Lyft выложили в общий доступ размеченный людьми (из компании Scale) датасет для обучения алгоритмов селфдрайвинга. Там 55 тысяч размеченных объемных снимков, с 7 камер и трёх лидаров. Месяц назад обещали, но так и не выложили свой датасет ребята из Ваймо. Ну, подождём!

https://level5.lyft.com/dataset/

Машинное обучение раскрывает секреты движения человеческого тела.

Звуки хип-хопа заполняют лабораторию Peak Performance Project (P3), группа спортсменов начинает тренировку. Не прикасаясь в этот раз к баскетбольному мячу, они совершают на треке поперечные прыжки, взмывают и парят над ящиком метровой высоты и швыряют в стену утяжеленные мячи. Каждый атлет, однако, вырабатывает не только пот, но и ценные данные: камера, подключенная к облаку, фиксирует, как он прыгает, поднимает вес и спринтует. Все это поможет узнать, добьется ли тот или иной спортсмен успеха в будущем, и как увеличить его шансы.

http://msft.it/6270TMprY

Фейсбук Ресерч показали свои наработки по использованию анализаторов мозговой активности. Если коротко, они пытаются сделать систему, которая позволит заменить набор с клавиатуры или речи, набирая то что ты думаешь 🙂 На самом деле при довольно простых случаях (когда вопрос задан простой и вариативность ответов низкая) они уже достигли 76% точности в понимании того что ты подумал. Это мало, если сравнивать с клавиатурой или голосом, но очень много на фоне всех остальных игроков.

Удивительно, но решение фейсбука ближе к реальному воплощению, чем то что недавно показал Нейролинк. Хотя, честно сказать, все они еще очень далеки от продукта для конечного потребителя https://tech.fb.com/imagining-a-new-interface-hands-free-communication-without-saying-a-word/

Microsoft Research запускает новый AI проект

https://visualstudiomagazine.com/articles/2019/07/31/microsoft-blockchain-ai-project.aspx

Вы уже знаете, что Fwdays организовывает только крутые мероприятия? И теперь мы хотим поделиться с вами хорошей новостью!
Впервые в Украине! 7 сентября в Киеве Fwdays проведет конференцию Data Science fwdays’19!

Data Science fwdays’19 - это:
🤖конференция, посвященная Data Science та Machine Learning;
📣2 трека практических докладов, на которых узнаете о: программном создании и управлении данными обучения со Snorkel; как объяснить и правильно интерпретировать результаты работы моделей машинного обучения тематических исследований; об инженерной функции для выявления ненормативной лексики для украинского языка в Twitter и не только.
🗣Среди докладчиков:
📌Braden Hancock - доктор наук в области компьютерных наук из Стэнфордского университета, ранее работал в Google, Facebook и MIT;
📌Александр Краковецкий - руководитель украинской IT компании DevRain, кандидат наук;
📌Тарас Середа - исследователь машинного обучения и предприниматель, работающий над синтезом речи;
📌Евгений Терпиль - Head of Data Science squad в YouScan;
📌Марианна Дьячук - руководитель команды в SynergyOne, Data Science Lead комьюнити Women Who Code;
📌Валерия Лакуста - работала компьютерной лингвисткой в области машинного перевода для арабо-российской языковой пары и разработчиком чат-ботов;
📌Кирилл Трусковский - имеет большой опыт в разработке deep learning стартапов.

Получите билет со скидкой 10% по промо коду 60D8A6E3F9
http://bit.ly/324hLUb

Огромное количество видео по ML.NET!

https://devdigest.today/post/921

Какие направления в Machine Learning будут перспективны в ближайшее время.

https://www.forbes.com/sites/insights-intelai/2019/05/22/what-machine-learning-needs-to-learn-next

И в продолжение темы, исследование отForbes Insights

http://info.forbes.com/rs/790-SNV-353/images/Intel-AI%234_REPORT-FINAL-WEB.pdf

Если ты студент и​​
DS, AI, ML — не просто случайный набор двухбуквенных сочетаний для тебя, то рекомендуем присоединиться к этому чату, который организовали ребята из киевского политеха:
https://t.me/itkpi_ds

Интересная подборка для начинающих:

Как я уже говорил, все команды разработки систем распознавания речи так или иначе занимаются ручным разбором пользовательских запросов. На прошлой неделе за это ругали Эппл. Сегодня за это ругают Фейсбук. Напомню, нет другого способа обучить систему распознавать голос, кроме как на разобранных человеческих самплах. Вопрос только в том, как организовать разбор, кто будет это делать и как обеспечить анонимизацию данных. https://www.bloomberg.com/news/articles/2019-08-13/facebook-paid-hundreds-of-contractors-to-transcribe-users-audio

Недавно все обсуждали новые подходы Microsoft в создании виски. Теперь компания пошла дальше и предлагает улучшить технологию пивоварения

https://news.microsoft.com/transform/can-ai-help-brewers-predict-how-new-beer-varieties-will-taste-carlsberg-says-probably/

Global AI Night - бесплатное вечернее мероприятие, которое организовывается местными сообществами по всему миру.

https://devdigest.today/post/932

Всем привет!

Теперь у канала есть бот, которому вы можете присылать интересные материалы касающиеся DS/ML/AI

Welcome to @ds_advise_bot

Любишь Твиттер?
Не забудь подписаться на наш аккаунт: https://twitter.com/devdigest_today 🚀

Там мы собрали все новости, которые касаются: кросплатформенной разработки на C# и .NET Core, мобильной разработки с использованием Xamarin, облачной платформы Azure, а также уделяем время постам про ML, DS, AI и особенно любим ML.NET 👍

15 книг по машинному обучению для начинающих. «Сделал подборку книг по Machine Learning для тех, кто хочет разобраться, что да как. Добавляйте в закладки и делитесь с коллегами!»: https://t.co/rCkMgVhMsS https://t.co/9M90MQwqc8

Шпаргалка по алгоритмам машинного обучения Azure помогает выбирать правильный алгоритм для модели предиктивной аналитики.

По ссылке ниже вы найдете бесплатную шпаргалку по алгоритмам машинного обучения в Azure Machine Learning Studio. Вау!

Больше примеров и примечаний: http://msft.it/6273TOH5x

Переобучение классификатора изображений TensorFlow с помощью концепции Transfer Learning и ML.NET.

Из этого гайда вы узнаете, как повторно обучить модель TensorFlow для классификации изображений с помощью передачи обучения (Transfer Learning) и ML.NET. Исходная модель была обучена для классификации отдельных изображений. После повторного обучения новая модель сортирует изображения по различным категориям.

http://msft.it/6271TOHgZ