Новое электричество

Наш канал не новостной, мы редко в явном виде реагируем на текущую информационную повестку. Но иногда наступает момент, когда игнорировать ее становится просто невозможно. Сейчас почти все разговоры на одну тему, и мы тоже больше не можем оставаться в стороне. Итак, Технологии против Коронавируса. Начнем с чисто информационных сервисов. С помощью современных технологий легко сделать качественные информационные ресурсы о вирусе, что увеличивает осведомленность, а значит готовность населения противостоять угрозе...

Продолжаем рассказывать об AI-технологиях и стартапах, которые пока что остаются относительно незамеченными, но которых ожидает взрывной рост в ближайшее время. Сейчас все в мире озабочены экологичностью бизнес-процессов и оптимизацией потребления энергии. Вычислительные мощности, используемые для создания нейронных сетей требуют нешуточное количество энергии – так, для построения одной реалистичной фотографии с помощью GAN-сети, Google потратили больше энергии, чем среднее домохозяйство в США тратит в месяц...

Важной частью нашего сервиса будет продвинутая аналитика по компаниям — кто что делает в сфере информационных технологий, чем отличаются продуктовые предложения, кто привлекает финасирование и в каком объёме. Одной из лучших баз данных по этой теме является Crunchbase. В ней собран огромный массив данных по компаниям, начиная со стартапов и заканчивая лидерами рынка в своих отраслях. Данная база будет важным источником информации для нашего сервиса. Добавив информацию из других источников и представив...

Что мы уже знаем о любимой библиотеке редакции — TensorFlow? В первой статье цикла мы впервые познакомились с ней. Узнали, что под капотом скрывается высокоскоростное ядро, написанное на C++, и что ей подвластна мощь графических ускорителей. А также дали вам ссылку на замечательный курс, который позволяет познать основы применения TensorFlow. Во второй статье мы немного углубились в детали, рассказали о замечательном ресурсе, в котором описаны и визуализированы основные виды нейронных сетей. Рассказали и даже показали, где найти готовые модели и API и привели несколько примеров...

Сегодня поговорим о такой близкой всем теме, как благоустройство городов. В это довольно широкое понятие, помимо прочих вещей, входит умное здравоохранение, умная навигация и слежение, инфраструктура данных. Иными словами, довольно большое поле для применения AI. Абсолютным лидером по разработке инфраструктуры для «умных городов» является корпорация Alphabet (это та, что владеет Гуглом): ее подразделение Sidewalk Labs в конце 2019 г. представило 1500-страничный проект обустройства Торонто стоимостью $1,3 млрд...

Фейковые новости — большая проблема современного мира. Способов их отличать существует довольно много, однако делать это непросто и, главное, небыстро. Многим людям выгодно такие новости создавать — и многим выгодно с ними бороться. Среди вторых, к счастью, есть техгиганты вроде Facebook, Google или Yandex: в ходу идут самые современные cutting edge технологии. Всё это напоминает борьбу вирусов и антивирусов лет 15-20 назад. Способов борьбы великое множество: от самых простых (найм людей, единственная...

Продолжаем серию постов про тренды и самые «горячие» стартапы в области AI в 2020 году. Данная рубрика будет особенно полезна людям, которые не против создать свой tech бизнес, а также тем, кто хочет инвестировать деньги в новые технологии с большим потенциалом роста и масштабирования. Те, кто прочитал хотя бы 20% наших предыдущих постов, уже четко понимают, какое большое многообразие AI-архитектур под совершенно разные задачи сейчас существует в мире. Постоянно появляющиеся технологические компании...

Многие модели TensorFlow включают в себя натренированные веса и примеры того, как вы можете применить их в своих проектах используя “перенос знаний”. Transfer learning не имеет пока общепринятого перевода на русский язык и в разных статьях можно встретить совсем разные варианты. По смыслу же этот термин обозначает задачу сохранения знаний, полученных в ходе решения одной проблемы, причем чаще всего имея большое количество данных для обучения, и применению сохраненных знаний для решения другой похожей задачи...

Забавная, и одновременно пугающая история произошла при разработке AI для оборонных военных систем США (DARPA). Началось все с того, что ученые задумали создать AI-агентов, общающихся друг с другом и осуществляющих социальное взаимодействие. Первых двух агентов звали Адам и Ева. Они стартовали со знанием об определенных вещах, но без малейшей идеи, как именно их нужно делать. Планировалось, что они обучатся этому сами. Так, например, им был известен процесс поедания предметов, но вот что конкретно принимать в пищу – оставалось загадкой...

Про машинное обучение мы недавно говорили, сегодня обсудим ещё один buzzword (модную тему): data science, или наука о данных. Наука о данных — набор научных методов, алгоритмов для получения из данных неочевидных знаний и закономерностей. Звучит довольно похоже на машинное обучение: там мы тоже учили компьютер выявлять закономерности, A -> B — в чём разница? Разберёмся на примере. Представьте, вы владелец риэлторской фирмы, и у вас есть много хорошо структурированных данных о продаже домов (пример таблицы ниже)...

Здесь мы рассказали о том, зачем нужен Скрэпер. Теперь немного поговорим о нашем собственном опыте его создания. Сначала о том, почему мы решили сделать его сами. На рынке действительно есть немало скрэперов, готовых к использованию, некоторые из них бесплатные, некоторые платные. Для многих задач пользоваться ими вполне можно. Но для нашего сервиса сбор качественных данных для последующей обработки Искусственным интеллектом является критически важным элементом. И ни один из существующих сервисов не убедил нас, что он достаточно хорош, чтобы мы могли вдолгую на него рассчитывать...

Ранее мы писали, что TensorFlow это не просто библиотека для языка Python, но целая экосистема. В TensorFlow доступно большое количество бесплатных инструментов и сервисов, которые позволят вам работать c нейросетями еще эффективнее. Рассмотрим несколько из них: TensorBoard — веб-приложение, позволяющее визуализировать и инспектировать модели. Можно визуализировать граф модели и увеличивать масштаб до тех пор, пока вы не рассмотрите все ее закоулки, построить графики потерь и точности во время обучения модели...