🗣 Предсказываем возраст по голосу говорящего

Большинство людей знакомы с тем, как запустить проект по машиннному обучению на изображениях, тексте или табличных данных. Но не у многих есть опыт анализа аудиоданных. В этой статье мы узнаем, как мы можем сделать анализ аудио. Как подготовить, изучить и проанализировать аудиоданные с помощью машинного обучения. Вкратце: как и для всех других модальностей (например, текста или изображений), хитрость заключается в том, чтобы преобразовать данные в формат, интерпретируемый машиной.

Интересная вещь с аудиоданными заключается в том, что вы можете рассматривать их как множество различных модальностей:

- Вы можете извлекать фичи и анализировать данные, такие как табличные данные.
- Вы можете строить частотные графики и анализировать данные, такие как данные изображения.
- Вы можете использовать модели и анализировать данные, с помощью временных рядов.
- Вы можете использовать модели преобразования речи в текст и анализировать данные, как текстовые данные.

Сначала давайте подробнее рассмотрим, как на самом деле выглядят аудиоданные.

Читать дальше

@machinelearning_ru

В открытом доступе появился самый большой датасет для распознавания жестов

SberDevices поделились ссылками на огромный датасет для распознавания жестов - HaGRID (Hand Gesture Recognition Image Dataset). Одна из возможностей его применения - создание виртуальных помощников для людей, которые используют язык жестов.

Читать дальше

@machinelearning_ru

🌍 Google AI имитирует эволюцию!

Cтатья Google AI с новым подходом к обучению некоторых, уже существующих моделей через эволюционный подход, ,без градиента. Аппроксимация изображения треугольными тайлами, рисование изображений по запросу (DALLE-2) теперь обучаются намного быстрее и, местами, показывают лучшие результаты

Обзор: https://www.youtube.com/watch?v=a0ubtHxj1UA
Статья: https://es-clip.github.io/

@machinelearning_ru

Через 10 минут начнется трансляция Летнего фестиваля вакансий в Яндексе: https://youtu.be/1ZfEiwF6kYQ

21:05—21:20 Яндекс Погода
21:20—21:35 Группа визуального поиска
21:35—21:50 Группа синтеза речи

После фестиваля можно подать заявку на стажировку в Яндексе: https://clck.ru/rcgdp

​GANs N' Roses – нейронная сеть, которая создаёт аниме-персонажа похожего на загруженную вам фотографию

Также работает с видео

@machinelearning_ru

🗾 Посмотрим, как ИИ учится классифицировать изображения

Загляним под капот алгоритмов машинного обучения, пока они работают.

Cуществует множество руководств и статей, которые хорошо показывают, как алгоритмы машинного обучения могут обучаться на изображениях и выполнять различные удивительные задачи. Итак, эта статья не о том, что они могут сделать,а о том что происходит, пока машины учатся.

Я надеюсь, что анимации в этой статье смогут ннаглядно показать, как современные алгоритмы машинного обучения работают с различными данными и очень быстро учатся тому, как извлекать значимые признаки из данных для эффективного решения поставленной задачи. Итак, давайте сразу приступим!

Статья
Код
Набор данных

@data_analysis_ml

♠️ Продвинутый покерный ИИ был обучен за 20 часов

Конечно когда появляется новая технология, кто-то хочет заработать на ней денег с минимальным вовлечением в процесс. Поэтому неудивительно, что появляются покер-боты с искусственным интеллектом. Покер с точки зрения ИИ является задачей с неполной информацией в отличие, например, от шахмат, поэтому исследователю подобное решать интереснее (но о своих доходах с этого бота они не отчитались, зато статья есть). Бот реализован на решающих деревьях.У ИИ есть большое преимущество перед людьми-игроками — лучший покер-фейс.


Смотреть
Сатья

@machinelearning_ru

🧠 Простая нейронная сеть без библиотек и многомерных массивов

Сатья

@machinelearning_ru

​xr-graph

Проект демонстрирующий возможность просмотра/отображения математических графиков в VR и AR

@machinelearning_ru

Вакансия: В PREDICTO открыта вакансия
Machine learning engineer

О компании:
Predicto с 2018 г. занимается анализом и сегментацией данных для крупных российских и иностранных клиентов. В этом году мы поставили себе амбициозную задачу разработки CDP и рекомендательной системы.
В нашей команде уже 10 сильных и классных ребят, но задач столько, что очень хотим еще!

📍Middle (важно)
📍 в классном офисе в Москве/гибрид;
📍250-400К руб., белая ЗП или ИП;
📍большой датасет, интересные задачи, возможность влиять на продукт.

✅Что нужно делать:
• Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы;
• Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов;
• Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами.

✅ Требования
• Знание алгоритмов машинного обучения и статистического анализа;
• Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning;
• Знание SQL и опыт работы с большими данными;
• Понимание жизненного цикла и опыт продукционализации ML моделей.

✅ Опционально (плюс):
• Опыт участия в соревнованиях по машинному обучению (Kaggle и др);
• Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib;
• Знание инструментов и методов MLOps.

Присылайте CV @naikava

@datascienceml_jobs - ML вакансии

​PngBin – Инструмент преобразование любых двоичных данных в файл изображения PNG и наоборот

Изображение, созданное PngBin, будет иметь все свойства, как и обычное изображение PNG, за исключением того, что при просмотре оно будет выглядеть сломанным и «зашумленным»

@machinelearning_ru | #Python #Photo #Interesting #Security

🔍 Обзор Статьи Яна Лекуна о машинном интеллекте

Стаья освещает исследованния Self-Supervised Learning, Energy-Based Models, и, и иерархических моделях прогнозирования.

Обзор
Статья

@machinelearning_ru

MLOps: как внедрить систему рекомендаций товаров

Одна из самых распространенных задач электронной коммерции — создание хорошо работающей модели рекомендаций и категоризации товаров. Рекомендательная система товаров используется для предоставления пользователям аналогичных предложений. Она позволяет увеличить общее время пребывания на платформе и сумму, потраченную в расчете на одного пользователя.

Кроме того, на платформах электронной коммерции, особенно тех, где большая часть контента создается пользователями (например, на сайтах объявлений), необходима модель категоризации продуктов. Она используется для “отлова” неправильно категорированных продуктов и размещения их по соответствующим категориям. Это способствует улучшению общего пользовательского опыта на платформе.

Данная статья состоит из двух основных частей. В первой поговорим о том, как построить систему рекомендаций товаров для электронной коммерции и провести категоризацию товаров (примеры кода помогут продемонстрировать эти процессы). Во второй обсудим, как реализовать этот проект в несколько шагов с помощью MLOps-платформы под названием Layer.

Читать дальше

@machinelearning_ru

Искусственный интеллект NVIDIA усовершенствовал синтез человеческого лица! 👩‍🎓

https://www.youtube.com/watch?v=MO2K0JXAedM

Статья: https://stylegan-nada.github.io/

@machinelearning_ru

В VK стартовал набор в Академию больших данных MADE — это бесплатное обучение для специалистов с опытом в разработке.

👉 Регистрируйтесь до 6 августа: https://vk.cc/ceWl31

Программа длится один год, но будьте готовы к серьезной нагрузке: занятия займут 25–40 часов в неделю. За это время вы сможете повысить свой профессиональный уровень или освоить новое направление в IT.

Что вас ждёт:
🔹Много практики и работа над реальными проектами.
🔹Преподаватели — ведущие эксперты в области Data Science. Например, несколько дисциплин ведёт Сергей Николенко, автор бестселлера «Глубокое обучение» и создатель курсов в СПбГУ, НИУ ВШЭ и Harbour Space University.
🔹Профессиональное сообщество, где преподаватели, выпускники и слушатели делятся знаниями, общаются и помогают в решении сложных задач.

Для поступления нужно сдать экзамены по математике и программированию, пройти соревнование по машинному обучению и анкетирование.

🎓 Глубокое погружение в ROC-AU

Я думаю, что большинство людей слышали о ROC-кривой или о AUC (площади под кривой) раньше. Особенно те, кто интересуется наукой о данных. Однако, что такое ROC-кривая и почему площадь под этой кривой является хорошей метрикой для оценки модели классификации?

Теория ROC-кривой
Полное название ROC — Receiver Operating Characteristic (рабочая характеристика приёмника). Впервые она была создана для использования радиолокационного обнаружения сигналов во время Второй мировой войны. США использовали ROC для повышения точности обнаружения японских самолетов с помощью радара. Поэтому ее называют рабочей характеристикой приемника.

AUC или area under curve — это просто площадь под кривой ROC. Прежде чем мы перейдем к тому, что такое ROC-кривая, нужно вспомнить, что такое матрица ошибок.

Читать дальше

@machinelearning_ru

STEOSVOICE - генератор голоса на основе ИИ.

Инструмент стал бесплатным для всех.

Сайт: https://cybervoice.io/ru
Видео: https://www.youtube.com/watch?v=p1rEp6ZEgcc

@machinelearning_ru