Какие ИИ-модели могут повторить и превзойти успех ChatGPT в 2024 году?
ChatGPT дал людям возможность общаться с компьютером на человеческом языке. В в 2024 году ИИ-модели станут еще умнее.
Вот список ИИ моделей, которые будут активно развиваться в ближайшее время:
1. Claude от Anthropic (https://www.anthropic.com/product)
🔹 200 тыс. токенов вместо 128 тыс. по сравнению с ChatGPT
🔹 4$ млрд. инвестиций от Amazon
🔹 расширенное и удобное контекстное меню
🔹 менее "токсичен" в общении благодаря упору на безопасную разработку
2. Pi от Inflection AI (https://pi.ai/talk)
🔹 гибкая модель, работающая по принципу ACI (Artificial Capable Intelligence)
🔹 1,3$ млрд. инвестиций от Microsoft и Nvidia
🔹 модель является обучаемой и персонализируемой под нужды конкретного пользователя
3. Character.AI (https://beta.character.ai/)
🔹 идея в создании собственных анимированных персонажей
🔹 целевая аудитория 18-25 лет
🔹 150$ млн. инвестиций
4. ElevenLabs (https://elevenlabs.io/)
🔹 модель предназначена для клонирования и синтеза речи
🔹 позволяет дублировать контент на разных языках, сохраняя оригинальный голос говорящего
🔹 19$ млн. инвестиций от Instagram, DeepMind, Oculus
5. Hugging Face (https://huggingface.co/)
🔹 большое число моделей с открытым исходным кодом
🔹 GitHub в области ML - другие люди могут просматривать чужие проекты
🔹 оценка компании - 4,5$ млрд.
🔹 в последнем раунде финансирования участвовали Google, Amazon, Nvidia, Intel, AMD, IBM и Qualcomm
👉 @aisimpleru
ChatGPT дал людям возможность общаться с компьютером на человеческом языке. В в 2024 году ИИ-модели станут еще умнее.
Вот список ИИ моделей, которые будут активно развиваться в ближайшее время:
1. Claude от Anthropic (https://www.anthropic.com/product)
🔹 200 тыс. токенов вместо 128 тыс. по сравнению с ChatGPT
🔹 4$ млрд. инвестиций от Amazon
🔹 расширенное и удобное контекстное меню
🔹 менее "токсичен" в общении благодаря упору на безопасную разработку
2. Pi от Inflection AI (https://pi.ai/talk)
🔹 гибкая модель, работающая по принципу ACI (Artificial Capable Intelligence)
🔹 1,3$ млрд. инвестиций от Microsoft и Nvidia
🔹 модель является обучаемой и персонализируемой под нужды конкретного пользователя
3. Character.AI (https://beta.character.ai/)
🔹 идея в создании собственных анимированных персонажей
🔹 целевая аудитория 18-25 лет
🔹 150$ млн. инвестиций
4. ElevenLabs (https://elevenlabs.io/)
🔹 модель предназначена для клонирования и синтеза речи
🔹 позволяет дублировать контент на разных языках, сохраняя оригинальный голос говорящего
🔹 19$ млн. инвестиций от Instagram, DeepMind, Oculus
5. Hugging Face (https://huggingface.co/)
🔹 большое число моделей с открытым исходным кодом
🔹 GitHub в области ML - другие люди могут просматривать чужие проекты
🔹 оценка компании - 4,5$ млрд.
🔹 в последнем раунде финансирования участвовали Google, Amazon, Nvidia, Intel, AMD, IBM и Qualcomm
👉 @aisimpleru
👍3
То, о чем мы писали почти 4 года назад (ссылка), состоялось. Компания Илона Маска Neuralink впервые имплантировала чип в мозг живому человеку.
✅ Илон Маск объявил о первой имплантации нейрочипа Neuralink человеку в социальной сети X (соцсеть запрещена в России). Операция прошла 28 января 2024 года, и пациент успешно восстанавливается. Первые результаты операции многообещающие.
✅ Первый продукт Neuralink будет называться Telepathy. Эта технология поможет пациентам с боковым амиотрофическим склерозом и другими заболеваниями общаться и пользоваться интернетом, двигая курсор силой мысли.
✅ В сентябре 2023 года Neuralink получила разрешение на испытания от независимого наблюдательного совета и начала поиск добровольцев. Полное исследование продлится около шести лет.
✅ После операции эксперты Neuralink будут наблюдать за пациентом, чтобы следить за прогрессом и гарантировать работу чипа. Запланировано 20 осмотров в течение пяти лет.
👉 @aisimpleru
✅ Илон Маск объявил о первой имплантации нейрочипа Neuralink человеку в социальной сети X (соцсеть запрещена в России). Операция прошла 28 января 2024 года, и пациент успешно восстанавливается. Первые результаты операции многообещающие.
✅ Первый продукт Neuralink будет называться Telepathy. Эта технология поможет пациентам с боковым амиотрофическим склерозом и другими заболеваниями общаться и пользоваться интернетом, двигая курсор силой мысли.
✅ В сентябре 2023 года Neuralink получила разрешение на испытания от независимого наблюдательного совета и начала поиск добровольцев. Полное исследование продлится около шести лет.
✅ После операции эксперты Neuralink будут наблюдать за пациентом, чтобы следить за прогрессом и гарантировать работу чипа. Запланировано 20 осмотров в течение пяти лет.
👉 @aisimpleru
👍4🔥1
Этапы нейросетевого моделирования (ч.2)
Ранее мы уже кратко упоминали основные этапы нейросетевого моделирования.
Предлагаем рассмотреть этот процесс более детально на примере решения простой задачи по прогнозу погоды в Москве.
Подробности в уроке 2.7 на сайте.
👉 @aisimpleru
Ранее мы уже кратко упоминали основные этапы нейросетевого моделирования.
Предлагаем рассмотреть этот процесс более детально на примере решения простой задачи по прогнозу погоды в Москве.
Подробности в уроке 2.7 на сайте.
👉 @aisimpleru
👍4
«Экономический эффект [от внедрения технологий ИИ в России] составляет около триллиона рублей. А концу десятилетия превысит уже 10 триллионов»
М.Мишустин
Источник: rt.com
—
Для понимания. Сейчас эффект от внедрения ИИ в России по оценкам премьера - 11 $ млрд. (1 ₽ трлн.).
Планируется, что этот показатель вырастет в 10 раз 😮 через 6 лет.
К чему это может привести, мы уже писали ранее:
- сокращение рабочих мест,
- очередной виток роста зарплат в сфере ИТ и ИИ,
- людям массово придется переучиваться или остаться без работы.
👉 @aisimpleru
М.Мишустин
Источник: rt.com
—
Для понимания. Сейчас эффект от внедрения ИИ в России по оценкам премьера - 11 $ млрд. (1 ₽ трлн.).
Планируется, что этот показатель вырастет в 10 раз 😮 через 6 лет.
К чему это может привести, мы уже писали ранее:
- сокращение рабочих мест,
- очередной виток роста зарплат в сфере ИТ и ИИ,
- людям массово придется переучиваться или остаться без работы.
👉 @aisimpleru
👍2
В Тинькофф-Журнале вышел интересный курс по ИИ 🚀
Из курса вы узнаете:
1. Где используют нейросети и как они работают.
2. Почему нейросети стали популярны только в 2022 году.
3. Что они могут прямо сейчас.
Самое классное, что курс полностью бесплатный 🔥
Продолжительность 🕒: ~ 3 часа
На выходе, получите диплом, можно добавить в резюме.
Не благодарите 😉: https://journal.tinkoff.ru/pro/ai/0-intro-to-ai/
P.S. Это не реклама
👉 @aisimpleru
Из курса вы узнаете:
1. Где используют нейросети и как они работают.
2. Почему нейросети стали популярны только в 2022 году.
3. Что они могут прямо сейчас.
Самое классное, что курс полностью бесплатный 🔥
Продолжительность 🕒: ~ 3 часа
На выходе, получите диплом, можно добавить в резюме.
Не благодарите 😉: https://journal.tinkoff.ru/pro/ai/0-intro-to-ai/
P.S. Это не реклама
👉 @aisimpleru
🔥5
Способы нормализации данных в обучающих выборках 📊
Как правильно подготовить данные в выборке для обучения нейронной сети 🤔?
Нейронные сети и другие модели машинного обучения должны оперировать значениями в рамках одного диапазона.
Как быть, если в модели используются данные, например, в штуках и миллионах рублей? Нужна нормализация данных.
Подготовили подробную статью об основных методах нормализации - ссылка.
👉 @aisimpleru
Как правильно подготовить данные в выборке для обучения нейронной сети 🤔?
Нейронные сети и другие модели машинного обучения должны оперировать значениями в рамках одного диапазона.
Как быть, если в модели используются данные, например, в штуках и миллионах рублей? Нужна нормализация данных.
Подготовили подробную статью об основных методах нормализации - ссылка.
👉 @aisimpleru
👍3
Поручения Путина по итогам конференции по ИИ
Для тех, кто пропустил, сообщаем, что Президент России утвердил перечень поручений по итогам конференции «Путешествие в мир искусственного интеллекта» от 24 ноября 2023 года.
Краткая выжимка:
🔹 финансирование разработок в области генеративного ИИ будет увеличено,
🔹 разработка и внедрение больших генеративных моделей для использования в ключевых отраслях экономики,
🔹 правительство проанализирует потребности работодателей в сотрудниках, обладающих навыками ИИ,
🔹 образовательные стандарты будут дополнены требованиями к навыкам в сфере ИИ,
🔹 вычислительных мощности суперкомпьютеров, находящихся в Российской Федерации, будут увеличены,
🔹 уделено внимание формированию этических стандартов в сфере ИИ.
Источник: kremlin.ru
👉 @aisimpleru
Для тех, кто пропустил, сообщаем, что Президент России утвердил перечень поручений по итогам конференции «Путешествие в мир искусственного интеллекта» от 24 ноября 2023 года.
Краткая выжимка:
🔹 финансирование разработок в области генеративного ИИ будет увеличено,
🔹 разработка и внедрение больших генеративных моделей для использования в ключевых отраслях экономики,
🔹 правительство проанализирует потребности работодателей в сотрудниках, обладающих навыками ИИ,
🔹 образовательные стандарты будут дополнены требованиями к навыкам в сфере ИИ,
🔹 вычислительных мощности суперкомпьютеров, находящихся в Российской Федерации, будут увеличены,
🔹 уделено внимание формированию этических стандартов в сфере ИИ.
Источник: kremlin.ru
👉 @aisimpleru
👍4
Самые популярные языки программирования в сфере ИИ и машинного обучения по итогам 2023
🔸 Python — универсальный язык с активным сообществом и большим количеством свободных инструментов (TensorFlow, Keras, Scikit-learn, Pandas)
🔸 JavaScript — часто используется для разработки пользовательских интерфейсов, но также имеет ML-библиотеки (Brain.js, Deeplearnjs и ConvNetJS для нейронных сетей, Compromise для NLP, TensorFlow.js для всего понемногу)
🔸 TypeScript — надстройка над JavaScript, позволяющая писать алгоритмы и строить модели машинного обучения
🔸 C++ — мощный язык со стабильными и быстрыми программами, но сложным синтаксисом и обилием абстрактных функций
🔸 Java — высокоуровневый язык с отличными библиотеками (Weka, MOA, MALLET)
🔸 C# — гибкий и многофункциональный язык от Microsoft с поддержкой библиотеки ML.NET
🔸 Julia — молодой язык, конкурент R и Python, совместимый с ними, но быстрее их
🔸 Scala — поддерживает объектно-ориентированное и функциональное программирование
👉 @aisimpleru
🔸 Python — универсальный язык с активным сообществом и большим количеством свободных инструментов (TensorFlow, Keras, Scikit-learn, Pandas)
🔸 JavaScript — часто используется для разработки пользовательских интерфейсов, но также имеет ML-библиотеки (Brain.js, Deeplearnjs и ConvNetJS для нейронных сетей, Compromise для NLP, TensorFlow.js для всего понемногу)
🔸 TypeScript — надстройка над JavaScript, позволяющая писать алгоритмы и строить модели машинного обучения
🔸 C++ — мощный язык со стабильными и быстрыми программами, но сложным синтаксисом и обилием абстрактных функций
🔸 Java — высокоуровневый язык с отличными библиотеками (Weka, MOA, MALLET)
🔸 C# — гибкий и многофункциональный язык от Microsoft с поддержкой библиотеки ML.NET
🔸 Julia — молодой язык, конкурент R и Python, совместимый с ними, но быстрее их
🔸 Scala — поддерживает объектно-ориентированное и функциональное программирование
👉 @aisimpleru
👍4❤1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Клеточные автоматы
Идея клеточных автоматов была сформулирована независимо Дж. фон Нейманом и К. Цусе в конце 40-х годов.
Оба рассматривали их как универсальную вычислительную среду для построения алгоритмов, эквивалентную по своим выразительным возможностям машине Тьюринга.
Эта идея породила волну многочисленных теоретических и прикладных исследований.
Кле́точный автома́т (КА) — набор клеток, образующих некоторую периодическую решетку с заданными правилами перехода, определяющими состояние клетки в следующий момент времени через состояние клеток, находящимися от нее на расстоянии не больше некоторого, в текущий момент времени. Как правило, рассматриваются автоматы, где состояние определяется самой клеткой и ближайшими соседями. В качестве решетки обычно рассматривается кубическая решетка
На видео - пример работы клеточного автомата
👉@aisimpleru
Идея клеточных автоматов была сформулирована независимо Дж. фон Нейманом и К. Цусе в конце 40-х годов.
Оба рассматривали их как универсальную вычислительную среду для построения алгоритмов, эквивалентную по своим выразительным возможностям машине Тьюринга.
Эта идея породила волну многочисленных теоретических и прикладных исследований.
Кле́точный автома́т (КА) — набор клеток, образующих некоторую периодическую решетку с заданными правилами перехода, определяющими состояние клетки в следующий момент времени через состояние клеток, находящимися от нее на расстоянии не больше некоторого, в текущий момент времени. Как правило, рассматриваются автоматы, где состояние определяется самой клеткой и ближайшими соседями. В качестве решетки обычно рассматривается кубическая решетка
На видео - пример работы клеточного автомата
👉@aisimpleru
🔥6
Почему Python такой популярный?
Можно долго нахваливать обилие существующих библиотек для Python, простоту изучения, большое сообщество разработчиков. Но главный ответ - это простота кода.
Посмотрите на картинку 👆 и все поймете .
👉 @aisimpleru
Можно долго нахваливать обилие существующих библиотек для Python, простоту изучения, большое сообщество разработчиков. Но главный ответ - это простота кода.
Посмотрите на картинку 👆 и все поймете .
👉 @aisimpleru
🔥4
ИИ-модель, автоматически удаляющая фон с фото
На HuggingFace🤗 в бесплатном доступе размещена модель BRIA RMBG 1.4: 👇
https://huggingface.co/spaces/briaai/BRIA-RMBG-1.4
Модель легко удаляет фон с фото.
Картинку бутылки за 17 секунд модель обработала вполне не плохо 👌
Забирайте и пользуйтесь на здоровье 😉
👉@aisimpleru
На HuggingFace🤗 в бесплатном доступе размещена модель BRIA RMBG 1.4: 👇
Модель легко удаляет фон с фото.
Картинку бутылки за 17 секунд модель обработала вполне не плохо 👌
Забирайте и пользуйтесь на здоровье 😉
👉@aisimpleru
👍7
ТОП-5 специалистов на рынке IT и ИИ в 2023-2024
1. Специалисты по кибербезопасности
2. Аналитики больших данных
3. Специалисты по машинному обучению и искусственному интеллекту
4. Специалисты по облачным технологиям
5. Разработчики программного обеспечения
Hard Skills - «жесткие» навыки.
Soft Skills - «мягкие» навыки.
⚠️ Обратите внимание
- самый популярный Hard Skill - это Python,
- популярный Soft Skill - коммуникативные навыки,
- для специалистов в сфере искусственного интеллекта - самый обширный набор навыков 🙂
👉 @aisimpleru
1. Специалисты по кибербезопасности
2. Аналитики больших данных
3. Специалисты по машинному обучению и искусственному интеллекту
4. Специалисты по облачным технологиям
5. Разработчики программного обеспечения
Hard Skills - «жесткие» навыки.
Soft Skills - «мягкие» навыки.
⚠️ Обратите внимание
- самый популярный Hard Skill - это Python,
- популярный Soft Skill - коммуникативные навыки,
- для специалистов в сфере искусственного интеллекта - самый обширный набор навыков 🙂
👉 @aisimpleru
👍3🔥3
Rabbit R1. Очередной ненужный гаджет или реальная альтернатива голосовым помощникам?
Весной 2024 на рынок выходит необычное устройство.
Оранжевая коробочка с сенсорным экраном 2,88 дюйма, микрофоном, вращающейся камерой и кнопкой. Объем оперативной памяти - 2 Гб, постоянной - 128 Гб.
Цена устройства: 199$
Rabbit R1 удаленно управляет приложениями с использованием собственных механизмов интеграции. Управление осуществляется голосом.
Что под капотом?
Rabbit R1 использует нейросеть типа LAM (Large Action Model). Принцип работы заключается в том, что устройство воспринимает голосовые команды и интерпретирует их. LAM обучается путем демонстрации: алгоритм «наблюдает» за человеком, использующим определенное приложение, а потом воспроизводит его действия, даже если интерфейс сервиса отличается. Со временем модель накапливает все больше знаний и глубже «понимает» разные аспекты взаимодействия с сервисом.
Главный вопрос - почему бы просто не сделать мобильное приложение? По словам разработчиков - идея в том, чтобы изменить рынок и подходы к с устройствами на базе ИИ.
Генеральный директор Rabbit Джесси Лю на презентации устройства подчеркнул, что его разработчики не стремятся заменить смартфоны. С помощью R1 нельзя звонить, проигрывать ролики YouTube, проверять социальные сети или выполнять действия с электронной почтой. Кроме того, устройство не предполагает наличия обратной связи с другими владельцами Rabbit или смартфонов.
YouTube-демонстрация
Статья на Хабре
Сайт производителя
Весной 2024 на рынок выходит необычное устройство.
Оранжевая коробочка с сенсорным экраном 2,88 дюйма, микрофоном, вращающейся камерой и кнопкой. Объем оперативной памяти - 2 Гб, постоянной - 128 Гб.
Цена устройства: 199$
Rabbit R1 удаленно управляет приложениями с использованием собственных механизмов интеграции. Управление осуществляется голосом.
Что под капотом?
Rabbit R1 использует нейросеть типа LAM (Large Action Model). Принцип работы заключается в том, что устройство воспринимает голосовые команды и интерпретирует их. LAM обучается путем демонстрации: алгоритм «наблюдает» за человеком, использующим определенное приложение, а потом воспроизводит его действия, даже если интерфейс сервиса отличается. Со временем модель накапливает все больше знаний и глубже «понимает» разные аспекты взаимодействия с сервисом.
Главный вопрос - почему бы просто не сделать мобильное приложение? По словам разработчиков - идея в том, чтобы изменить рынок и подходы к с устройствами на базе ИИ.
Генеральный директор Rabbit Джесси Лю на презентации устройства подчеркнул, что его разработчики не стремятся заменить смартфоны. С помощью R1 нельзя звонить, проигрывать ролики YouTube, проверять социальные сети или выполнять действия с электронной почтой. Кроме того, устройство не предполагает наличия обратной связи с другими владельцами Rabbit или смартфонов.
YouTube-демонстрация
Статья на Хабре
Сайт производителя
👍3🤔3
Общая классификация постановки задачи машинного обучения
Ранее мы рассматривали, что такое машинное обучение (machine learning или ML), как метод ИИ.
Типы задач, которые могут решаться при помощи ML
Обучение с учителем:
🔹 классификация,
🔹 регрессия,
🔹 обучение ранжированию,
Обучение без учителя:
🔹 кластеризация,
🔹 снижение размерности,
🔹 оценка плотности.
Мы не касались трех типов задач задач: ранжирование, снижение размерности и оценка плотности.
Восполним этот пробел в ближайших постах.
👉 @aisimpleru
Ранее мы рассматривали, что такое машинное обучение (machine learning или ML), как метод ИИ.
Типы задач, которые могут решаться при помощи ML
Обучение с учителем:
🔹 классификация,
🔹 регрессия,
🔹 обучение ранжированию,
Обучение без учителя:
🔹 кластеризация,
🔹 снижение размерности,
🔹 оценка плотности.
Мы не касались трех типов задач задач: ранжирование, снижение размерности и оценка плотности.
Восполним этот пробел в ближайших постах.
👉 @aisimpleru
👍4🔥1
Задача снижения размерности в машинном обучении (ML)
Задача снижения размерности в машинном обучении сводится к уменьшению числа признаков набора данных.
Наличие в наборе избыточных, неинформативных признаков снижает эффективность модели.
После снижения размерности модель упрощается, а размер набора данных в памяти уменьшается. Ускоряется работа алгоритмов машинного обучения.
На практике приходится работать с данными очень больших размерностей. Изображения размером 224×224 пикселей или данные финансовых изменений во времени представляются в виде векторов.
Исследователю нужна простая и понятная визуализация и скорость для расчетов.
Где применяется:
🔹 распознавание изображений,
🔹 банковские транзакции,
🔹 аналитика больших данных.
Основные методы:
🔹 Метод главных компонент (PCA)
🔹 Метод k-средних (K-Means)
🔹 Линейный дискриминант Фишера (LDA)
🔹 Стохастические вложение соседей (t-SNE)
При подготовке текста использовали источник: ссылка
👉@aisimpleru
Задача снижения размерности в машинном обучении сводится к уменьшению числа признаков набора данных.
Наличие в наборе избыточных, неинформативных признаков снижает эффективность модели.
После снижения размерности модель упрощается, а размер набора данных в памяти уменьшается. Ускоряется работа алгоритмов машинного обучения.
На практике приходится работать с данными очень больших размерностей. Изображения размером 224×224 пикселей или данные финансовых изменений во времени представляются в виде векторов.
Исследователю нужна простая и понятная визуализация и скорость для расчетов.
Где применяется:
🔹 распознавание изображений,
🔹 банковские транзакции,
🔹 аналитика больших данных.
Основные методы:
🔹 Метод главных компонент (PCA)
🔹 Метод k-средних (K-Means)
🔹 Линейный дискриминант Фишера (LDA)
🔹 Стохастические вложение соседей (t-SNE)
При подготовке текста использовали источник: ссылка
👉@aisimpleru
👍4
Задача оценки плотности в машинном обучении (ML)
Под плотностью мы подразумеваем плотность распределения вероятности или вероятность.
Оценка плотности вероятности в ML - метод анализа данных, который позволяет оценить вероятностное распределение значений в наборе данных.
Она позволяет нам понять, как вероятно появление определенных значений или наблюдений в нашей выборке.
Зачем это нужно?
Для исключения из обучающих выборок нерелевантных, аномальных примеров.
Представьте, что у вас есть набор значений роста людей. Оценка плотности покажет, как часто встречаются разные значения роста.
В обучающем примере рост человека 175 см. Мы понимаем, что это средний рост для мужчин в мире. Если в выборке будут встречаться примеры 140 и 219 см? Скорее всего это аномальные значения. Вероятность их нахождения в выборке - минимальна. Для корректной работы модели, их лучше исключить из выборки.
Теперь представьте, что в выборке используются данные банковских транзакций или расстояния между атомами, как понять аномальны ли значения? Если вы специалист в конкретной предметной области, скорее всего, вы сможете определить. Но в большинстве случаев, лучше обратиться к ML-алгоритмам, которые помогут избежать ошибок при подготовке данных для обучения моделей.
Основные методы:
🔹 Гистограммы
🔹 Оценка плотности ядра (Kernel Density Estimation, KDE)
🔹 Случайные леса (random-forest)
🔹 Оценка парзеновского окна (Parzen Window)
Методические материалы:
scikit-learn.ru
en.wikipedia.org
Под плотностью мы подразумеваем плотность распределения вероятности или вероятность.
Оценка плотности вероятности в ML - метод анализа данных, который позволяет оценить вероятностное распределение значений в наборе данных.
Она позволяет нам понять, как вероятно появление определенных значений или наблюдений в нашей выборке.
Зачем это нужно?
Для исключения из обучающих выборок нерелевантных, аномальных примеров.
Представьте, что у вас есть набор значений роста людей. Оценка плотности покажет, как часто встречаются разные значения роста.
В обучающем примере рост человека 175 см. Мы понимаем, что это средний рост для мужчин в мире. Если в выборке будут встречаться примеры 140 и 219 см? Скорее всего это аномальные значения. Вероятность их нахождения в выборке - минимальна. Для корректной работы модели, их лучше исключить из выборки.
Теперь представьте, что в выборке используются данные банковских транзакций или расстояния между атомами, как понять аномальны ли значения? Если вы специалист в конкретной предметной области, скорее всего, вы сможете определить. Но в большинстве случаев, лучше обратиться к ML-алгоритмам, которые помогут избежать ошибок при подготовке данных для обучения моделей.
Основные методы:
🔹 Гистограммы
🔹 Оценка плотности ядра (Kernel Density Estimation, KDE)
🔹 Случайные леса (random-forest)
🔹 Оценка парзеновского окна (Parzen Window)
Методические материалы:
scikit-learn.ru
en.wikipedia.org
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Визуализация работы популярных оптимизаторов в Python
🐍 Python - наиболее популярный язык программирования для машинного обучения.
Оптимизатор - это встроенный в компонент Python алгоритм, позволяющий достичь оптимального значения функции потерь обучаемой модели.
В качестве модели может выступать нейронная сеть, алгоритм машинного обучения или их сочетание.
В процессе обучения мы стараемся минимизировать потери функции и обновлять параметры для повышения точности.
На графике выше наглядно представлено, как по-разному работают алгоритмы оптимизации Python. Все представленные оптимизаторы входят в пакет Numpy.
Источник: github.com
👉 @aisimpleru
🐍 Python - наиболее популярный язык программирования для машинного обучения.
Оптимизатор - это встроенный в компонент Python алгоритм, позволяющий достичь оптимального значения функции потерь обучаемой модели.
В качестве модели может выступать нейронная сеть, алгоритм машинного обучения или их сочетание.
В процессе обучения мы стараемся минимизировать потери функции и обновлять параметры для повышения точности.
На графике выше наглядно представлено, как по-разному работают алгоритмы оптимизации Python. Все представленные оптимизаторы входят в пакет Numpy.
Источник: github.com
👉 @aisimpleru
👍1🔥1
90% контента будет создаваться при помощи ИИ к 2026 году
К 2026 году 90% контента в интернете будет создавать искусственный интеллект, гласит прогноз Международного центра обработки данных (IDCA).
После публичного релиза таких генеративных моделей, как ChatGPT-3, StableDiffusion или MidJourney, инфополе заполнили скандалы вокруг выдачи ИИ-контента за творение человека.
В 2026, наступит интересное время. Время фейков, подделанных дважды.
Однозначно будет неясно, сгенерировано видео или контент при помощи ИИ-модели, или подготовлено человеком. На сознательный обман человека, который хочет выдать фейковое творение за реальное, будет накладываться вероятность сбоя ИИ-модели, которая сама может допускать ошибки-галлюцинации.
Изображение к посту сгенерировано в Midjourney.
Источник: idc-a.org
👉 @aisimpleru
К 2026 году 90% контента в интернете будет создавать искусственный интеллект, гласит прогноз Международного центра обработки данных (IDCA).
После публичного релиза таких генеративных моделей, как ChatGPT-3, StableDiffusion или MidJourney, инфополе заполнили скандалы вокруг выдачи ИИ-контента за творение человека.
В 2026, наступит интересное время. Время фейков, подделанных дважды.
Однозначно будет неясно, сгенерировано видео или контент при помощи ИИ-модели, или подготовлено человеком. На сознательный обман человека, который хочет выдать фейковое творение за реальное, будет накладываться вероятность сбоя ИИ-модели, которая сама может допускать ошибки-галлюцинации.
Изображение к посту сгенерировано в Midjourney.
Источник: idc-a.org
👉 @aisimpleru
👍3