Исаак Мадан
Продолжая серию обновлений по глубокому обучению, мы собрали несколько замечательных ресурсов, появившихся после нашей последней публикации 20 июня. Если вы его пропустили, вот июньское обновление и вот исходный набор из 20+ ресурсов, которые мы описали в апреле. Как всегда, этот список не является исчерпывающим, поэтому дайте нам знать, если есть что-то, что мы должны добавить, или если вы заинтересованы в дальнейшем обсуждении этой области.
Анонсы
Google DeepMind сотрудничает с больницей Moorfields Eye Hopsital Национальной службы здравоохранения , чтобы применить машинное обучение для более раннего выявления распространенных глазных болезней. В рамках пятилетнего исследовательского проекта будет задействован один миллион анонимных сканирований глаз, хранящихся в базе данных пациентов Мурфилдса, с целью ускорить сложный и трудоемкий процесс анализа изображений глаз (новостная статья). Цель состоит в том, чтобы это привело к лучшему пониманию глазных болезней, более раннему выявлению и лечению. Ранее мы писали о проблемах, связанных с глубоким обучением в области медицинской визуализации, здесь.
Эндрю Нг объявляет о предварительном выпуске своей книги Machine Learning Yearning, чтобы поделиться практическими советами и опытом построения систем искусственного интеллекта, чтобы помочь практикам быстрее освоиться. Более 35 тысяч человек подписались на получение бесплатного черновика по состоянию на 21 июня.
Google выпускает широкое и глубокое обучение как часть TensorFlow API. Проект сочетает в себе возможности запоминания и обобщения, чтобы лучше отразить свойства, которые делают человеческий мозг такой эффективной обучающей машиной. Они представляют собой подробный пример, иллюстрирующий цель и потенциал проекта с помощью вымышленного приложения для доставки еды.
Группы Гарвардского НЛП и Visual Computing анонсируют LSTMVis, инструмент визуального анализа для рекуррентных нейронных сетей (RNN). RNN изучают представление скрытого состояния в виде черного ящика, и изменения в этих представлениях сложно изучить. Этот инструмент упрощает визуальное наблюдение и выявление закономерностей в изменении состояния. Verge предоставляет дополнительный контекст вокруг аспекта черного ящика систем ИИ здесь.
Объяснение, обзор и полезные материалы
Опыт и советы по использованию графических процессоров в глубоком обучении. Тим Деттмерс дает всесторонний анализ различных графических процессоров и дает советы о том, как лучше всего использовать их для глубокого обучения. Например, он отвечает на такие вопросы, как Должен ли я получить несколько графических процессоров? и Какой ускоритель мне выбрать? - вместе с обсуждением сверточных нейронных сетей, скорости и памяти.
ICML 2016 не по дням Стефани Хайланд. Обзор Международной конференции по машинному обучению (ICML) 2016 года с выделением важных тенденций и появившихся документов.
Это ML, а не магия. Стивен Мерити обращается к чрезмерной шумихе и мистике вокруг искусственного интеллекта. Он формулирует как причину, по которой мы видим эту шумиху, так и типы вопросов, которые мы должны задать, чтобы проверить и лучше понять потенциал ИИ.
В погоне за кошками. Роберт Бонд из NVIDIA разрабатывает комплексную систему наблюдения за кошками для своего двора, которая представляет собой прекрасное соединение всего конвейера от камеры к процессору и нейронной сети (к спринклерам).
Автор Исаак Мадан. Исаак - инвестор Venrock (электронная почта). Если вы заинтересованы в глубоком обучении или поработаете над чем-то в этой области, мы будем рады получить от вас известие.
Подпишитесь на нашу электронную рассылку новостей здесь.
Запросы для стартапов - это информационный бюллетень о предпринимательских идеях и перспективах инвесторов, операторов и влиятельных лиц. Если вы думаете, что есть кто-то, кого мы должны упомянуть в следующем выпуске, назначьте его, отправив Айзеку электронное письмо.
