Матеріали на тему «ML»

RSS

С чего начать свой путь в нейронные сети, или Ответы будущему AI-специалисту

Эм Константинов 17451

Михаил Константинов, Senior Deep Learning Research Engineer в SQUAD, отвечает на вопросы, с чего начать обучение нейронных сетей. В статье вы найдете ссылки на книги, курсы и многое другое. 11

Data Science и Machine Learning: с чего начать и где учиться

Olya Mazhara 33434

Статья написана для тех, кто хочет попробовать себя в Data Science и машинном обучении, но не знает, с чего начать и какие знания для этого нужны. Ольга Мажара, преподавательница «Искусственного интеллекта» в КПИ им. Игоря Сикорского и Senior Java Developer в Intellias, составила короткий гайд. 12

Как выбрать подход к созданию тестового AI-проекта

Sergey Brandis 5403

Сергей Брандис, co-founder AI- стартапа и СТО в компании по разработке hardware-устройств, рассказывает о разных подходах к созданию умных систем. Сегодня благодаря доступным библиотекам, понимая подходы и терминологию, можно сделать тестовый AI-проект самостоятельно и ускорить развитие своего бизнеса. Поэтому материал будет полезен проектным менеджерам, продактам, owner’ам и всем, кого интересует внедрение искусственного интеллекта. 11

Карьера в IT: NLP Engineer и NLP Researcher

Валентина Шимкович 10995

В новой статье серии «Карьера в IT» поговорим об одной из специализаций Data Science — Natural Language Processing. NLP Specialist занимается обработкой естественного языка: это могут быть задачи по распознаванию речи, машинному переводу, определению эмоциональной окраски текста и так далее.

Як вдало застосувати AI у своєму проєкті: покрокова інструкція

Max Lupey 7353

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. 10

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

Анна Соха 13940

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

Vasyl Mylko 3024

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

Андрій Хмельницький 8401

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

Андрій Хмельницький 7880

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

Андрій Хмельницький 14449

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. 15

Машинное обучение против финансовой математики: проблемы и решения

Alex Honchar 12099

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

Vadym Boikov 17032

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

Игорь Кауфман 7498

«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

Alex 3542

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

Володя Штеньович 8791

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

Dmitriy Litavskiy 5208

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

anonymous 6397

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

Oleksandr Gurbych 9101

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

Volodymyr Shumara 19996

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

Денис Балацко 8731

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

← Сtrl 1234 Ctrl →

Коментарі

ну бачишь мене тут якраз і посилають їх усіх замінити мною. Дуже вірять в мої сили маміни черешенки
хоча знайшла, ще й роботу шукає. Гуд
ну сидіти і посилати на фронт з закритим профілем — на лінкідіне немає по посиланню такої людини — багато хоробрості не треба
Уважение и благодарность твоим отцу, дяде и брату, но при чём тут ты? Я-то ладно, я — мамина черешенка, а ты? Санитарка, куховарка на фронте?
Ой всьо
Бо стаття 436-2 КК «виправдовування збройної агресії рф » == «негативне ставлення до української влади» . Прецендент: supreme.court.gov.ua/...​/pres-centr/news/1482057
Зазначено вище, що служив і служу.
Iди спитай у свого колектива хлопців в СофтСерве, у вас там тіки жіночій коллектив?)
Чудовий коментар, дякую. Заскріню.
Так ты иди меняй своих родных? Ты чего за судьбы других парней распоряжаешься, а сама примером не можешь стать для них?
а зе — якщо я напишу кто він мене навічно забанять на доу
а де я написала про демобілізацію? Я написала про міняти. Ви знаєте що таке ротація? Якої зараз майже немає
Прямо в законі прямо президент підписав що ваших рідних як і всіх інших демобілізувати не будуть. Я так розумію мамина черешенька то Зе? Він же бубочка?
Почитала коментарі. Розумію, що моїх рідних міняти нікто не буде, бо ніким, бо всі різко стали юристами і знають як відмазуватися від повістки. Всі просто почекають, поки закінчаться ті кто вже на фронті і тупо зроблять вигляд що їх не існувало ніколи.
Боюся спитати як жінка, а що пан черешенка планує служити?