​​Machine Unlearning nima? U qanday ishlaydi?

Machine Unlearning - bu MLning kichik bir sohasi bo'lib, u o'rgatilgan modeldan ma'lum bir ma'lumotlar qismi - "unutish to'plami" (forget set) ta'sirini olib tashlashga qaratilgan.

Yani soddaroq qilib tushuntiradigan bo'lsak, misol uchun bizning ML modelimiz bir ma'lumotlar toplami bilan training qilingan bo'lsin va bu ma'lumotlar toplami o'z ichiga 100 nafar odamning ko'plap suratlaridan tashkil topgan.

Keyinchalik ayrim sabablarga ko'ra bir odamning rasmlaridan foydalanmasligimiz kerak bo'lib qodi. Unda qanday yo'l tutamiz?

Birinchi yo'l: Malumotlar to'plamidan o'sha inson suratlarini olib tashlab qolgan 99 kishi rasmlari uchun modelimizni qaytadan train qilamiz. Bu yo'l ananaviy yo'l lekin katta malumotlar toplami bilan modelni qayta train qilish juda qimmatga tushishi mumkin.

Ikkinchi yo'l: Machine Unlearning metodini qo'llash orqali train qilingan orginal modelni faqat bir kishining (rasmlari o'chirilishi kerak bo'lgan kishi) rasmlaridan iborat ma'lumotlar to'plamida training qilishdir. Bu yo'l ancha arzon hisoblanadi. Ammo o'ziga yarasha kamchiliklari mavjud. Masalan orginal modelning aniqlik darajasiga salbiy ta'sir ko'rsatishi mumkin va birinchi yo'l orqali erishilgan darajaga erishish imkonsiz. bundan tashqari o'chirilishi kerak bo'lgan ma'lumot to'liq o'chmasligi mumkin.

Quyidagi rasmda Machine Unlearning algoritmining umumiy arxitekturasi keltirilgan.

Bu Machine Unlearning sohasi nisbatan yangi va o'ziga yarasha kamchiliklari borligi uchun Google o'zining Birinchi Machine Unlearning Challenge ini shu oyning (iyul) o'rtalarida Kaggle platformasida e'lon qiladi. Bunda siz ham qatnashish imkoniyatiga egasiz😎.

👉 @machine_learning_lab

#loyiha

Smart Farm project

Loyihamizning ‘hardware’ qismi deyarli tugadi! Hozirda software qismida ishlayapman!

Insect detection (hashoratlarni aniqlash) uchun dataset tayyorlab Yolov-5 modelida datani o’qitib keyin to’liq experimentni boshlasak bo’ladi. insha Alloh!

👉 @machine_learning_lab

#loyiha #smartfarm

Ushbu haftada Smart Farm loyihamizga doir bo'lgan zararli hashoratlarni aniqlash (Insects detection) qismida ishladim.

Ma'lumotlar toplamini tayyorlashda 7 xil issiqxonalarda eng ko'p uchraydigan hashoratlarni tanlab oldik va jami 1300 dan ortiq rasmlar toplandi. Bular quyidagicha (nomlari inglizchada ☺️):

Aphids
Caterpillars
Fungus gnats
Leafhoppers
Mealybugs
Spider mites
Whiteflies

Zararli hashoratlarni aniqlash (Insects detection) uchun Yolov5 modelidan foydalanildi. Natijalar qoniqarli hozircha (rasmda keltirilgan). Lekin natijani yaxshilasa bo'ladi.

Datasetni hozircha ommaga ochiq qilmadik ☺️.

Telegram | Instagram | YouTube

AI ni o'rganish va mavjud mahoratingizni oshirish uchun zo'r imkoniyat!

ML engineerlari uchun Microsoft kompaniyasi "Microsoft Learn AI Skills Challenge" nomli challenge ini e'lon qildi. Ushbu challenge quyidagi 4 yo'nqlishni o'z ichiga oladi:

👉Machine Learning Challenge
👉Machine Learning Operations (MLOps) Challenge
👉Cognitive Services Challenge
👉AI Builder Challenge

Ushbu challenge 17-iyuldan 14-avgutgacha davom etadi. Yuqoridagi 4 yo'nalishdan kamida bittasini tamomlagan ishtirokchiga Microsoft Learn AI Skills test nishoni va yakuniy sertifikat topshiriladi. Ular Microsoft Learn profilingiz bilan bog'langan elektron pochta manziliga yetkaziladi.

P.s: AI ga qiziquvchi yaqinlaringizga albatda bu xabarni yetkazing. Zero bir yaxshilikka sababchi bo'lib qolsangiz.

Telegram | Instagram | YouTube

Microsoft AI Challenge haqida qisqacha xulosa!

Ushbu Microsoft kompaniyasi tomonidan e'lon qilingan challenge-ning ikkitasiga (Machine Learning Challenge va Machine Learning Operations (MLOps) Challenge) ro'yxatdan o'tgan edim.

Ikki kun davomida vaqt ajratib ushbu dasturlarni tamomladim. Unda asosan Machine Learning haqida umumiy tushunchalar, regression, classification va clustering ga doir mashqlar berilgan.

Keyingi asosiy urg'u Microsoftning ML engineerlari uchun maxsus Azure Machine Learning Studio platformasida ko'nikma hosil qilishga qaratilgan. Ammo bu platformadan ro'yhatdan o'tish pullik 😉. Bu platforma sizga ML modelingizni online ishlab chiqarishga muvaffaqiyatli qo'yishga va uni nazorat qilib turishga katta yordam beradi va juda qulay.

Ushbu challenge-larni boshlang'ich bilimga ega yoki endi o'rganishni boshlagan ML engineerlari uchun juda foydali deb hisoblayman.

P.s: Aytgancha certificate berilar ekan. Portifolioingiz uchun kerak bo'ladi albatda ☺️

👉 @machine_learning_lab

​​Photoshop AI - yangi darajadagi Photoshop !!!

Photoshop AI - bu Adobe Photoshop-ning sun'iy intellektga asoslangan yangi xususiyati bo'lib, u sizni hayratda qoldiradigan, zavqlantiradigan haqiqiy natijalarga erishish uchun oddiy matnli ko'rsatmalardan foydalanib, soniyalar ichida, tasvirlaringizga buzilmaydigan tarzda kontent qo'shish, kengaytirish yoki o'chirish imkonini beradi.

Photoshop AI qanday ishlaydi?

Photoshop AI tasviringizni tahlil qilish va asl tasviringiz uslubi, istiqboli va yoritilishiga mos keladigan real kontent yaratish uchun Adobe Firefly AI mexanizmidan foydalanadi. Photoshop AI-ga rasmingizga nima qo'shish, kengaytirish yoki olib tashlashni xohlayotganingizni aytish uchun oddiy matnli ko'rsatmalardan foydalanishingiz mumkin. Masalan, siz "orqa fonga yelkanli qayiq qo'shing (add a sailboat to the background)" yoki "odamni oldingi plandan olib tashlang (remove the person from the foreground)" deb aytishingiz mumkin.

Photoshop AI-dan foydalanishning qanday afzalliklari bor?

Photoshop AI an'anaviy fotosuratlarni tahrirlash usullariga nisbatan bir qator afzalliklarni taklif etadi:

1. Tez va ishlatish uchun qulay. Siz qo'lda chizishingiz yoki bo'yashingiz shart emas, bir necha soniya ichida real kontent yaratishingiz mumkin.
2. Photoshop AI yordamida amalga oshirgan o'zgarishlar buzilmaydi, shuning uchun siz har doim asl tasviringizga qaytishingiz mumkin.
3. Photoshop AI tasvirlarning katta ma'lumotlar to'plamida o'qitilgan, shuning uchun u asl tasviringizning uslubi va istiqboliga mos keladigan real kontent yaratishi mumkin.

Photoshop AI bilan nima qilishingiz mumkinligiga ba'zi misollar:

1. Tasvirlaringizdan ob'ektlar qo'shish yoki olib tashlash amallarini bajarishingiz mumkin.
2. Tasvirlaringiz fonini o'zgartirishingiz mumkin.
3. Haqiqiy tekstura va naqshlar yaratishingiz mumkin.
4. Tasvirlaringizni retush qilishingiz mumkin.
5. Abstrakt san'at yaratishingiz mumkin.

Umuman olganda, Photoshop AI - bu qisqa vaqt ichida ajoyib tasvirlarni yaratishga yordam beradigan kuchli yangi vosita. Agar siz Adobe Photoshop obunachisi bo'lsangiz, uni sinab ko'rishingizni mumkin.

👉 @machine_learning_lab

3D-aware Conditional Image Synthesis (pix2pix3D)

Ushbu loyiha pix2pix Deep Learning model arxitekturasi asosiga qurilgan bo'lib, u 2 o'lchamli oddiy tasvirlarni qalub qiladi va unga mos 3 o'lchamli tasvirlarni hosil qilib beradi.

Yuqoridagi qisqa video orqali loyihaning maqsadini tushunib olishingiz mumkin.

👉 Github code 👈

👉 Maqola 👈

👉 Loyiha 👈


Ma'lumotlar to'plami:
CelebAMask , AFHQ-Cat-Seg , Shapenet-Car-Edge

👉 @machine_learning_lab

#foydali

Loyiha uchun talab qilinadigan kutubxonalar ro'yhatini hosil qilish.

Odatda deyarli barcha ML engineerlari ma'lum bir loyiha ustida ishlashni boshlasa o'sha loyiha uchun alohida virtual muhit yaratib ishni boshlaydilar. Kimdur conda kimdur vnev va hokozolardan foydalanishadi.

Loyiha davomida ko'plab kutubxonalar o'rnatiladi va loyihangiz to'g'ri ishlashi uchun bu kutubxonalarning versiyalari o'zaro bir biriga ta'sir qiladi. Shuning uchun har bir loyiha uchun alohida muhit yaratish eng aqilli yo'l.

Loyihani tugatib uni foydalanuvchiga berishdan oldin albatda loyiha xatosiz ishlashi uchun talab qilinadigan kutubxonalar ro'yhatini (requirements.txt) shakllantirishingiz kerak bo'ladi. Albatda loyiha davomida o'rnatgan barcha kutubxonalaringiz va ularni versiyalari esingizda qolishingiz amri mahol.

Bunda ushbu ro'yxanti shakllantirishning eng oson yo'li bu o'sha ishlash muhiningizda turib terminaldan quyidagi buyuruqni berishdir.

pip freeze > requirements.txt

Shunda sizda 'requirements.txt' nomli fayl hosil bo'ladi. U o'z ichida muhitga o'rnatilgan barcha kutubxonalar va ularni versiyalarini oladi.

Foydalanuvchi esa sizni loyihangizni olib, yangi muhitda osongina

pip install -r requirements.txt

buyurug'i orqali barcha talab etiladigan kutubxonalarni o'rnatib oladi. Keyin esa bemalol loyihangizdan foydalanishi mumkin 😎.

👉 @machine_learning_lab