На этой неделе в курсах ИИ и машинного обучения: спасение слонов, ИИ в классе, Tensorflow 2.4, устранение несправедливых предубеждений, начало работы с компьютерным зрением и многое другое!
Новости искусственного интеллекта:
Может ли искусственный интеллект дать слонам преимущество?
Я очень на это надеюсь! Кто не любит слонов? Узнайте, как крупные технологические компании и разработчики с открытым исходным кодом объединились для создания передовых технологий отслеживания. Устройство opencollar содержит несколько датчиков и запускает модели tinyML, помогающие отслеживать животных и обнаруживать аномалии, которые могут помочь предупредить нужных людей о помощи.
Если этот проект вам интересен, загляните на их гитхаб.
Может ли ИИ улучшить классы будущего?
Мы не впервые говорим об ИИ в классе. Пару месяцев назад мы увидели, как система оценивания машинного обучения вызывает самые разные проблемы. Но это предлагаемое использование не связано с присвоением оценок с помощью ИИ. Вместо этого его можно использовать для лучшего понимания того, как учащиеся учатся, и чтобы убедиться, что ни один из учащихся не останется позади.
Искусственный интеллект способствует беспрецедентному прогрессу в нейрохирургии с широким потенциалом воздействия
Узнайте, как ИИ влияет на прогресс в нейрохирургии во многих областях, от получения дополнительных знаний с меньшими затратами до более простой классификации опухолей, оказания помощи в уходе за позвоночником и многого другого. ИИ может радикально изменить то, как мы применяем новые методы лечения.
Zapata привлекает 38 миллионов долларов на квантовое машинное обучение
Миссия Zapata: «Предоставление клиентам количественных преимуществ за счет реальных бизнес-сценариев». С 38 миллионами долларов на создание своей корпоративной платформы квантовых вычислений Zapata готова к выполнению!
Инструменты разработчика и образование:
Снижение несправедливой предвзятости в моделях машинного обучения с помощью структуры MinDiff
Узнайте, как Google упрощает ответственное исследование и разработку машинного обучения с помощью своей новой платформы MinDiff! Доступен в ответственной модели AI Библиотека исправлений.
Релиз Tensorflow 2.4.0
Ознакомьтесь с классными новыми функциями в TF 2.4.0: асинхронное обучение моделей Keras, NumPy-совместимый API, API смешанной точности Keras, CUDA11 и многое другое.
Github и Fastai build nbdev
nbdev - это инструмент онлайн-среды, созданный github и fastai для помощи в автоматизированном создании документов. Непрерывная интеграция и блокнот jupyter, размещенный в кодовых пространствах github.
Постройте GAN с помощью Keras и TensorFlow
Если вы когда-нибудь говорили со мной о глубоком обучении, я, вероятно, в какой-то момент упоминал о GAN! Это отличный урок, чтобы познакомиться с ними и начать создавать свои собственные.
TensorFlow: Специализация на продвинутых технологиях
Deeplearning.ai выпустила новый продвинутый курс на coursera, охватывающий продвинутые методы тензорного потока, включая настраиваемые модели, распределенное обучение, компьютерное зрение и GAN.
Предстоящие онлайн-мероприятия в области искусственного интеллекта и обработки данных:
Автостопом по оптимизации гиперпараметров, 2 декабря - 10:00 по тихоокеанскому стандартному времени
Добро пожаловать в учебную серию «Глубокое обучение на практике», представленную Allegro AI. Эта серия посвящена методологиям и инструментам для проектов машинного обучения и глубокого обучения (ML / DL).
На 4-м занятии мы сосредоточимся на практическом опыте и практике оптимизации гиперпараметров.
Регуляризация для глубокого обучения | 3–5 декабря: 30:00 по тихоокеанскому стандартному времени
Обсудите седьмую главу книги «Глубокое обучение» Яна Гудфеллоу, Йошуа Бенжио и Аарона Курвилля.
Мастерская по компьютерному зрению и обнаружению объектов | 9–18 декабря
Начните работу с компьютерным зрением и обнаружением объектов. Я, Сейдж Эллиотт, расскажу, как создать собственный детектор объектов для обнаружения объектов на изображениях и видео с помощью Facebook detectron2, и расскажу о практических методах маркировки данных, которые вы сможете использовать в своих проектах.
Введение в компьютерное зрение [Live Online] | 15–17 декабря: 30:00 по тихоокеанскому стандартному времени
Этот вводный семинар познакомит вас с компьютерным зрением и расскажет, как создать собственную систему обнаружения объектов для обнаружения объектов на изображениях и видео.
Интересные подкасты и интервью:
Чарли Бойл: Расширяя границы суперкомпьютеров, NVIDIA DGX A100, Hardware Engg в NVIDIA | Наука о данных времени Чай
Узнайте о том, как создаются новые системы и графические процессоры DGX A100, от Чарли Бойла, вице-президента по системам DGX в NVIDIA.
Масштабирование корпоративного машинного обучения в 2020 году: все еще сложно! с Сушилом Томасом | TWiML
Узнайте, как Сушил считает, что COVID-19 повлияет на принятие решений на предприятии в будущем, и узнайте, как масштабировать машинное обучение.
Внедрение клинической автоматизации: от исследований к развертыванию с Девином Сингхом | TWiML
Присоединяйтесь к этой беседе с Девином Сингхом, чтобы узнать о развертывании моделей машинного обучения, текущем состоянии академических исследований и создании автоматизированных конвейеров.
Известные исследовательские работы:
Некоторые из интересных статей о машинном обучении, опубликованные на этой неделе.
- Быстрая и надежная каскадная модель для сверхвысокого разрешения одного изображения с множественной деградацией
- Scaled-YOLOv4: частичное масштабирование межэтапной сети
- Сквозное обнаружение объектов с помощью адаптивного преобразователя кластеризации
- Топология вложений слов: сингулярности отражают многозначность
- Пространство дизайна для графических нейронных сетей
- FROST: более быстрая и надежная однократная тренировка с полу-контролем
О компании Sixgill:
ООО Сиксгилл предоставляет индивидуальные корпоративные ИИ-решения, комплексное машинное обучение управление жизненным циклом и быструю аннотацию данных для компьютерного зрения.