Facebook готовий за 13 хвилин розповісти все, що Вам треба знати про машинне навчання


Дізнайтесь більше про нові кар'єрні можливості в EchoUA. Цікаві проекти, ринкова оплата, гарний колектив. Надсилайте резюме та приєднуйтеся до нас.

Технологічні гіганти, такі як Facebook, Google, Microsoft і IBM вважають, що незабаром ШІ буде наступним за популярністю після мобільних пристроїв. Тому для прискорення прогресу в цій галузі Facebook хоче розширити співтовариство компаній, які знають і застосовують штучний інтелект у своїй роботі.

Facebook публікує свої дослідження в галузі штучного інтелекту і машинного навчання, виступає на конференціях, робить своє програмне забезпечення open sourse проектами, і все це заради викриття міфів про ШІ і прискорення його розвитку. Сьогодні, наприклад, у своєму блозі компанія випустила шість коротких відео, покликаних допомогти розробникам, вченим і пересічним людям розібратися в найважливіших питаннях штучного інтелекту.

Вступ у ШІ (2 хв і 40 сек.)

Пояснення того, як можна змусити машини думати:

Машинне навчання (4 хв і 17 сек.)

Машинне навчання використовує моделі, що ґрунтуються на нейронних мережах, створених з використанням таких бібліотек, як Tensorflow (до речі, завдяки їй Google вдалося добитися 94 % точності розпізнавання об’єктів на картинках), Torch або Caffe. Такі мережі можна натренувати, замість того, щоб програмувати їх для якихось специфічних завдань, наприклад, для розпізнавання та інтерпретації тексту, відео і картинок. Нейронна мережа – це обчислювальна система, створена з декількох простих взаємозв’язаних елементів, які обробляють інформацію, спираючись на свої динамічні реакції у відповідь на зовнішні вхідні дані. До речі, ми розповідали, як всього за чотири кроки освоїти основні аспекти проектування нейронних мереж.

Наповнення даними універсальних алгоритмів моделі навчає модель оперувати даними без програмування. Наприклад, щоб натренувати модель перекладати з російської на англійську, треба надавати їй вхідні дані, поки точність перекладу не буде високою.

Градієнтний спуск (2 хв і 30 сек.)

Градієнтний спуск – метод знаходження локального екстремуму (мінімуму або максимуму) за допомогою руху вздовж градієнта. У наступному відео детально розповідається про цей метод:

Глибинне навчання (1 хв і 3 сек.)

У класичному машинному навчанні алгоритм тренується на розміченій вибірці, тоді як перевага глибинного навчання полягає в самостійному тренуванні штучного інтелекту.

Метод зворотного розширення похибки (1 хв і 42 сек.)

Ідея полягає в розширенні коефіцієнта похибки (обчисленого в кроці навчання), використовуваного для перерахунку вагів зв’язків, у зворотному напрямі за всіма шарами мережі.

Згортальна нейронна мережа (1 хв і 50 сек.)

Згортальна нейронна мережа – спеціальна архітектура штучних нейронних мереж, створена для ефективного розпізнавання зображень.

Ми розповідали про різні види нейронних мереж, у тому числі про згортальні мережі, та їх застосування в окремій статті.

Також радимо прочитати серію постів з блогу Адама Гейджі (Adam Geitgey)  “Machine Learning Is Fun”!

Джерело: Network World

Київ, Харків, Одеса, Дніпро, Запоріжжя, Кривий Ріг, Вінниця, Херсон, Черкаси, Житомир, Хмельницький, Чернівці, Рівне, Івано-Франківськ, Кременчук, Тернопіль, Луцьк, Ужгород, Кам'янець-Подільський, Стрий - за статистикою саме з цих міст програмісти найбільше переїжджають працювати до Львова. А Ви розглядаєте relocate?


Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *