Build 2018 online!

https://devdigest.today/post/498

ML.NET - кроссплатформенный фремйворк с открытым исходным кодом для машинного обучения

https://blogs.msdn.microsoft.com/dotnet/2018/05/07/introducing-ml-net-cross-platform-proven-and-open-source-machine-learning-framework/

Сессия Microsoft Build 2018 посвященная ML.NET

https://devdigest.today/post/504

Машинное обучение для .NET.

ML.NET - это кросс-платформенная полностью отрытая платформа машинного обучения, которая делает ML доступным для всех .NET-разработчиков. Она позволяет создавать собственные и внедрять кастомные модели ML в приложения, даже не имея предварительного опыта в разработке или настройке моделей машинного обучения.

Подробнее на GitHub: https://aka.ms/dotnet_new_0518

#opensource #dotnet #msbuild

Сеанс научной демистификации на Build 2018

https://devdigest.today/post/509

На ДОУ вышел интересный дайджест. Рекомендуем ознакомиться: https://dou.ua/lenta/digests/ai-ml-digest-7/

Building a quantum computer differs greatly from building a classical computer. The underlying physics, the operating environment, and the engineering each pose their own obstacles. With so many unique challenges, how can a quantum computer scale in a way that makes it possible to solve some of the world’s most challenging problems?

https://cloudblogs.microsoft.com/quantum/2018/05/16/achieving-scalability-in-quantum-computing/

Просто добавь воды: разработка с H2O.ai.

В течение последних нескольких лет интерес к технологиям машинного обучения и искусственного интеллекта быстро рос. Решение H2O.ai становится все более популярным в этой сфере: оно поддерживает быстрые алгоритмы машинного обучения в оперативной памяти и недавно получило поддержку глубокого обучения. Сегодня поговорим о разработке с использованием H2O.

Подробнее: https://aka.ms/ai_az_0518

#ai #azure #article

Use CoreML And Azure To Create Simple Xamarin.iOS Apps

https://blog.xamarin.com/coreml-azure-create-simple-xamarin-ios-apps/?utm_medium=social&utm_campaign=blog&utm_content=create-simple-ios-apps-with-coreml-and-azure

Баскетбол заинтересовался искусственным интеллектом.

Гарт Кейс, вице-президент НБА по информационным технологиям, помог разработать новую систему на основе ИИ, автоматически сортирующую и организующую огромный поток фотографий с игр тридцати команд, каждая из которых проводит 82 матча в регулярном сезоне, не считая игр плей-офф. NBA Photo Sorter пришла на смену утомительной ручной сортировке.

Подробнее: https://aka.ms/news_ai_0518

#ai #news #msbuild

Как нас анализируют в кинотеатрах… и не только.

Компьютерное зрение все глубже интегрируется в нашу жизнь. При этом, мы даже не замечаем всего этого наблюдения за нами. Сегодня расскажем о системе, помогающей анализировать эмоции посетителей на конференциях, в учебном процессе, в кинотеатрах и много где ещё. Кстати, покажем код и расскажем о практических кейсах.

Подробнее: https://aka.ms/ai_az_article_0618

#azure #ai #article

Бесплатная электронная книга: руководство разработчика по созданию приложений с AI.

Эта книга будет вашим гидом в процессе создания умных ботов с расположением в облаке. Наши коллеги нарисуют карту для разработчиков, с помощью которой будет очень просто создать приложение, включающее в себя искусственный интеллект.

Скачать: https://aka.ms/ai_az_book_0618

#book #ai #azure

Готовится к выходу следующая версия ML.NET

https://www.infoq.com/news/2018/06/mlnet02-released

Пока я мечтал сделать единое окно для всех открытых датасетов, Майкрософт взял и сделал. Не без проблем (вот сейчас например тормозит поиск), но сама идея идеальная. Следующий шаг - место где можно купить готовую предобученную модель для твоих задач. Например с подпиской на обновления модели за деньги.

Последние 4 года у меня четкое ощущение, что Майкрософт делает ну очень много для либерализации разработки ИИ и всего что с этим связано. Да, у гугла есть успешная история с тензорфлоу, у фейсбука с каффе. У майкрософта есть полный набор - от готовых облачных сервисов, до фреймворков и вот теперь открытых датасетов. Можно только поздравить команду Майкрософт Ресерч, и спасибо сказать. https://www.microsoft.com/en-us/research/blog/announcing-microsoft-research-open-data-datasets-by-microsoft-research-now-available-in-the-cloud/?OCID=msr_blog_opendata_tw

F# и ML.Net: совместная работа.

Недавно мы анонсировали ML.NET, платформу машинного обучения для .NET. Один из наших пользователей сразу же задумался: а как это выглядит с F#? В этой статье он рассмотрел использование модуля регрессии ML.NET и описал отказоустойчивость как платформы в целом, так и отдельных ее частей.

Подробнее: https://aka.ms/0618_dotnet_article

#dotnet #article

Если вы уже начали играться с Q# - нашим языком программирования для квантовых компьютеров, то самое время поучаствовать в online-соревновании с 6 по 9 июля (тренировочные задачи доступны с 29 июня по 2 июля).

https://cloudblogs.microsoft.com/quantum/2018/06/27/challenge-your-skills-in-the-microsoft-q-coding-contest-summer-2018/

p.s. Не забудьте поставить себе свежую версию SDK, там существенно поработали над оптимизацией вычислений. https://cloudblogs.microsoft.com/quantum/2018/06/22/enhanced-debugging-and-faster-simulation-with-the-latest-quantum-development-kit-update/

#quantum #computing

Использование ML.NET - Введение в машинное обучение и ML.NET.

ML.NET - это кросс-платформенный фреймворк с открытым исходным кодом, доступный в виде пакета NuGet. Он может быть дополнен библиотеками машинного обучения, такими как TensorFlow, Accord.NET и CNTK. Автор этой статьи расскажет подробнее о платформе и начале работы с ней.

Подробнее: https://aka.ms/0618_article_dotnet

#dotnet #article

Про искусственный интеллект для самых маленьких

https://devdigest.today/post/553

Составили для вас список полезных каналов, групп и чатов. Будем пополнять.

http://telegra.ph/chto-v-internete-pochitat-06-30-2

​​Все мы слышали о профессии Data Scientist, но мало кто знает, с чего вообще начать обучение Machine Learning!

Первым шагом в освоении data science может стать курс от Skillfactory “Практический Machine learning” → https://bit.ly/2lORMMF

На курсе вы изучите и научитесь применять основные модели машинного обучения: регрессия, классификация, явление переобучения, ансамбли деревьев. Узнаете, зачем нужны тренировочная, валидационная и тестовая выборки, кросс-валидация и скользящий контроль, гиперпараметры и их подбор, а также многое другое.

Получить полную программу курса можно по ссылке → https://bit.ly/2lORMMF

До 23 июля на курс действует скидка 25 000 ₽.

#реклама #текстприслан