Модель vs данные
Всего за несколько лет мир машинного обучения изменился.
Ещё пять лет назад конкуренция выигрывалась моделями и алгоритмами. Побеждал тот, у кого ML-модель и алгоритм обучения были удачнее.
Сегодня модели и алгоритмы у Google, Amazon и у стартапа из трёх человек примерно одинаковые. Практически любая state-of-the-art архитектура доступна абсолютно всем. Теперь конкуренция выигрывается качественными датасетами и грамотно построенной инфраструктурой для их сбора, обновления и перетренировки моделей.
#dainamicskills
Всего за несколько лет мир машинного обучения изменился.
Ещё пять лет назад конкуренция выигрывалась моделями и алгоритмами. Побеждал тот, у кого ML-модель и алгоритм обучения были удачнее.
Сегодня модели и алгоритмы у Google, Amazon и у стартапа из трёх человек примерно одинаковые. Практически любая state-of-the-art архитектура доступна абсолютно всем. Теперь конкуренция выигрывается качественными датасетами и грамотно построенной инфраструктурой для их сбора, обновления и перетренировки моделей.
#dainamicskills
Нелинейный SVM и ядерный трюк
Существует замечательное обобщение SVM для случая нелинейной разделимости классов — SVM с ядрами. Идея состоит в том, чтобы при помощи некоторого нелинейного преобразования так повысить размерность пространства признаков, чтобы в новом пространстве классы стали линейно разделимы.
Интересная особенность — само нелинейное повышение размерности пространства не обязательно осуществлять в явном виде. Не нужно пересчитывать новые координаты (признаки) объектов. Нелинейное преобразование осуществляется неявно при помощи так называемого ядерного трюка — в алгоритме SVM все скалярные произведения ⟨x, x’⟩ просто заменяются функцией выбранного ядра k(x, x’). Именно благодаря этой особенности нелинейный SVM становится вычислительно эффективным.
Можно пойти еще дальше и применить ядерный трюк к объектам вообще без признаков. Нелинейному (и линейному тоже) SVM признаки в явном виде не нужны, нужна лишь функция ядра, обладающая свойствами (удовлетворяющая аксиомам) скалярного произведения.
#dainamicskills
Существует замечательное обобщение SVM для случая нелинейной разделимости классов — SVM с ядрами. Идея состоит в том, чтобы при помощи некоторого нелинейного преобразования так повысить размерность пространства признаков, чтобы в новом пространстве классы стали линейно разделимы.
Интересная особенность — само нелинейное повышение размерности пространства не обязательно осуществлять в явном виде. Не нужно пересчитывать новые координаты (признаки) объектов. Нелинейное преобразование осуществляется неявно при помощи так называемого ядерного трюка — в алгоритме SVM все скалярные произведения ⟨x, x’⟩ просто заменяются функцией выбранного ядра k(x, x’). Именно благодаря этой особенности нелинейный SVM становится вычислительно эффективным.
Можно пойти еще дальше и применить ядерный трюк к объектам вообще без признаков. Нелинейному (и линейному тоже) SVM признаки в явном виде не нужны, нужна лишь функция ядра, обладающая свойствами (удовлетворяющая аксиомам) скалярного произведения.
#dainamicskills
Мы с друзьями запускаем новый стартап. Цель — научить AI творить. Новостями и AI-работами будем делиться здесь: instagram.com/sotaplus. Подписывайтесь.
SOTA+ can generate glyphs consisting of line segments and cubic Bézier curves.
https://instagram.com/p/CHsqUEtJbgw
https://instagram.com/p/CHsqUEtJbgw
We are open for cooperations. Come on! Let's create something beautiful together!
Meanwhile, we are glad to announce one of the recent projects.
This fall, Unblvbl (unblvbl.ru) developed a corporate identity for one of the best cocktail bars in Russia (mt-bar.ru). And SOTA+ was part of it. Together we have trained SOTA+ to generate an infinite number of unique branded patterns and animate them.
Meanwhile, we are glad to announce one of the recent projects.
This fall, Unblvbl (unblvbl.ru) developed a corporate identity for one of the best cocktail bars in Russia (mt-bar.ru). And SOTA+ was part of it. Together we have trained SOTA+ to generate an infinite number of unique branded patterns and animate them.
This media is not supported in your browser
VIEW IN TELEGRAM
This animation was generated by our AI-algorithms yesterday while we were drinking coffee.