов. Часть 1

Дмитрий Мелков 9036

Дмитрий Мелков, CIO в MEGOGO, рассказывает об алгоритмах, метриках, входящих данных, предварительных исследованиях, тренировках модели и подборах гиперпараметров. 17

← Сtrl 123 Ctrl →

Комментарии

Классная статья и хорошая классификация по типам. Мне кажется в компаниях можно проводить что-то типа тренингов по софтскиллам и основам психологии, в первую очередь чтобы ты сам смог проанализировать насколько ты счастлив и почему.
Десь на фоні заграв саунд Hans Zimmer-а
Дуже гарна стаття! Візьму собі на озброєння.
Толковая статья, спасибо !
Хороша стаття, дякую
взаимно, успехов и хорошего настроения )
Спасибо за уточнение, даже подняла переписку той давности.
Спасибо Вам за комментарий, очень рада, что советы оказались полезными.
Никого не хотела обидеть и не вешала ярлыки, скорее, взывала к обобщенному представлению.
Спасибо большое, рада, что полезно. Вы абсолютно правы, все рекомендации на 100% работают для любых клиентов. Если начинать думать с точки зрения того, что интересно-полезно именно Вашему заказчику, можно приятно удивиться результату. ;)
Это очень смешно. Вы юридическую деятельность ведете на таком же уровне дискурса? Жесть. Ладно, всего вам доброго :)
ну что ж, продолжим сей чудный диалог: «θεραπεύω» — делаете копипаст в гугл переводчик. Язык определяется как греческий (видимо гугл пока тоже не дорос до того чтобы отличить греческий от древнегреческого) и получаете перевод.
дякую за відгук та уточнення, абсолютно погоджуюсь — пояснення контексту дуже важливе в асинхронному спілкуванні
Іване, дякую дуже за відгук!
обожнюю фразу «буду користуватись», ура :) дякую, Романе!