На прошлой неделе "дедушка" глубокого обучения Geoffrey Hinton и коллеги выпустили пару научных статей про новый подход к построению структуры сети — капсульные сети (capsule network). Фактически это попытка перенести на архитектуру нейронной сети идею наличия групп (или ансамблей) нейронов в коре головного мозга, отсюда понятие капсул. Технически о них можно думать как о вложенных сетях.
На hackernoon сделали доступный рассказ, о чем это и почему важно. https://hackernoon.com/what-is-a-capsnet-or-capsule-network-2bfbe48769cc #ai #ml #capsnet
На hackernoon сделали доступный рассказ, о чем это и почему важно. https://hackernoon.com/what-is-a-capsnet-or-capsule-network-2bfbe48769cc #ai #ml #capsnet
Hackernoon
What is a CapsNet or Capsule Network? | HackerNoon
<em>What is a Capsule Network? What is a Capsule? Is CapsNet better than a Convolutional Neural Network (CNN)? In this article I will talk about all the above questions about CapsNet or Capsule Network released by Hinton.</em>
"Алгоритмы правят психушкой." — интересный обзор про вычислительную психиатрию (использование машинных алгоритмов для анализа поведения пациентов, постановки диагнозов и т.п.). С одной стороны, это про давно назревающую необходимость более детального и тщательного анализа накопленных данных исследований, с другой, это про анализ паттернов в поведении по разным показателям (от голоса до крови, представьте, например, что по незаметным для человека изменениям в голосе можно предсказать, наличие у него психических расстройств), с третьей, это про большой вопрос - насколько /действительно/ можно предсказать, что происходит в наших головах на основании небольших данных, и насколько мы /действительно/ похожи или отличаемся в деталях устройства мозга, и, с четвертой, это про то, насколько глубоко алгоритм способен закопаться в усиливающихся циклах причин и следствий развития разных ситуаций?
В любом случае, вычисления и машинное обучение — явно свежая струя в психиатрии и диагностике, в частности. https://medium.com/neodotlife/computational-psychiatry-c05a32f20705 #ai #human #medicine #ml
В любом случае, вычисления и машинное обучение — явно свежая струя в психиатрии и диагностике, в частности. https://medium.com/neodotlife/computational-psychiatry-c05a32f20705 #ai #human #medicine #ml
Medium
When Algorithms Are Running the Asylum
Psychiatry’s biggest breakthrough in decades might come from machines that don’t need to understand the mind at all.
И про применение машинного обучения в задачах борьбы с кибер-угрозами. Команда Windows Defender рассказывает, как боролись с новым трояном Emotet (и заодно, как устроена многослойная защита с применением ML-моделей на клиенте и в облаке). https://cloudblogs.microsoft.com/microsoftsecure/2018/02/14/how-artificial-intelligence-stopped-an-emotet-outbreak/ #ai #security #ml
Microsoft Secure
How artificial intelligence stopped an Emotet outbreak
At 12:46 a.m. local time on February 3, a Windows 7 Pro customer in North Carolina became the first would-be victim of a new malware attack campaign for Trojan:Win32/Emotet. In the next 30 minutes, the campaign tried to attack over a thousand potential victims…
Немножко легкого выходного чтения про машинное обучение: Towards Data Science рассказывает, кто есть кто в мире ML. https://towardsdatascience.com/the-whos-who-of-machine-learning-and-why-you-should-know-them-9cefbbc84f07 #ai #ml #leaders
Medium
The Who’s Who Of Machine Learning, And Why You Should Know Them
If you are a machine learning enthusiast , or even planing on getting into the field soon. THIS IS YOUR TIME.
В продолжение темы важных людей в мире AI - наткнулся на подборку "25 инфлюенсеров в мире AI, которых стоит фоловить в триттере в 2018". https://www.disruptordaily.com/top-25-influencers-follow-twitter-2018/
Подумал, что фоловить всех по одному не очень удобно, поэтому вот вам готовый список, на который можно подписаться в твиттере. Я его слегка расширил :) https://twitter.com/quantumquintum/lists/ai-to-follow #ai #ml #leaders
Подумал, что фоловить всех по одному не очень удобно, поэтому вот вам готовый список, на который можно подписаться в твиттере. Я его слегка расширил :) https://twitter.com/quantumquintum/lists/ai-to-follow #ai #ml #leaders
DisruptorDaily
Top 25 AI Influencers to Follow on Twitter in 2018 - DisruptorDaily
Artificial intelligence is so rapidly evolving that it can be difficult to keep… ...
Сегодня небольшая порция контента про работу с Audio на базе нейронных сетей:
1. Про генерацию музыки с помощью Azure ML. Erika Menezes рассказывает, как построить LSTM (Long Short-Term Memory) модель для генерации медиа-файлов и выстроить вокруг этого окружение для экспериментирования.
Текстовая статья: https://blogs.technet.microsoft.com/machinelearning/2017/12/06/music-generation-with-azure-machine-learning/
Видео #1 (про генерацию музыки и модель сети): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation
Видео #2 (про извлечение фич из midi-файла и создание midi-файлов из выхода модели): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation-The-Code
Исходный код: https://github.com/Azure/MachineLearning-MusicGeneration
#ai #ml #music #generation #azure
1. Про генерацию музыки с помощью Azure ML. Erika Menezes рассказывает, как построить LSTM (Long Short-Term Memory) модель для генерации медиа-файлов и выстроить вокруг этого окружение для экспериментирования.
Текстовая статья: https://blogs.technet.microsoft.com/machinelearning/2017/12/06/music-generation-with-azure-machine-learning/
Видео #1 (про генерацию музыки и модель сети): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation
Видео #2 (про извлечение фич из midi-файла и создание midi-файлов из выхода модели): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation-The-Code
Исходный код: https://github.com/Azure/MachineLearning-MusicGeneration
#ai #ml #music #generation #azure
Channel 9
Deep Learning for Music Generation
In this episode of the AI show Erika explains how to create deep learning models with music as the input. She begins by describing the problem of generating music by specifically describing how she ge
2. Как на счет обработки audio-информации (например, команд) в браузере? Boris Smus из Google рассказывает, как на базе библиотеки deeplearn.js (от команды Google Brain) построить CNN для обработки аудио-команд: от извлечения фич на базе WebAudio API до хранения обученной модели в IndexedDB.
Статья #1 (про извлечение фич и генерацию спектрограмм): https://towardsdatascience.com/audio-features-for-web-based-ml-555776733bae
Статья #2 (про обучение и распознавание команд): https://towardsdatascience.com/web-based-voice-command-recognition-58a9bb1ec8db
Исходный код: https://github.com/google/web-audio-recognition/tree/master/audio-features
#ai #ml #web #audio
Статья #1 (про извлечение фич и генерацию спектрограмм): https://towardsdatascience.com/audio-features-for-web-based-ml-555776733bae
Статья #2 (про обучение и распознавание команд): https://towardsdatascience.com/web-based-voice-command-recognition-58a9bb1ec8db
Исходный код: https://github.com/google/web-audio-recognition/tree/master/audio-features
#ai #ml #web #audio
Towards Data Science
Audio features for web-based ML
One of the first problems presented to students of deep learning is to classify handwritten digits in the MNIST dataset. This was recently…
Если вы занимаетесь анализом гео-данных и, в частности, чем-то близким к анализу карт, аэросъемки и т.п., то вам будет интересна наша следующая новость.
В дополнение к базовой Data Science VM в Azure совместно с компанией Esri (поэтому вы можете ожидать взаимодействие с ArcGIS Pro) мы сделали новую версию виртуалки — Geo AI DSVM, заточенную под анализ пространственных и гео-данных.
В качестве примера и учебного пособия коллеги выложили jupiter-ноутбук для задачи классификации зон на аэроснимках. #ai #ml #geo
Статья: https://blogs.technet.microsoft.com/machinelearning/2018/03/12/pixel-level-land-cover-classification-using-the-geo-ai-data-science-virtual-machine-and-batch-ai/
Исходники примера: https://github.com/Azure/pixel_level_land_classification
Geo AI DSVM: https://azuremarketplace.microsoft.com/en-us/marketplace/apps/microsoft-ads.geodsvm
В дополнение к базовой Data Science VM в Azure совместно с компанией Esri (поэтому вы можете ожидать взаимодействие с ArcGIS Pro) мы сделали новую версию виртуалки — Geo AI DSVM, заточенную под анализ пространственных и гео-данных.
В качестве примера и учебного пособия коллеги выложили jupiter-ноутбук для задачи классификации зон на аэроснимках. #ai #ml #geo
Статья: https://blogs.technet.microsoft.com/machinelearning/2018/03/12/pixel-level-land-cover-classification-using-the-geo-ai-data-science-virtual-machine-and-batch-ai/
Исходники примера: https://github.com/Azure/pixel_level_land_classification
Geo AI DSVM: https://azuremarketplace.microsoft.com/en-us/marketplace/apps/microsoft-ads.geodsvm
GitHub
Azure/pixel_level_land_classification
Tutorial demonstrating how to create a semantic segmentation (pixel-level classification) model to predict land cover from aerial imagery. This model can be used to identify newly developed or floo...
Красивая история от Google про использование машинного обучения и TensorFlow для борьбы с незаконными вырубками лесов. Внутри: переделанный Android-телефон, подключенный к солнечным батареям и микрофонам, детектирующий звуки вырубки (характерный транспорт, бензопилы и т.п.). https://blog.google/topics/machine-learning/fight-against-illegal-deforestation-tensorflow/ #ai #ml #nature #protection
Google
The fight against illegal deforestation with TensorFlow
Rainforest Connection founder and CEO Topher White shares how TensorFlow, Google’s open-source machine learning framework, aids in their efforts.
Интересная идея: использовать техники deepfake (это где накладывают реальные лица на лица других людей/актеров) для улучшения игровой графики. Chrintan Trivedi рассказывает, как натянуть такие "фейковые" лица на игроков в FIFA 2018, которые в свою очередь сделаны через моделирование фигур и лиц реальных футболистов.
Сейчас это просто эксперимент, но потенциально — это очень перспективное направление. (И помните, я как-то выше давал ссылку на статью про DX12, где расширена поддержка нейронных сетей, в том числе для задач улучшения изображения?)
https://towardsdatascience.com/using-deep-learning-to-improve-fifa-18-graphics-529ec44ea37e #ai #ml #deepfake #games
Сейчас это просто эксперимент, но потенциально — это очень перспективное направление. (И помните, я как-то выше давал ссылку на статью про DX12, где расширена поддержка нейронных сетей, в том числе для задач улучшения изображения?)
https://towardsdatascience.com/using-deep-learning-to-improve-fifa-18-graphics-529ec44ea37e #ai #ml #deepfake #games
Medium
Using Deep Learning to improve FIFA 18 graphics
Game Studios spend millions of dollars and thousands of development hours designing game graphics in trying to make them look as close to…
Немножко прикладного кода в ленту. Тут коллеги рассказывают, как использовать Tiramisu (это вариация сверточной сеточки на DenseNet-архитектуре) для задачи сегментации изображений.
Если точнее, то сценарий такой: в ритейл-магазин приходит новая партия товара (одежды), нужно быстро сопоставить ее с существующим каталогом. Альтернативно: сотруднику или покупателю нужно быстро найти информацию по предмету одежды, находящемуся перед глазами. Фактически, нужно реализовать визуальный поиск, в котором сотрудник сможет по фотке с мобильника, найти соответствующую вещь в каталоге.
Тонкость в том, что фотка с мобильного может быть зашумлена фоном, поэтому для корректного сравнения желательно на лету сделать обтравку изображения. А это и есть один из вариантов задачи сегментации.
Обзор: https://www.microsoft.com/developerblog/2018/04/18/deep-learning-image-segmentation-for-ecommerce-catalogue-visual-search/
Исходный код: https://github.com/CatalystCode/image-segmentation-using-tiramisu/
#ai #ml #practice
Если точнее, то сценарий такой: в ритейл-магазин приходит новая партия товара (одежды), нужно быстро сопоставить ее с существующим каталогом. Альтернативно: сотруднику или покупателю нужно быстро найти информацию по предмету одежды, находящемуся перед глазами. Фактически, нужно реализовать визуальный поиск, в котором сотрудник сможет по фотке с мобильника, найти соответствующую вещь в каталоге.
Тонкость в том, что фотка с мобильного может быть зашумлена фоном, поэтому для корректного сравнения желательно на лету сделать обтравку изображения. А это и есть один из вариантов задачи сегментации.
Обзор: https://www.microsoft.com/developerblog/2018/04/18/deep-learning-image-segmentation-for-ecommerce-catalogue-visual-search/
Исходный код: https://github.com/CatalystCode/image-segmentation-using-tiramisu/
#ai #ml #practice
Developer Blog
Deep Learning Image Segmentation for Ecommerce Catalogue Visual Search - Developer Blog
We partnered with a large international online luxury fashion retailer to design important labor-saving AI projects: removing duplicate products in their image catalogue, and allowing fast automated look-up of catalogue items from a snapshot of the garment.…
Большая головная боль машинного обучения - разметка сырых данных. Вот тут коллеги рассказывают про использование метода Otsu для подготовки данных под задачу сегментация изображений. https://www.microsoft.com/developerblog/2018/05/17/using-otsus-method-generate-data-training-deep-learning-image-segmentation-models/ #ai #ml #image #vision
CSE Developer Blog
Using Otsu's method to generate data for training of deep learning image segmentation models | CSE Developer Blog
In this article, we introduce a technique to rapidly pre-label training data for image segmentation models such that annotators no longer have to painstakingly hand-annotate every pixel of interest in an image. The approach is implemented in Python and OpenCV…