Обложка канала

Developer Starter pack. Страница 5

4518 @devsp
Открыть

Начинаешь свой путь в разработку? Или ты гуру и хочешь узнать новое? Тогда тебе стоит взглянуть на @devsp ✔️Английские термины(без него никуда) ✔️Бесплатные ресурсы для получения основ различных языков программирования ✔️Ресурсы - помощники ✔️Интересны

  • Developer Starter pack

    ​​MoGaze: датасет с передвижениями тела и движениями взгляда

    MoGaze — это датасет с передвижениями тела и движениями взгляда. Датасет собирали для обучения моделей предсказания действия людей. Такие модели можно использовать в роботизированных системах, тесно взаимодействующих с людьми.
    Ограничения прошлых датасетов
    С увеличением присутствия роботов в человеческой среде становится ключевым для робота уметь понимать и предсказывать движение человека. Такие способности сильно зависят от качества и доступности данных с движением. Однако существующие датасеты с движениями всего тела редко включают в себя:
    Длинные последовательности задач манипуляции объектами;
    3D модель с геометрией среды;
    Данные о направлении взгляда
    Все эти данные являются важными, когда роботу необходимо предсказать движения людей вблизи. MoGaze включает в себя эти данные.
    Подробнее про датасет
    Данные движений были собраны с помощью традиционной системы захвата движений, основанной на отражающих маркерах. Эксперименты показывают, что данные взгляда являются хорошим предиктором намерения человека. Датасет включает в себя 180 минут данных движение с 1627 действиями поднять-поставить.

    Github: https://github.com/PeizeSun/SparseR-CNN

  • Developer Starter pack

    ⬆️ Правильный ответ ⬆️
    Может быть возрастающим или убывающим для каждого поля 
    Невозможно предсказать, если не указан в запросе

  • Developer Starter pack

    Порядок строк в результатах SQL-запроса
    #SQL
    Ответ предусматривает несколько вариантов

    Принимается убывающим по умолчанию - 2
    👍👍 5%
    Может быть возрастающим или убывающим для каждого поля - 6
    👍👍👍 14%
    Может быть указан только для полей, включенных в список результатов запроса - 3
    👍👍 7%
    Невозможно предсказать, если не указан в запросе - 23
    👍👍👍👍👍👍👍👍 52%
    Указывается после ключевого слова SORTED BY - 10
    👍👍👍👍 23%
    👥 44 человека уже проголосовало.

  • Реклама

  • Developer Starter pack

    ​​RECCON: датасет для распознавания причины эмоций в тексте

    RECCON — это датасет для распознавания причины эмоций в тексте. Создатели предлагают две задачи, которые можно решать с помощью датасета: извлечение каузальных диапазонов в тексте и извлечения каузального следствия эмоции.

    Зачем это нужно
    Распознавание причины эмоций в тексте является фундаментальной темой исследования в обработке естественного языка. Открытия в этой области могут потенциально улучшить интерпретируемость и качество моделей, которые используют данные эмоций.
    Задачу формулируют следующим образом: имея высказывание, размеченное эмоцией, необходимо извлечь отрывки текста из истории диалога так, что бы они в полной мере представляли причины данной эмоции.

    Подробнее про датасет
    RECCON основывается на двух датасетах с разговорами: IEMOCAP и DailyDialog. Оба датасета имеют разметку эмоций на уровне высказываний. IEMOCAP — это датасет с диалогами, размеченными шестью эмоциями: счастливый, грустный, нейтральный, злой, воодушевленный и разочарованный. Всего в датасете 16 уникальных ситуаций диалога. В RECCON попало по одному диалогу для каждой ситуации.
    DailyDialog — это датасет с естественными разговорами людей, который покрывает различные темы из обыденной жизни. Датасет размечен эмоциями: злости, отвращения, страха, счастья, нейтральной, грусти и удивления. При этом данные в датасете несбалансированы — 83% лейблов являются эмоционально нейтральными. Создатели вручную отобрали диалоги, которые содержат хотя бы по 4 не нейтральных высказывания.

    Источник: https://arxiv.org/pdf/2012.11820.pdf
    Github: https://github.com/declare-lab/RECCON

  • Developer Starter pack

    Прагматичный ИИ. Машинное обучение и облачные технологии
    Искусственный интеллект - это мощный инструмент в руках современного архитектора, разработчика и аналитика.
    Облачные технологии - ваш путь к укрощению искусственного интеллекта.  
    Тщательно изучив эту незаменимую книгу от Ноя Гифта, легендарного эксперта по языку Python, вы легко научитесь писать облачные приложения с использованием средств искусственного интеллекта и машинного обучения, решать реалистичные задачи из таких востребованных и актуальных областей, как спортивный маркетинг, управление проектами, ценообразование, сделки с недвижимостью.

  • Developer Starter pack

    HateXplain: датасет для интерпретируемого распознавания хейтспича

    HateXplain — это датасет для обучения моделей распознавания оскорблений в тексте. Датасет собирали исследователи из Indian Institute of Technology и University of Hamburg. Датасет разрабатывали так, что бы учитывать метрики интерпретируемости моделей распознавания.

  • Developer Starter pack

    ⬆️ Правильный ответ ⬆️
    char
    varchar

  • Developer Starter pack

    Ключевое слово LIKE может быть использовано только для таких типов данных
    #SQL
    Ответ предусматривает несколько вариантов

    integer - 2
    👍 3%
    char - 15
    👍👍👍 22%
    real
    ▫️ 0%
    numeric
    ▫️ 0%
    varchar - 51
    👍👍👍👍👍👍👍👍 75%
    👥 68 человек уже проголосовало.

  • Developer Starter pack

    Язык метафор недоступен искусственному интеллекту
    #Мнение
    Между человеческим разумом и искусственным интеллектом существует фундаментальное различие, заявил философ, лидер движения «Суть времени» Сергей Кургинян 6 декабря в эфире программы «Воскресный вечер с Владимиром Соловьёвым» на телеканале «Россия 1».
    «Формула существования искусственного интеллекта — она от тех отцов, которые только начинали им заниматься: Джон фон Нейман, Норберт Винер и дальше: „это очень быстрый и очень точный дурак“», — отметил политолог.
    Кургинян привел базовое положение, на которое опирались создатели искусственного интеллекта, назвав его «грубоватым», но при этом очень верным.
    Фундаментальное отличие искусственного интеллекта от человеческого, по мнению Кургиняна, находится «на уровне того скромного понятия, которое называется метафора и научное творчество».
    Искусственный интеллект не способен создавать метафоры и творчески их осмысливать.
    «Все языки, на которых машины говорят и будут говорить когда бы то ни было — формализованные языки, даже со стохастическими вариантами. Это языки, лишенные метафоричности», — подчеркнул он. Философ предложил порассуждать, каким образом искусственный интеллект будет анализировать поэму Маяковского «Хорошо!»
    И я,
    как весну человечества,
    рожденную в трудах и в бою,
    пою мое отечество,
    республику мою!
    «Машина смотрит: весна, человечество; весна — это время года, человечество — это совершенно другое, у него не может быть времени года. Она растеряна», — пояснил политолог.
    По мнению Сергея Кургиняна, такие фундаментальные понятия как язык, логос, метафора позволяют человечеству развивать в себе творческое начало, быть свободным от избытка рациональности.
    «Человеческий язык не имеет никакого отношения к машинам и не будет никогда к ним сводиться. Потому, что вся сфера неформальности, свободы и всего остального находится в этом [человеческом] языке. Значит, как только мы начинаем обоготворять машину, мы переходим в так называемое царство количества — царство цифры», — заявил аналитик, подчеркнув, что альтернативой цифре всегда было слово.
    «Отказ от человечества слова и переход к человечеству цифры — смертелен», — уверен Кургинян. «Никакой моралью вы его не сдержите! Либо смерть человечества, либо антропоцентрическое развитие, в котором, конечно, будут использоваться и такие машины, и следующие, и другие», — резюмировал он.

    Источник: rossaprimavera.ru

  • Developer Starter pack

    Разбираем XLNet
    XLNet – новейшая и самая крупная модель, появившаяся в активно развивающейся сфере обработки естественного языка (Natural Language Processing, NLP). Статья о XLNet объединяет современные достижения в NLP и инновационный подход к решению задачи языкового моделирования. Обученная на огромном корпусе, модель достигает выдающихся результатов в NLP-задачах бенчмарка GLUE.
    XLNet представляет собой авторегрессионную языковую модель, которая выдает на выходе вероятность совместной встречаемости последовательности токенов на основе архитектуры рекуррентного Трансформера. Задачей обучения модели является подсчет вероятности для заданного слова (токена), при условии наличия всех других слов в предложении (а не только слов слева или справа от заданного).
    Если вам все понятно в описании выше, то этот пост не для вас. Если же нет, то продолжайте читать о том, как работает XLNet и почему он стал стандартом для многих NLP задач.

  • Developer Starter pack

    Машинное обучение, классификация изображений

    https://arxiv.org/abs/1911.04252
    Когда речь заходит о deep learning’e в целом и о задачи классификации изображений в частности, общепринятой точкой зрения является, что чем больше размеченных данных, тем лучше качество модели.
    Получить качественный размеченный датасет может быть долго и дорого, поэтому вместе с небольшим количеством размеченных данных можно использовать неразмеченные данные, которые имеются в избытке.

  • Developer Starter pack

    GraphTransformer: расширение языковой модели для графов
    Зачем это нужно
    Оригинальный трансформер разрабатывали для обработки естественного языка. Стандартная модель работает с полносвязными графами, которые представляют связи между словами (токенами) в последовательности. Такая архитектура не масштабируется на задачи обработки графов и плохо справляется с задачами, где важна топология графа. Исследователи предлагают расширение традиционного трансформера с четырьмя отличительными характеристиками.

  • Developer Starter pack

    ​​Как ИИ обыграл сильнейших чемпионов мира по Dota 2?
    Игры всегда являлись испытательным полем для нейросетевых разработок.
    Dota 2 — это многопользовательская командная игра в жанре multiplayer online battle arena, разработанная Valve. Она изображает сражение на симметричной карте: в каждом матче участвуют две команды по пять игроков, управляющих персонажами с различными наборами способностей. Для победы команда должна уничтожить крепость, принадлежащую вражеской стороне, и защитить от уничтожения собственную.
    Противником людей на поле Dota 2 должен был стать искусственный интеллект от OpenAI. Исследовательская компания OpenAI была запущена в конце 2015 года Сэмом Альтманом и Илоном Маском с целью создать открытую компанию, работающую на благо общества, а не государства или корпораций. На данный момент она широко известна благодаря невероятно реалистичному алгоритму GPT-3, но впервые мир узнал об успехах только в 2017 году, когда OpenAI выступил на киберспортивном чемпионате The International 2017 и обыграл одного из самых известных игроков мира в матче 1 на 1 — Данила «Dendi» Ишутина.
    Работа над ИИ велась 6 месяцев. В начале его научили базовым механикам — передвижению по карте и реакции на приближение противника, а затем перешли к более сложным задачам – анализу матчей и играм против слабых соперников. Для обучения были выделены 256 графических процессоров и 128 000 процессорных ядер. Всего через полгода тренировок ИИ смог победить игроков профессиональной сцены — Sumail и Arteezy. Однако перед алгоритмом стояла более комплексная задача. В июне 2018-го разработчики объявили, что хотят выставить нейросеть против человеческой команды.
    Каждый день на протяжении года боты OpenAI играли друг против друга по 180 лет игрового времени. Несмотря на титанические усилия при подготовке, условия игры все равно пришлось упростить: для равного противостояния с людьми количество героев сократили до 18. Киберспортсменам запретили использовать артефакты, призывать иллюзии или существ. Ботам же уменьшили скорость реакции до человеческого уровня. Несмотря на то, что ИИ с легкостью обыгрывал любителей, профессиональная сцена в 2018 году поддаваться отказалась: игры OpenAI с paiN Gaming и сборной китайских киберспортсменов закончились поражением нейронной сети.
    Реванш состоялся год спустя в рамках финала OpenAI Five. Против ИИ выступили пять профессиональных игроков из команды OG, чемпионов мира 2019 и 2018 года. За десять месяцев OpenAI провел 45 000 лет внутриигровых матчей Dota 2. Во время матчей ИИ использовал весьма агрессивную тактику: система отдала предпочтение быстрым боям и краткосрочной выгоде из-за проблем с прогнозированием перспективы, однако это все же сработало. Первый матч длился всего полчаса — ИИ победил людей без особого труда. Второй был еще короче: алгоритм атаковал людей практически не уходя в защиту, а киберспортсмены буквально «топтались на месте» в попытках отразить удар. OpenAI Five одержал победу со счетом 2:0.
    Турнир показал, что методика обучения с подкреплением даёт свои плоды. И хотя до полноценного искусственного разума пока далеко, ИИ получил ещё одно очко в свою пользу.

  • Developer Starter pack

    ⬆️ Правильный ответ ⬆️
    CREATE TABLE z1 (c1 INT NOT NULL)
    CREATE TABLE z1 (c1 INT PRIMARY KEY)

  • Developer Starter pack

    Какие из определений таблицы гарантируют, что в колонку с1 нельзя поместить значения NULL (укажите все подходящие варианты)?
    #SQL
    Ответ предусматривает несколько вариантов

    CREATE TABLE z1 (c1 INT PRIMARY KEY) - 9
    👍👍👍 22%
    CREATE TABLE z1 (C1 INT)
    ▫️ 0%
    CREATE TABLE z1 (c1 INT NOT NULL) - 30
    👍👍👍👍👍👍👍👍 73%
    CREATE TABLE z1 (c1 INT DEFAULT 0) - 2
    👍 5%
    👥 41 человек уже проголосовал.

  • Реклама

  • Developer Starter pack

    В России случайно создали универсальную нейросеть для улучшения "зрения" беспилотников
    Первоначально разработчики планировали создать приложение для распознавания документов
    ТАСС, 12 февраля. Разрабатывая приложение для распознавания документов с помощью смартфонов, российские математики и программисты создали универсальную нейросеть, которая может улучшить системы компьютерного зрения на беспилотниках. Об этом пишет пресс-служба компании Smart Engines.

    "Если говорить простым языком, в новую архитектуру в виде математических ограничений заложены законы перспективы. Этот новый подход ведет к интуитивному пониманию нейросетью геометрических законов физического трехмерного мира, законов перспективы и динамики изменения изображения сцены при движении", - пишет пресс-служба.
    За последние годы ученые разработали десятки нейросетей, которые могут распознавать препятствия и вычислять оптимальную траекторию движения для автономных автомобилей, беспилотников и прочих приборов и устройств, которым нужно "видеть" окружающий мир и разбивать его на разные категории.
    К примеру, подобные системы сейчас активно применяют для автоматического распознавания документов, при подсчете посетителей в ресторанах или проверки качества изготовления различных деталей на заводах. Как правило, каждая подобная система приспособлена для решения конкретной задачи, из-за чего они достаточно плохо справляются с другими проблемами, не похожими на исходную.
    Коллектив российских ученых под руководством Дмитрия Николаева и Владимира Арлазарова, сотрудников Института проблем передачи информации РАН и ФИЦ "Информатика и управление" РАН, случайно создали универсальную нейросеть, которая умеет одинаково хорошо решать все эти задачи. Первоначально исследователи разрабатывали приложение для распознавания документов.
    "Глаза" нейросети
    Как отмечают исследователи, главная сложность при создании подобной программы заключается в том, что ее пользователи фотографируют документы не идеально ровно, а под некоторым углом. В результате этого алгоритм или человек видит не плоскую картинку, а трехмерное изображение с некоторой перспективой.
    Для последних это обычно не представляет проблемы. Однако для того, чтобы создать системы искусственного интеллекта, которые смогли бы решить эту обыденную задачу, обычно нужно включить несколько десятков или даже сотни дополнительных слоев нейронов. Это значительно повышает энергетические аппетиты подобных систем, делает их непригодными для автономной работы на мобильных устройствах и не позволяет создавать универсальные нейросети.
    Арлазаров, Николаев и их коллеги решили эту проблему, используя несколько новых математических принципов, в том числе так называемое "преобразование Хафа". Первую версию этого алгоритма еще в середине прошлого века создал американский математик Поль Хаф для анализа данных из пузырьковых детекторов частиц.
    Этот набор формул позволяет искать прямые линии и определенные типы геометрических фигур на изображении с камеры смартфона или беспилотника. Встроив его в один из слоев нейросети, российские ученые получили универсальную систему, которая одинаково хорошо подходит для решения всех важнейших задач, которые связаны с компьютерным зрением. Как показали первые проверки, нейросеть оказалась примерно в сто раз более эффективной, чем классическая система U-net.
    По словам исследователей, этот алгоритм можно применять не только для распознавания документов или улучшения работы автопилотов дронов и автомобилей, но и для анализа медицинских фотографий с томографов, а также в других областях науки и техники, где компьютерное зрение пока не применяется.

    Источник: nauka.tass.ru

  • Developer Starter pack

    ⬆️ Правильный ответ ⬆️
    desk
    asc

  • Developer Starter pack

    Какие из следующих ключевых слов используются в конструкции order by (выберите все подходящие варианты)?
    #SQL
    Ответ предусматривает несколько вариантов

    abs
    ▫️ 0%
    having - 7
    👍👍 9%
    desk - 17
    👍👍👍 22%
    dask - 1
    👍 1%
    asc - 51
    👍👍👍👍👍👍👍👍 67%
    👥 76 человек уже проголосовало.