Как стать автором
Обновить
  • по релевантности
  • по времени
  • по рейтингу

Тренировка по машинному обучению 10 августа

Mail.ru GroupМашинное обучениеУчебный процесс в ITИскусственный интеллект


Приглашаем 10 августа в московский офис Mail.ru Group на тренировку по машинному обучению.

Тренировка по машинному обучению — это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться. С докладами выступают опытные участники последних соревнований на Kaggle и других платформах, рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам.
Программа встречи
Всего голосов 17: ↑17 и ↓0 +17
Просмотры3.4K
Комментарии 0

Moscow Data Science Major August 2019: программа и регистрация

Mail.ru GroupBig DataМашинное обучениеКонференцииИскусственный интеллект
image
UPD: Присоединяйтесь к онлайн-трансляции:


31 августа 2019г. Mail.ru Group и сообщество Open Data Science приглашают на Moscow Data Science Major. Это как Data Fest, только мини. Событие состоит из 8 тематических блоков докладов, 1 ML-тренировки и 8 часов ударной порции нетворкинга и знакомств. Знакомьтесь с программой и регистрируйтесь! Вход на событие бесплатный, по одобренной регистрации. Регистрация закрывается в 28 августа в 17:00.
Смотреть программу
Всего голосов 33: ↑32 и ↓1 +31
Просмотры5.5K
Комментарии 9

ARM пообещала новые ускорители ИИ для устройств интернета вещей

Искусственный интеллектПроцессорыИнтернет вещей
image

ARM объявила о значительных дополнениях к своей платформе искусственного интеллекта (AI), в том числе о новом IP машинного обучения (ML), процессоре Arm Cortex-M55 и Arm Ethos -U55 NPU, первом в отрасли microNPU (Neural Processing Unit) для Cortex-M, разработанном для обеспечения скачка в производительности ML для микроконтроллеров.

Граничный ИИ позволяет запускать обработку ИИ на самом устройстве, а не на удаленном сервере, что дает большие преимуществ для конфиденциальности и скорости.
Читать дальше →
Всего голосов 11: ↑11 и ↓0 +11
Просмотры2.4K
Комментарии 4

Открыта регистрация участников на Международную конференцию по функциональному программированию

LispErlang/OTPHaskellФункциональное программированиеКонференции


ICFP 2020 — двадцать пятая конференция под эгидой ACM SIGPLAN. В этом году конференция будет проводиться онлайн, и все события, проходящие в её рамках, будут онлайн.


Соревнование ICFP по программированию будет проводиться с 17 июля по 20 июля 2020 года (то есть, уже через два дня).


Сама конференция будет проходить с 24 по 26 августа 2020, и укладываться в два тайм-слота. Первый слот будет проходить с 9:00 до 17:30 по времени Нью-Йорка, и будет включать как технические, так и социальные мероприятия. Второй тайм-слот будет проходить с 9:00 до 17:30 по Пекинскому времени, на следующий день, и будет с незначительными вариациями повторять содержимое предыдущего дня, включая технические и социальные мероприятия.

Читать дальше →
Всего голосов 7: ↑7 и ↓0 +7
Просмотры902
Комментарии 2

Google представила ИИ-редактор для создания фантастических химер

Обработка изображенийМашинное обучениеГрафический дизайнДизайн игр
image

В Google AI продемонстрировали Chimera Painter, модель машинного обучения (ML), которая может рендерить изображения химер и других игровых существ по исходному контуру. Chimera Painter добавляет элементы и текстуры к контуру, разделенному метками частей тела, такими как «крылья» или «когти», когда пользователь нажимает кнопку «преобразовать».
Читать дальше →
Всего голосов 12: ↑12 и ↓0 +12
Просмотры3.8K
Комментарии 1

Приглашаем на митап «Машинное обучение и инфраструктура вокруг него» 18 декабря в 14:00

SouthbridgeIT-инфраструктураМашинное обучениеDevOps


Онлайн-митап «Машинное обучение и инфраструктура вокруг него: погружение DevOps-специалиста в мир MLOps» начнется в пятницу 18 декабря в 14:00 (МСК).


Регистрация


О чем будем говорить:


  • как в принципе работает ML и как оно пока не работает,
  • какая цифровая инфраструктура необходима вокруг ML,
  • какие специфические требования к оборудованию есть у ML-систем и в чём там нюансы.
Читать дальше →
Всего голосов 15: ↑14 и ↓1 +13
Просмотры1.1K
Комментарии 2

Когда нужно много, действительно много серверов

Hewlett Packard Enterprise
HP ProLiant SL160z G6 ServerВ 1993 году на рынке впервые появились серверы HP ProLiant, разработанные на основе архитектуры x86. Семейство ProLiant пополнялось новыми линейками по мере того, как росла сфера применения таких устройств. До недавнего времени можно было выбрать: линейку ML – башенные серверы, которые вы как правило покупаете поштучно; DL – стоечные машины для серьезных задач, несколько которых вы покупаете с большим заделом на будущее; и BL – заполнив стойку десятком таких блейдов, вы всегда сможете добавить в нее еще, если запросы возросли.

Но в последние годы BL и их аналоги использовались и в том случае, когда запросы возрастают в десятки и сотни раз – в веб-поисковиках, больших СУБД и научных суперкомпьютерах. И хотя в конструкции этих серверов применяются различные технологии, обеспечивающие уменьшение энергопотребления и компактное размещение внутренних компонентов, тем не менее при эксплуатации комплексов из нескольких тысяч вычислительных узлов даже небольшая экономия мощности и сокращение габаритов на уровне одного сервера давала бы значительный экономический эффект.

Поэтому HP специально разработала линейку HP ProLiant SL6000, в которой вместо стандартного стоечного корпуса применен новый форм-фактор. Наша новая система использует двухюнитовое шасси z6000, в котором несколько серверов обслуживают общие источники питания и вентиляторы. По сравнению с обычными одноюнитовыми серверами энергопотребление сокращается на 28%, а общий вес серверной стойки – на 31%. Подобное решение используется и в шасси BladeSystem для линейки BL, но в z6000 нет общей объединительной панели, за счет чего улучшается воздушное охлаждение внутри шасси.
Читать дальше →
Всего голосов 36: ↑22 и ↓14 +8
Просмотры6.4K
Комментарии 16

Функторы в языках программирования

Программирование
Перевод
Интересно, что термин "функтор" означает совершенно разные вещи в разных языках программирования. Возьмем, например, C++. Каждый, кто освоил мастерство C++, знает, что класс, который реализует operator(), называется функтором. Теперь возьмём Standard ML. В ML функторы отображают структуры на структуры. Теперь Haskell. В Haskell функторы — это просто гомоморфизм над категориями. А в Prolog функтор означает атом в начале структуры. Все они различаются. Давайте подробнее рассмотрим каждый из них.
Читать дальше →
Всего голосов 44: ↑41 и ↓3 +38
Просмотры61.9K
Комментарии 39

Десять причин не использовать статически типизированный функциональный язык программирования

Функциональное программирование
Перевод
От переводчика
Это вольный перевод статьи о том, почему люди боятся функциональных языков, присутствует ирония и юмор, для тех кто может и любит читать на английском оригинал здесь.

Про автора

Я разработчик и архитектор британской не софтверной компании. Имею 20 летний опыт в различных областях от высоко-уровневых UX/HCI до низко-уровневых реализаций баз данных.
Несмотря на то что я использую C# в своей повседневной работе, я писал промышленный код на многих языках, мои любимые Smalltalk, Python и совсем недавно F# (поэтому я и создал этот сайт).


Разглагольствования по поводу того чего я не понимаю


Вам надоела вся эта шумиха вокруг функциональных языков? Мне тоже! Я выскажу по этому поводу несколько причин почему разумные люди, такие как мы с вами, должны держаться подальше от этого.

Немного поясню: когда я говорю «статически типизированный функциональный язык программирования», я подразумеваю языки, которые поддерживают вывод типов по-умолчанию и прочее. На практике это означает Haskell и семейство языков ML (включая OCaml и F#).
Читать дальше →
Всего голосов 120: ↑95 и ↓25 +70
Просмотры41.9K
Комментарии 50

DevCon 2015: анонс третьей волны докладчиков конференции

MicrosoftРазработка веб-сайтовMicrosoft SQL ServerUnityРазработка под Windows
Дорогие друзья!
С удовольствием сообщаю вам, что билеты на крупнейшую конференцию Microsoft DevCon 2015 были распроданы за месяц до начала проведения! Мы наблюдали огромный интерес к конференции и продолжаем работать над тем, чтобы сделать DevCon 2015 самым заметным и интересным событием года.
Сегодня мы рады представить вам очередную третью волну докладчиков конференции DevCon 2015 и открыть вам некоторые темы и очередные подробности технической программы конференции. Ранее мы уже анонсировали несколько десятков докладчиков DevCon 2015, описание и подробную информацию о их докладах вы можете найти в этой и этой статьях.



Прежде всего, мы рады в очередной раз приветствовать на конференции Сергея Олонцева – одного из немногих обладателей самого высокого сертификата Microsoft Certified Master по SQL Server. Сергей представит на конференции замечательный доклад о внутреннем устройстве SQL Server 2014, а так же представит отдельный эксклюзивный для участников конференции мастер-класс “Оптимизация производительности в SQL Server до 2014 версии и в ней на примерах”!

Другим замечательным гостем конференции, уже не в первый раз, станет Ларри Либерман — продуктовый менеджер платформы Windows, Microsoft, США! Ларри, как и в прошлый раз приедет на DevCon 2015 для того, чтобы поделиться с участниками конференции самыми последними новинками платформы Windows для разработчиков, которые будут представлены на конференции Build 2015! Ларри Либерман сделает на DevCon два доклада, темы его выступлений мы раскроем сразу после проведения Build, следите за новостями на сайте конференции.
Читать дальше →
Всего голосов 12: ↑11 и ↓1 +10
Просмотры3.7K
Комментарии 0

Kaggle и Titanic — еще одно решение задачи с помощью Python

Спортивное программированиеPythonПрограммированиеМашинное обучение
Tutorial
Хочу поделиться опытом работы с задачей известного конкурса по машинному обучению от Kaggle. Этот конкурс позиционируется как конкурс для начинающих, а у меня как раз не было почти никакого практического опыта в этой области. Я немного знал теорию, но с реальными данными дела почти не имел и с питоном плотно не работал. В итоге, потратив пару предновогодних вечеров, набрал 0.80383 (первая четверть рейтинга).



Читать дальше →
Всего голосов 31: ↑30 и ↓1 +29
Просмотры67.7K
Комментарии 6

Специализация по машинному обучению на Coursera от Физтеха и Яндекса

ЯндексПрограммированиеАлгоритмыBig DataМашинное обучение
В начале года на Coursera открылся курс по машинному обучению от Яндекса и Вышки, о котором мы уже рассказывали. К моменту старта на него записались 14000 человек. Через час после открытия пользователи создали канал в Slack, где стали обсуждать программу. Сейчас слушателей уже 21000.



9 февраля на платформе стала доступна запись на специализацию по машинному обучению, которая разрабатывается нашими специалистами уже совместно с Физтехом. Она устроена таким образом, чтобы помочь слушателям плавно погрузиться в тему.

Специализация «Машинное обучение и анализ данных» состоит из пяти курсов и работой над собственным проектом. Обучение будет длиться несколько месяцев. Записаться на него можно до 19 февраля. Если вы не успеете это сделать, с 14 марта можно будет записаться на второй поток.

Авторы курса — сотрудники Яндекса, специалисты Yandex Data Factory, которые преподают на Физтехе. Константин Воронцов тоже среди них. Мы попросили некоторых из коллег рассказать, кому может быть полезна специализация и для чего она нужна. Также под катом — программа всех курсов.
Читать дальше →
Всего голосов 42: ↑40 и ↓2 +38
Просмотры59.1K
Комментарии 49

Глубокое обучение с подкреплением виртуального менеджера в игре против неэффективности

Data MiningМашинное обучение
Из песочницы


Об успехах Google Deepmind сейчас знают и говорят. Алгоритмы DQN (Deep Q-Network) побеждают Человека с неплохим отрывом всё в большее количество игр. Достижения последних лет впечатляют: буквально за десятки минут обучения алгоритмы учатся и выигрывать человека в понг и другие игры Atari. Недавно вышли в третье измерение — побеждают человека в DOOM в реальном времени, а также учатся управлять машинами и вертолетами.


DQN использовался для обучения AlphaGo проигрыванием тысяч партий в одиночку. Когда это ещё не было модным, в 2015 году, предчувствуя развитие данного тренда, руководство Phobos в лице Алексея Спасского, заказало отделу Research & Development провести исследование. Необходимо было рассмотреть существующие технологий машинного обучения на предмет возможности использования их для автоматизации победы в играх управленческих. Таким образом, в данной статье пойдёт речь о проектирование самообучающегося алгоритма в игре виртуального управленца против живого коллектива за повышение производительности.

Читать дальше →
Всего голосов 26: ↑24 и ↓2 +22
Просмотры12.8K
Комментарии 11

Cognitive Services & LUIS: Введение в распознавание естественного языка

MicrosoftData MiningАлгоритмыМашинное обучение
Перевод
В этой статье мы поговорим о понимании языка (о лингвистических вычислениях, таких как назначение меток, синтаксический анализ и так далее) и обратим особое внимание на два API: Linguistic Analysis API и интеллектуальную службу распознавания речи (LUIS). Если вы любите английский язык так же как русский и увлекаетесь обучением искусственного интеллекта, добро пожаловать под кат.


Читать дальше →
Всего голосов 24: ↑24 и ↓0 +24
Просмотры7.6K
Комментарии 0

Соревнование mlbootcamp от mail.ru. Кратко о рецепте второго места

PythonМашинное обучение
Добрый день, читатель! Данная статья расскажет о пути получения второго места на соревновании MLBootCamp III. Для тех, кто не в курсе — это соревнование по машинному обучению и анализу данных от Mail.Ru Group, проходило с 15 февраля по 15 марта.

В статье будет коротко про историю построения решения, немного советов про то, на чем набил шишек и благодарности.

Итак, поехали.
Читать дальше →
Всего голосов 37: ↑36 и ↓1 +35
Просмотры10.4K
Комментарии 10

Митап по Apache Spark

Rambler&CoPythonScalaBig DataМашинное обучение
image

27 апреля на Мансарде RAMBLER&Co пройдет первый митап, посвященный работе с Apache Spark.

Apache Spark уже успел зарекомендовать себя как один из основных фреймворков работы с большими данными и успешно применяется в таких крупных компаниях, как Amazon, Baidu, IBM, Databricks, NASA JPL и TripAdvisor. Нам известно, что и в России Spark используется во многих небольших и в некоторых крупных компаниях, причем весьма результативно.

В Rambler&Co мы уже около года используем Spark почти для всех задач департамента рекламных технологий, связанных с ETL и машинным обучением. Более того, в начале года мы успешно обновились до версии 2.1.0.

На митапе мы бы хотели поделиться нашим опытом внедрения Spark в продакшен, рассказать о проблемах, с которыми мы столкнулись, и обсудить решения, которые применили. Выяснить, какие новые и крутые фишки появились в Spark 2, и какие баги успешно мигрировали из предыдущих версий Ну и, конечно же, познакомиться с другими энтузиастами и практиками этого замечательного инструмента и сделать наше мероприятие регулярным! Приходите, будет интересно!
Читать дальше →
Всего голосов 8: ↑7 и ↓1 +6
Просмотры3.9K
Комментарии 5

Восстание машин: Как роботы захватили бухгалтерию

Microsoft.NETC#Microsoft AzureМашинное обучение
Кнопочные войны в самом разгаре, роботы продолжают наступать, машины обучаются в разы быстрее людей, а вот Андрей, владелец одной московской кофейни, становится всё больше счастлив… В этот пятничный предпраздничный день мы решили поделиться с вами историей Кнопки, которая в прошлом году создала 42 робота для спасения бухгалтеров от рутинной работы, а сейчас занимается разитием искусственного бухгалтерского интеллекта.


Читать дальше →
Всего голосов 29: ↑27 и ↓2 +25
Просмотры19.6K
Комментарии 65

Анонс Moscow Spark #2

Rambler&CoPythonScalaBig DataМашинное обучение
image

Как мы и обещали, наше мероприятие становится регулярным – 27 июля состоится Moscow Spark #2! Moscow Spark #1, организованный группой компаний Rambler&Co, собрал больше 200 участников, и мы надеемся, что жаркая погода, которая когда-нибудь установится в московском регионе, не помешает нам собрать столько же (и даже больше) участников в этот раз. Тем более, что мы нашли новых, интересных докладчиков.
Читать дальше →
Всего голосов 6: ↑5 и ↓1 +4
Просмотры1.9K
Комментарии 4

R c H2O на Spark в HDInsight

Высокая производительностьBig DataMicrosoft AzureRМашинное обучение

imageH2O – библиотека машинного обучения, предназначенная как для локальных вычислений, так и с использованием кластеров, создаваемых непосредственно средствами H2O или же работая на кластере Spark. Интеграция H2O в кластеры Spark, создаваемые в Azure HDInsight, была добавлена недавно и в этой публикации (являющейся дополнением моей прошлой статьи: R и Spark) рассмотрим построение моделей машинного обучения используя H2O на таком кластере и сравним (время, метрика) его с моделями предоставляемых sparklyr, действительно ли H2O киллер-приложение для Spark?

да, но это не точно
Всего голосов 11: ↑11 и ↓0 +11
Просмотры4.5K
Комментарии 0

7 советов UX-специалисту по работе с машинным обучением

НетологияВеб-дизайнИнтерфейсыUsability
Перевод
Recovery mode
Алёна Лазарева, редактор-фрилансер, адаптировала статью UX-специалистов из Google о том, как использовать машинное обучение в своей работе и не забывать о нуждах пользователя.

Машинное обучение (Machine Learning или ML) — обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться.

Машинное обучение позволяет компьютеру обнаруживать паттерны и взаимосвязи в данных, поэтому это отличный инструмент для создания персонализированного и динамического UX. Область его применения широка: от рекомендательных механизмов Netflix до беспилотных автомобилей. Задача UX-специалиста при работе над проектом под управлением ML — дать пользователю контроль над технологией, а не наоборот.

Машинное обучение постепенно заставляет нас переосмыслить подход к созданию практически всех продуктов. В этой статье мы собрали семь советов о том, как UX-дизайнерам сосредоточиться на нуждах пользователя при работе с ML.
Читать дальше →
Всего голосов 8: ↑6 и ↓2 +4
Просмотры5.2K
Комментарии 2