Hey Machine Learning – это новости и события из отрасли искусственного интеллекта и машинного обучения. Мы описываем свои (и не только) кейсы, и делимся качественным контентом с вами!
Пятничный привет, друзья! Новая неделя – свежая подборка новостей из мира ИИ и МО!
▪️ Китай намерен создать ИИ-спутники ▪️ Разработчик нарисовал логотип посредством своего голоса ▪️ В MIT создали ИИ-систему для распознавания и создания поддельных изображений ▪️ Сбой в Facebook показал, как ИИ соцсети «видит» фотографии
Делимся с вами нашей последней разработкой – системой компьютерного зрения, умеющей распознавать жесты «лайк» и «дизлайк». Сеть имеет mAP = 85,19%, а также среднее IoU = 73,89%. Работает со скоростью 6-7 кадров в секунду на процессоре Intel Core TM i5-4300M при частоте 2.60 ГГц. Больше подробностей о проекте можно прочесть в статье, а скачать исходники – с GitHub.
Порноместь дипфейками теперь вне закона в Вирджинии
1 июля власти штата Вирджиния обновили список запретов, касающихся порномести. Теперь в него входит пункт «реалистичные поддельные видео и фотографии, в том числе созданные с помощью алгоритма DeepFake».
В этом регионе порноместь официально запрещена еще с 2014 года. В случае, когда человек распространяет изображения или видео с обнаженными людьми «с целью принуждения, преследования или запугивания», ему грозит тюремное заключение сроком до 12 месяцев и штраф до $2500. Теперь наказание касается и распространителей порнофейков.
Помните поговорку про чёрную кошку в тёмной комнате? Она отлично передает суть профессии Data Scientist. Главная задача такого специалиста – сделать правильный выбор из десяти комнат, чтобы там действительно была кошка.
Data Scientist превращает сырые данные в материал, с которым можно работать. В отличие от традиционного аналитика, который тоже занимается комплексными моделями и автоматизированными скриптами, специалист по изучению данных не ищет ответы на поступающие вопросы, а сам их формулирует и строит прогнозы на будущее.
Одни дата-сайентисты работают с людьми, предоставляя данные руководству или сторонним заказчикам, а другие концентрируются на машинном обучении, создавая сложные алгоритмы и аналитические модели. К первым приходят, чтобы узнать, почему менеджеры по продажам не справляются с планом или где интернет-магазин теряет потенциальных покупателей. Вторые работают над автоматическими системами рекомендаций и онлайн-помощниками, логистическими программами и продвинутым промышленным оборудованием.
Что нужно знать и уметь, чтобы стать хорошим и востребованным исследователем данных? Читайте в статье.
Инженер технологического гиганта Amazon Бен Хамм разработал кошачью ИИ-дверь, которая не позволяет его питомцу приносить в дом добычу после ночной охоты. Проект состоит из, собственно, дверцы, камеры Amazon DeepLens и микрокомпьютера Arduino.
Хамм использовал алгоритмы машинного зрения, натренированные им же на 23 тыс. изображений своего кота с добычей и без неё. После обучения, система успешно идентифицирует животное и, в зависимости от сценария, принимает определенное решение. Если кот возвращается домой с добычей в зубах, то алгоритм блокирует дверцу на 15 минут и отправляет хозяину соответствующее уведомление.
Проект работает уже пять недель и за это время было проанализировано несколько сотен приближений кота к двери. Из них система один раз ложно заблокировала вход животному без добычи, пять раз из шести – правильно определила наличие предмета в зубах и закрыла дверь, и еще в одном случае – не распознал добычу.
Добрый день, друзья! Еженедельный дайджест из мира ИИ и МО уже здесь! Что нового?
▫️ Испанские инженеры создали ИИ-систему для детекта лесных пожаров ▫️ Разработчики представили ИИ-приложение, удаляющее людей из кадра ▫️ Австралийцы создали ИИ-алгоритм, диагностирующий болезни дыхательных путей по кашлю ▫️ В супермаркетах Walmart установили камеры с компьютерным зрением для борьбы с шоп-лифтерами ▫️ В США создали алгоритм для распознавания DeepFake
Какие математические знания необходимы для Data Scientist
Продолжая тему об исследователях данных и их успешной реализации в трудовом обществе, поговорим о математических знаниях, необходимых для этой профессии.
Как известно, математика является основой всех современных научных дисциплин, включая Data Science и её методы. Несмотря на то, что наука о данных еще не успела обрести свою четкую структуру, уже сейчас можно выделить общий спектр математических знаний, который необходим для Data Scientist.
▪️ Математический анализ – поможет разобраться с методом обратного распространения ошибки и освоить Deep Learning ▪️ Линейная алгебра – позволит понять, как алгоритмы машинного обучения действуют в потоке данных ▪️ Методы оптимизации – научат минимизировать ошибку оценки с учетом различных ограничений ▪️ Теория вероятностей и математическая статистика – объяснят, как работает классическое машинное обучение и стандартные A/B тесты
С подробными чек-листами по каждому из математических разделов можно ознакомиться в этой статье.
Компании, занимающиеся машинным обучением и искусственным интеллектом, все чаще используют в своей работе технологии глубокого обучения, которые позволяют машинам самостоятельно тренироваться и выполнять эти задачи с минимальным контролем со стороны человека.
Однако для многих предприятий слишком затратно приобретать оборудование для разработки и разворачивания моделей глубокого обучения. Ведь такие нейросети требуют огромных вычислительных мощностей для быстрого обрабатывания больших наборов данных и управления ими. Тогда в игру вступают облачные сервисы, с помощью которых пользователь может разворачивать ранее недоступные модели машинного обучения.
Компания REG.RU в партнёрстве с NVIDIA запустила платформу облачных сервисов на базе графических ускорителей Tesla V100. С их помощью любой желающий может за 90 рублей в час использовать мощности современного GPU для решения задач машинного обучения, анализа данных и высокопроизводительных вычислений. Также, если вам недостаточно предоставляемых мощностей, то вы можете оставить заявку об их увеличении на сайте компании. Больше подробностей по ссылке: http://bit.ly/2X8qAgL
Как составить эффективное портфолио Data Scientist
Очень часто человек, разбирающийся в статистике, машинном обучении и программировании, не может найти достойную работу. Почему? Возможно у него нет корректно составленного портфолио, демонстрирующего его профессионализм и потенциал. Недостаточно быть просто умным, нужно уметь правильно преподнести это.
Показателем знаний разработчика могут стать публичные действия. Например, ответы на специализированных форумах, где пользователи обсуждают последние новости из мира IT или ищут ответы на волнующие их вопросы. На подобных площадках могут оказаться представители крупных компаний.
Также важно всегда поддерживать профили в социальных сетях, например, GitHub, LinkedIn, StackOverflow. Они покажут коммуникабельность человека, а работодатель получит возможность предварительно оценить навыки соискателя и сделать вывод, стоит ли приглашать его на собеседование.
Но как же всё-таки составить работающее портфолио? Читайте в статье.
Вечерний привет! Новая неделя – свежая подборка новостей из мира ИИ и МО! Что нового?
▪️ Microsoft обучил нейросеть генерировать изображение по текстовому описанию ▪️ IBM создал алгоритм прогнозирования рака молочной железы ▪️ Adobe анонсировала новое ИИ-приложение для рисования на iPad ▪️ В Microsoft PowerPoint добавят ИИ-репетитора речи ▪️ DeepFake превратил фотографии в поющие портреты
Команда IT-Чемпионатов анонсировала новое соревнование по машинному обучению и анализу данных – ML Boot Camp 9. Тема контеста – детектирование объектов на изображениях.
Постановка задачи: В Одноклассниках, на платформе для разметки данных, пользователям была дана задача выделить прямоугольником определенный объект на фотографии. Участникам, по ответам людей, нужно восстановить истинное положение объекта. Для оценки решений используется метрика mean intersection over union. Все подробности можно прочесть в официальном телеграм-канале.
Призы: 1 место: MacBook Pro 13', 2-ядерный процессор, 256 GB SSD, 16 RAM. 2 место: iPhone XS Max, 256 GB. 3 – 6 место: Apple Watch Series 3 42mm или Samsung Gear S3 Frontier на выбор. 7 – 10 место: Western Digital My Passport 4 TB. Также топ-30% пользователей от всего количества участников получат крутые футболки!
Чемпионат будет проходить в онлайн-формате. Старт – 27 июня в 19:00. Итоги будут извесны 29 июля в 13:00.
Совсем скоро в Новосибирске состоится PhotoHack NSK – командный хакатон, организованный компанией Photo Lab для разработчиков, дизайнеров и просто креативных и талантливых людей.
Мероприятие будет проходить 29-30 июня 2019 года в городе Новосибирск, ул. Депутатская, 46, коворкинг «ПРОСТОР». Призовой фонд – 600 000 рублей!
Мы ждём студентов технических и художественных вузов, выпускников бакалавриата и магистратуры, дизайнеров, веб-разработчиков, авторов креативных идей. Участие бесплатное, просто успей зарегистрироваться на сайте. Прием заявок до 26 июня. Количество мест ограничено.
GauGAN для преобразования набросков в реалистичные изображения теперь в бете
На конференции GPU Technology Conference 2019 компания NVIDIA показала работу GauGAN – ИИ-системы, которая преобразовывает схематические наброски в фотореалистичные изображения. Свое название модель получила в честь известного французского художника Поля Гогена.
GauGAN базируется на генеративно-состязательной нейронной сети для обработки сегментированных изображений. Здесь генератор отвечает за создание изображения и его передачу дискриминатору. Тот, обученный на множестве реальных фотографий, определяет, где и какие пиксели необходимо подкорректировать генератору. По словам разработчиков, система не склеивает куски изображений для создания картинки, а генерирует целую уникальную картину.
Разработанная нейросеть может подделывать стили разных художников, менять время суток и сезон, а также создавать реалистичные отражения на водных поверхностях. Подробности о проекте можно прочесть в документе PDF.
Теперь же NVIDIA открыла доступ к бета-версии продукта. Протестировать сервис можно по ссылке.
Нейросеть для определения отфотошопленных областей на фото
Инженеры компании Adobe совместно с учеными Калифорнийского университета в Беркли представили ИИ-алгоритм, который обнаруживает различные манипуляции с лицами на фотографиях. Пока система определяет только те изменения, которые были сделаны с помощью Liquify – функции редактора Photoshop, которая предназначена для корректирования формы и выражения лиц.
Для обучения нейронной сети был использован датасет из пар фото лиц до и после редактирования Liquify. По результатам тестирования, система обнаруживает отретушированные области с точностью 99,4%.
На данный момент представленный проект является исследовательским. В будущем же авторы намерены его доработать, добавив восстановление оригинального изображения и определение манипуляций с телом, и презентовать как коммерческий продукт.
Добрый вечер, друзья! Какие события произошли за эту неделю в мире искусственного интеллекта и машинного обучения?
▪️ В MIT создали алгоритм для лучшего понимания роботами людей ▪️ Amazon представил новую систему поиска одежды ▪️ Разработчики создали алгоритм для высокоскоростного уклонения дронов ▪️ Анонимная разработчица показала как умирает нейронная сеть ▪️ В Boston Dynamics заявили, что предназначением SpotMini будет развлечение
Роботанк с компьютерным зрением для обучения детей программированию
Ведущий китайский производитель дронов DJI разработал и представил игрушечный робот-танк RoboMaster S1, который представляет собой образовательную платформу для детей. Пользователям необходимо будет его собрать, так как он поставляется в разобранном виде, и запрограммировать выполнять различные задачи. Устройство уже продается в США, Китае и Японии по цене $499.
Инженеры обучили RoboMaster S1 распознавать жесты и звуки, а также реагировать на них. Используя компьютерное зрение система умеет отслеживать различные объекты и, в атаке, стрелять гелевыми шариками в противника.
Робот оборудован 31 сенсором, с помощью которых он ориентируется в пространстве, и 360-градусной четырехколесной системой, благодаря которой он передвигается и поворачивает в любую сторону. Ребенок может управлять игрушкой дистанционно через мобильное приложение или запрограммировать его для самостоятельного перемещения.
Чтобы управлять различными параметрами RoboMaster S1, пользователи могут написать код на Scratch 3.0 или Python. Также компания создала серию видеоуроков и руководств, чтобы помочь начинающим программистам научиться кодить.
Церебральная аневризма является патологическим расширением просвета кровеносного сосуда головного мозга. Это опасное состояние, так как в случае разрыва аневризмы происходит внутримозговое кровоизлияние, которое может привести к различным неврологическим нарушениям или даже смерти. Чтобы предотвратить подобные последствия, необходимо диагностировать ее еще на зачаточном уровне и начать лечение.
С целью обнаружения этой патологии, исследователи из Стэнфордского университета разработали HeadXNet – алгоритм на основе искусственного интеллекта, который помечает аневризмы на томографических сканах головного мозга. Чтобы создать подобное решение, инженеры обработали 611 3D-снимков КТ-ангиографии с диагностированными аневризмами и без них. Каждое изображение было тщательно проверено и размечено. Впоследствии на этих данных и был натренирован HeadXNet, способный окрашивать участок формирования аневризмы на самых ранних стадиях.
Во время тестирования алгоритм показал высокие результаты. Однако, по словам разработчиков, созданный ИИ является программным ассистентом для врачей, а не как самостоятельное решение.
Подразделение Google AI опубликовало работу о новой среде для обучения с подкреплением – Google Research Football Environment. В ней агенты будут учиться играть в футбол.
Обучение с подкреплением направлено на тренировку ИИ взаимодействовать со средой, в которой они находятся, а также решать комплексные задачи. Что касается футбола, то этот вид игры требует от агентов держать краткосрочный контроль, изучать геймплей и формировать стратегии игры.
Новая RL-cреда построена на основе популярных футбольных видеоигр. Football Environment представляет собой трехмерную симуляцию, в которой агенты управляют одним или всеми футболистами своей команды, учатся передавать мяч друг другу и преодолевают защиту противника. Задача ИИ – победить соперника.
Открытое бета-тестирование уже запустилось и доступно на GitHub.