Big Data. Machine Learning. Data Science.

Не так давно, 3 февраля 2018 года, в Челябинске прошло мероприятие Python Meetup Chelyabinsk. Это вторая встреча в таком формате и проводила ее компания Antida software.  На встречу пришло около 70 разработчиков из ведущих IT компаний Челябинска. От компании Даталитика были Андрей Литвинов и ваш покорный слуга. Спикеры и темы докладов Ян Анисимов - Введение в нейронные сети с использованием Python Рассмотрены основные архитектуры нейронных сетей, фреймворки и библиотеки для их реализации в среде python.   Дмитрий Федосеев —  Практика использования setuptools Расказ об использование setuptools для подготовки ПО к распространению Дмитрий Никонов —  Apache Airflow: как не растерять свою бигдату Обзор архитектуры и возможностей инструмента разработки batch-процессов обработки данных - Apache Airflow     Иван Громов —  Кросс-доменная политика безопасности в вебе Особенности кросс-доменной безопасности при работе с платежными шлюза

Ну что ж, вот и пришло время расставания. Я больше не буду вести блог и радовать вас интересными ссылками, своими комментариями и разными интересными размышлениями. Надеюсь, что я действительно вас всех радовал. Ну а так-то любой всегда может найти в Телеграме . Всем счастливо оставаться.

Некоторое время назад на Geektimes вышла занимательная статья про критическую оценку результатов глубинного обучения . Статья очень занимательная и интересная, открывает много нового тем, кто интересуется, но не очень-то и погружён в тему Искусственного Интеллекта, искусственных нейронных сетей и глубинного обучения. Так что я рекомендовал бы прочитать сначала её, а потом вернуться к этой моей заметке, которая является своеобразным ответом на эту статью. Но если читать её неохота или нет времени, то вот тезисы: Для работы систем глубинного обучения необходимо много качественных данных, которые должны быть предварительно очищены и размечены специалистом. Чем глубже степень системы, тем больше данных требуется. Системы глубинного обучения работают только с теми типами данных, на которых происходило обучение, и они всё ещё не могут обобщать и переносить найденные закономерности на данные других типов, даже очень близких. Системам глубинного обучения очень сложно работать с иерархичес

А вы вот задавались вопросом о том, откуда берутся специалисты по Искусственному Интеллекту? Ну ок, хорошо, я сам закончил МИФИ с дипломом, в котором написано «Специализация: искусственный интеллект», но это было около 20 лет назад, а с тех пор технологии шагнули о-го-го. Но даже если МИФИ на одной из кафедр выпускает каждый год порядка 20 таких инженеров, как я, из которых менее 1 % потом продолжает работать по специальности, то откуда вот они берутся? Никто не знает. А проблема есть — современные потребности в специалистах по ИИ вообще не закрываются. Вот и британские учёные об этом пишут . Собственно, вот и ответ на волнующий многих вопрос — как быть тем, кого технологии Искусственного Интеллекта выдавливают с работы и лишают рабочих мест? Надо учиться. И учиться надо в первую очередь новым технологиям, особенно технологиям ИИ. Иной здесь увидит проявление положительной обратной связи, но так оно и есть — раз есть неудовлетворённая потребность, её надо заполнять, а заполнить её м

       Всякая неожиданная живность постоянно заводится в самых неожиданных местах. То же самое произошло и в Челябинске. Наше Machine Learning сообщество образовалось под эгидой ODS всея Руси и сейчас достаточно стремительно развивается. Как образовалось? Сначала просто завели тред в глобальном ODS Slack, а дальше закрутилось. Сейчас перешли в Телеграмм, где уже начинаются холивары за Random Forest:)     Локальные сообщества подразумевают встречи. У нас они начались достаточно рутинно: сначала организационная встреча, на которой поговорили об ML, обсудили совместные планы на жизнь и составили небольшую схему дальнейшего развития.     Если расшифровать и подытожить, к чему мы пришли, то появилось несколько форматов общения и развития сообщества: "Спикер жжёт" - обычный формат лекций. Мини-хакатон - что-то наподобие полноценного хакатона, но меньший по времени, в пределах 6 часов. Тренировки/зарешки - совместное решение и разбор решений внешних к

А вот почитайте пока довольно длинное, но очень интересное чтение о том, какие достижения были получены в области компьютерного зрения в 2017 году . Ведь компьютерное зрение — это важнейшая часть Искусственного Интеллекта, и это так просто постольку, поскольку более 90 % информации об окружающей реальности человек получает через зрение. Зрительные нервные тракты являются самыми «толстыми», а зрительная кора обладает наиболее сложной ассоциативной структурой. Материал на английском языке и довольно сложный, но его чтение того стоит. Конечно, наибольшее количество достижений произошло на фоне применения новых архитектур искусственных нейронных сетей, и, в первую очередь, речь идёт о свёрточных сетях глубинного обучения. И из документы мы узнаем о: Как происходит распознавание образов и их классификация и локализация на изображениях, в том числе когда на одном изображении много таких образов. Как осуществляется детекция объектов и инцидентов, а также как делается трекинг таких объек

Надо же, в МакКинси начинают понимать истинный смысл технологий Искусственного Интеллекта, но вместо радости они почему-то начинают бить в набат. Давайте-ка разберёмся уже наконец, что же такое эта самая персонификация. Персонификация сервисов — это полный учёт особенностей и потребностей каждого конкретного человека для максимального его удовлетворения. Этот подход возможен буквально во всех сферах жизни — предоставлении государственных и муниципальных услуг, питании и предоставлении материальных благ, образовании, здравоохранении и т. д. Раньше это было невозможно, отсюда возникали процессы стандартизации и унификации для усреднённого потребителя услуг. Далее — стандарты и протоколы (особенно хорошо это видно в области здравоохранения, чуть менее явно в образовании). И если тебе не повезло выбиться за 3 сигмы от нормы хоть в одну, хоть в другу сторону, то увы и печаль тебе. Если ты инвалид, твоя жизнь превратится в ад. Но если ты гений, то твоя жизнь тоже превратится в ад. Просто