Почему пора прекратить называть все подряд искусственным интеллектом
Известный исследователь в области искусственного интеллекта (ИИ) Майкл И. Джордан объяснил, почему далеко не все современные системы, которые принято относить к ИИ, на самом деле можно так называть.
А как вы считаете, способен ли ИИ достигнуть человеческого уровня абстрактного мышления? Пишите ваше мнение в комментариях.
https://highload.today/vedushhij-uchenyj-v-oblasti-mashinnogo-obucheniya-prizval-perestat-nazyvat-vse-podryad-iskusstvennym-intellektom/
#AI #machinelearning #IEEE
Известный исследователь в области искусственного интеллекта (ИИ) Майкл И. Джордан объяснил, почему далеко не все современные системы, которые принято относить к ИИ, на самом деле можно так называть.
А как вы считаете, способен ли ИИ достигнуть человеческого уровня абстрактного мышления? Пишите ваше мнение в комментариях.
https://highload.today/vedushhij-uchenyj-v-oblasti-mashinnogo-obucheniya-prizval-perestat-nazyvat-vse-podryad-iskusstvennym-intellektom/
#AI #machinelearning #IEEE
7 лучших фреймворков для машинного обучения
На сайте technostacks.com опубликовали список лучших фреймворков для машинного обучения.
https://highload.today/7-luchshih-frejmvorkov-dlya-mashinnogo-obucheniya/
#machinelearning #AI #TesnorFlow #Caffe #MCT #Torch #MXNet #Chainer #Keras
На сайте technostacks.com опубликовали список лучших фреймворков для машинного обучения.
https://highload.today/7-luchshih-frejmvorkov-dlya-mashinnogo-obucheniya/
#machinelearning #AI #TesnorFlow #Caffe #MCT #Torch #MXNet #Chainer #Keras
Youtube comments processing – сервис для анализа комментариев на YouTube
Проект Галины Симонец нацелен как на обычных пользователей, которые смотрят видео на YouTube, так и на бизнес, который работает с этой площадкой, – профессиональных блогеров или компании, продвигающие свои продукты.
Суть проекта – извлечение ценных знаний из комментариев под видео на YouTube с помощью машинного обучения. Речь идет в том числе о выявлении кластеров среди комментаторов (в зависимости от мнения, которое они высказывают), анализе тональности, обнаружении ботов, а также, например, комментариев, нацеленных на разжигание ненависти. Блогерам и бизнесу такой анализ должен быть полезен для понимания своей аудитории, а тем, кто просто смотрит видео, может быть интересно узнать процент негативных комментариев у любимого блогера.
Проект пока на первом этапе разработки. Уже реализована предобработка русскоязычного текста с использованием техник Natural Language Processing, проведено исследование методов классификации для обработки естественного языка на тестовых отзывах, разработан модуль для выгрузки комментариев по ссылке. Использовались Python-библиотеки для обработки естественного языка и работающие с моделями машинного обучения: Stanza, Sklearn, Urllib.parse, Wikiruwordnet, NLTK, Pandas, Numpy.
Монетизировать проект предполагается за счет платной подписки или продажи дополнительных услуг по анализу комментариев в дополнение к бесплатным пакетам.
Ссылка на проект: https://github.com/halynavs/youtube_comments_processing
Проголосовать за этот проект можно на странице https://highload.today/top-30-pet-proektov-igry-memy-boty-baraholki-svetofor-i-alkotester/
#YCP #YouTube #Python #machinelearning
Проект Галины Симонец нацелен как на обычных пользователей, которые смотрят видео на YouTube, так и на бизнес, который работает с этой площадкой, – профессиональных блогеров или компании, продвигающие свои продукты.
Суть проекта – извлечение ценных знаний из комментариев под видео на YouTube с помощью машинного обучения. Речь идет в том числе о выявлении кластеров среди комментаторов (в зависимости от мнения, которое они высказывают), анализе тональности, обнаружении ботов, а также, например, комментариев, нацеленных на разжигание ненависти. Блогерам и бизнесу такой анализ должен быть полезен для понимания своей аудитории, а тем, кто просто смотрит видео, может быть интересно узнать процент негативных комментариев у любимого блогера.
Проект пока на первом этапе разработки. Уже реализована предобработка русскоязычного текста с использованием техник Natural Language Processing, проведено исследование методов классификации для обработки естественного языка на тестовых отзывах, разработан модуль для выгрузки комментариев по ссылке. Использовались Python-библиотеки для обработки естественного языка и работающие с моделями машинного обучения: Stanza, Sklearn, Urllib.parse, Wikiruwordnet, NLTK, Pandas, Numpy.
Монетизировать проект предполагается за счет платной подписки или продажи дополнительных услуг по анализу комментариев в дополнение к бесплатным пакетам.
Ссылка на проект: https://github.com/halynavs/youtube_comments_processing
Проголосовать за этот проект можно на странице https://highload.today/top-30-pet-proektov-igry-memy-boty-baraholki-svetofor-i-alkotester/
#YCP #YouTube #Python #machinelearning
