×Закрыть

Материалы по теме «ML»

RSS

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

Dmitriy Litavskiy 3289

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

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

Oleksandr Gurbych 6737

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 15859

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... 19

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 7058

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 8726

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 8060

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 6015

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 5777

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

С чего начать работу с ML и DL. Обзор лучших библиотек С чего начать работу с ML и DL. Обзор лучших библиотек

Sergii Boiko 11119

В этой статье постараемся облегчить задачу выбора для новичков. Рассмотрим самые популярные и необходимые библиотеки, которые покрывают все базовые потребности для начала работы с Machine Learning и Deep Learning. 91

Золоті медалісти Kaggle — про потрапляння в топ на змаганнях з ML та чому в Україні проблеми з машинним навчанням Золоті медалісти Kaggle — про потрапляння в топ на змаганнях з ML та чому в Україні проблеми з машинним навчанням

Дмитро Пальчиков 8735

Ігор Крашений та Денис Саква наприкінці 2018 року здобули золото в змаганнях на Kaggle — платформі для тих, хто цікавиться аналізом даних, машинним навчанням, прогнозуванням. В інтерв’ю вони розповіли про завдання на змаганнях, як вивчати ML та в яких сферах в Україні потрібен deep learning. 34

Машинное обучение в повседневной жизни: типы ML и способы их применения Машинное обучение в повседневной жизни: типы ML и способы их применения

Sergii Boiko 15020

Машинное обучение разделяют на обучение с учителем (supervised), обучение без учителя (unsupervised) и обучение с подкреплением (reinforcement learning). Давайте посмотрим, как они работают и в каких случаях применяются. 39

DOU Проектор: Homemade Machine Learning — репозиторий для изучения ML на Python с Jupyter-демо DOU Проектор: Homemade Machine Learning — репозиторий для изучения ML на Python с Jupyter-демо

Oleksii Trekhleb 7806

Здравствуйте, читатели! Меня зовут Алексей, я работаю JavaScript-программистом. Эта статья является продолжением пути в около-Python-овские «дебри» и, надеюсь, станет полезной тем из вас, кто начинает изучать машинное обучение на Python. 13

Research Engineer в Ring Ukraine — о том, как совмещать две учебы, работу фултайм и победы на олимпиадах по программированию Research Engineer в Ring Ukraine — о том, как совмещать две учебы, работу фултайм и победы на олимпиадах по программированию

Kateryna Grebenyk 13153

В конце октября в Виннице состоялся финал Всеукраинской студенческой олимпиады по программированию, который совпал с полуфиналом Международной студенческой олимпиады по программированию ACM ICPC. Один из троих победителей, Владислав Мац, рассказал DOU, об олимпиадном движении, работе и учебе в Школе «Яндекса». 141

Исследования в Machine Learning: как, кому и зачем Исследования в Machine Learning: как, кому и зачем

Alex Honchar 11410

Всем привет, я Александр Гончар — AI Solution Architect в Mawi Solutions. Занимаюсь разработкой и внедрением state of the art решений для анализа биосигналов. В этой статье я расскажу про то, что делают исследователи в области искусственного интеллекта и как идеи из research переносятся на прикладные задачи, в чем их ценность и как начать заниматься более продвинутым машинным обучением. 8

Как создать свой алгоритм поиска локаций, используя AI Как создать свой алгоритм поиска локаций, используя AI

Danil Kuhta 7485

В этой статье описан практический опыт решения задачи ранжирования локаций с использованием машинного обучения. Статья в основном рассчитана на начинающих разработчиков. Однако будет интересна и более опытным специалистам, которым нужен готовый рецепт, как на базе бесплатных инструментов сделать аналог Google Places Search, не уступающий ему по качеству. 29

Бесплатные онлайн-курсы по программированию, алгоритмам и Data Science Бесплатные онлайн-курсы по программированию, алгоритмам и Data Science

Алексей Симончук 49904

Представляем подборку бесплатных онлайн-курсов, которые помогут получить или улучшить знания в области программирования, алгоритмов, машинного обучения, Data Science и математики. Практически все курсы на английском, у них отличный рейтинг, и на каждый вы можете записаться уже сейчас. 13

Вступ до Machine Learning: створюємо першу модель Вступ до Machine Learning: створюємо першу модель

Володя Штеньович 17423

Продовжуємо знайомитися з основами машинного навчання разом з веселими героями від Володимира Штеньовича, Software Engineer в Google. У цій статті ми перейдемо до практики роботи з TensorFlow. 21

Применяем машинное обучение для сбора обратной связи от пользователей Применяем машинное обучение для сбора обратной связи от пользователей

Александр Белобородов 5153

Меня зовут Александр Белобородов, я .NET Developer в Community Management Department в Plarium. Хочу поделиться нашим опытом использования машинного обучения для сбора обратной связи от игроков. 18

Вступ до Machine Learning: знайомство з моделями Вступ до Machine Learning: знайомство з моделями

Володя Штеньович 29861

Машинне навчання і штучний інтелект за останні кілька років стали дуже гарячими темами. У цьому матеріалі сфокусуємося на темі машинного навчання і спробуємо на інтуїтивному рівні описати принципи його роботи. 136

← Сtrl 12 Ctrl →

Комментарии

Лучше пускай такой заказчик оставит эти деньги себе.
В обязанности исполнителя не входит разгадывание ребусов и угадывание тайных желаний заказчика. Адекватно поставить задачу и убедиться, что исполнитель правильно её понял — это задача того, кому нужен проект, кто осознаёт его бизнес-значение.
менеджеры, которые следуют рекомендациям из книжек обычно мелкой прислугой работают, из-за того что регулярно возникают исключения с того что они начитали и поступить так, как поступил бы автор книги, они не могут, то становится видно, что человек абсолютно...
то поставить стресоустойчивого менеджера с ролью «терпила» между заказчиков и командой Вот пока это сформулировано в таких магических терминах, это и есть «мышки, станьте ёжиками».
вот оно что...
Сейчас трудно сказать. Это скорее отдельная тема исследования
Извини, но ты не понял смысла статьи. Это не только девайсы — это как раз комплекс IoT
Спасибо.
Стаття трохи запізнилась. Espressif, наприклад, вже роки 2 роблять частково voice recognition на своїх 5$ чіпах. Підозрюю, що в Alexa теж (вже років 5). Але в цілому — так, все що можна винести на переферію туди винесуть.
Спасибо за статью. Сейчас ищем рекрутера, просмотрели 200+ профилей, отправили 36 тест тасков. Пока что все валятся на двух пунктах: — не могут составить стратегию закрытия вакансии — не могут правильно снять требования бизнеса к кандидатам Почему?
Точек многовато.
не о технических решениях изначально Да.
Звучит революционно, Embedded AI с корректировкой обучения на периферическом уровне с оптимизированными агрегаторами системы, обмен информацией на горизонтальном уровне абстракций.
а шо так сразу «з украйинськойт мовы» шовинист да националпатриотист? )) שבצ’נקו נולד בכפר בגוברניית קייב במשפחה של איכר - צמית של בעל אדמות מקומי. אימו נפטרה בשנת 1823 וכבר באותה שנה אביו התחתן שנית.
либо я чет пропустил, либо речь была не о технических решениях изначально, иначе не складывается