Генетический алгоритм учит машинку ездить
https://zbendefy.github.io/machine.academy/WebApps/Evo/index.html
https://zbendefy.github.io/machine.academy/WebApps/Evo/index.html
Forwarded from GameDev
Unreal Engine спешит на помощь нейрохирургам
https://dtf.ru/69073
https://dtf.ru/69073
DTF
Unreal Engine спешит на помощь нейрохирургам
Операция на мозге, вероятно, самая сложная медицинская задача для хирурга, поэтому она требует много тренировок и практики, и оказывается, что Unreal Engine может оказать огромную помощь хирургам на этом поприще.
Топ - 5 проектов машинного обучения для начинающих
https://school.geekwall.in/p/Bkz_AI4c4/top-5-machine-learning-projects-for-beginners
https://school.geekwall.in/p/Bkz_AI4c4/top-5-machine-learning-projects-for-beginners
Geekwall
Top 5 Machine Learning Projects for Beginners
✅Top 5 Machine Learning Projects for Beginners. ✅As a beginner, jumping into a new machine learning project can be overwhelming. The whole process starts with picking a data set
Tensorflow.js demos
https://www.tensorflow.org/js/demos/
https://www.tensorflow.org/js/demos/
Привет!
Регистрация в самом разгаре, а пока пришло время рассказать про первую лекцию курса. Пожалуйста, если вы собираетесь на лекцию, отметьте это здесь: https://forms.gle/eKp6JzcT4T8t775SA.
Мы хотим быть уверены, что в аудитории хватит места.
Лекцию прочитает Михаил Бурцев — руководитель проекта iPavlov, заведующий лабораторией нейронных систем и глубокого обучения МФТИ, кандидат физико-математических наук.
На лекции вы узнаете про место нейронных сетей в современном мире. Лаборатория Михаила является передовой в области искусственного интеллекта и регулярно публикуется на конференциях самого высокого уровня. Один из проектов лаборатории — iPavlov — продвигает open-source библиотеку для разработки диалоговых агентов, чтобы каждый желающий мог сделать собственную Алису, или добавить в существующую новые навыки. Мы надеемся, что кто-то из Вас решит после прохождения нашего курса, попробовать побороться с ИИ в лаборатории у Михаила.
Кроме того, мы проведем небольшую сессию вопросов и ответов с Михаилом, на которой вы узнаете, как далеко осталось искусственному интеллекту до завоевания мира.
❗️А сразу после лекции состоится небольшое организационное собрание, связанное с началом курса.
🗓 20 сентября
⌚️ 18:30
🏛 Центре исследований и разработки компании 1С, Дмитровское шоссе, 9
Важные ссылки
Все актуальные новости мы прежде всего размещаем в группе ВК: https://vk.com/dlschool_mipt
Практически все занятия, которые Вы будете проходить, есть на нашем YouTube-канале
Курс полностью выложен и описан в официальном Github-репозитории: https://github.com/DLSchool/deep_learning_2018-19
Чат базового потока: https://yangx.top/dls_fall2019_basic
Чат продвинутого потока: https://yangx.top/dls_fall2019_advanced
С уважением,
Команда Deep Learning School
Регистрация в самом разгаре, а пока пришло время рассказать про первую лекцию курса. Пожалуйста, если вы собираетесь на лекцию, отметьте это здесь: https://forms.gle/eKp6JzcT4T8t775SA.
Мы хотим быть уверены, что в аудитории хватит места.
Лекцию прочитает Михаил Бурцев — руководитель проекта iPavlov, заведующий лабораторией нейронных систем и глубокого обучения МФТИ, кандидат физико-математических наук.
На лекции вы узнаете про место нейронных сетей в современном мире. Лаборатория Михаила является передовой в области искусственного интеллекта и регулярно публикуется на конференциях самого высокого уровня. Один из проектов лаборатории — iPavlov — продвигает open-source библиотеку для разработки диалоговых агентов, чтобы каждый желающий мог сделать собственную Алису, или добавить в существующую новые навыки. Мы надеемся, что кто-то из Вас решит после прохождения нашего курса, попробовать побороться с ИИ в лаборатории у Михаила.
Кроме того, мы проведем небольшую сессию вопросов и ответов с Михаилом, на которой вы узнаете, как далеко осталось искусственному интеллекту до завоевания мира.
❗️А сразу после лекции состоится небольшое организационное собрание, связанное с началом курса.
🗓 20 сентября
⌚️ 18:30
🏛 Центре исследований и разработки компании 1С, Дмитровское шоссе, 9
Важные ссылки
Все актуальные новости мы прежде всего размещаем в группе ВК: https://vk.com/dlschool_mipt
Практически все занятия, которые Вы будете проходить, есть на нашем YouTube-канале
Курс полностью выложен и описан в официальном Github-репозитории: https://github.com/DLSchool/deep_learning_2018-19
Чат базового потока: https://yangx.top/dls_fall2019_basic
Чат продвинутого потока: https://yangx.top/dls_fall2019_advanced
С уважением,
Команда Deep Learning School
Google Docs
Первая лекция
Пройдите, пожалуйста, опрос, если вы собираетесь прийти на первую лекцию.
Forwarded from DL in NLP (nlpcontroller_bot)
Забавное соревнование по NLP - вам нужно научить модельку решать ЕГЭ. И iPavlov в лице @alexeysorokin89 собирает команду на участие в нём (если желающих будет много, то даже несколько команд). По всем вопросам обращаться к @alexeysorokin89
contest.ai-journey.ru/ru/competition
contest.ai-journey.ru/ru/competition
Forwarded from Жалкие низкочастотники
Неделю назад Richard Socher (один из соавторов GloVe, кстати) из Salesforce объявил о публикации крупнейшей на данный момент известной языковой модели CTRL c 1.6B параметров (против 1.5B у OpenGPT-2 и 774M у OpenAI GPT-2, про которые я уже писал). Научной новизны в предлагаемой модели никакой, кажется, нет, и, в общем-то, это продолжение гонки вооружений было бы совсем скучным, но есть несколько интересных моментов:
1. Это, кажется, первая из таких публичных монстро-моделей, обученная с явным обусловливанием (conditioning).
2. Помимо стилей/жанров/сабреддитов они неплохо придумали использовать в conditioning значение URL страницы-источника (при генерации -- необязательно настоящей). Например, ссылка в духе
3. Они придумали развернуть расчёт conditioning для решения обратной задачи атрибуции источника: считают для заданного текста perplexity при различных conditioning параметрах, определяют, в каких условиях такой текст наиболее вероятен. Выглядит забавно.
Немного полезных ссылок: код и модель, статья, блогопост, инструкция по разворачиванию на Google Compute Engine (для бесплатного колаба модель слишком большая), тред с разными смешными примерами.
1. Это, кажется, первая из таких публичных монстро-моделей, обученная с явным обусловливанием (conditioning).
2. Помимо стилей/жанров/сабреддитов они неплохо придумали использовать в conditioning значение URL страницы-источника (при генерации -- необязательно настоящей). Например, ссылка в духе
https://www.cnn.com/2018/09/20/us-president-meets-british-pm позволяет сетке настроиться на стиль сайта CNN, на указанную тему и на конкретную дату (что позволяет ей правильно решить, кто в данный момент был президентом и премьером).3. Они придумали развернуть расчёт conditioning для решения обратной задачи атрибуции источника: считают для заданного текста perplexity при различных conditioning параметрах, определяют, в каких условиях такой текст наиболее вероятен. Выглядит забавно.
Немного полезных ссылок: код и модель, статья, блогопост, инструкция по разворачиванию на Google Compute Engine (для бесплатного колаба модель слишком большая), тред с разными смешными примерами.