NeuroHive - Нейронные сети, Machine Learning, AI, Data science

2022-03-18 12:00:16 ​​Google AI представила масштабируемый генератор датасетов Kubric. Kubric – open-source фреймворк, использующий PyBullet и Blender для создания высококачественных изображений.

Синтетические данные имеют множество преимуществ над реальными, включая более низкую стоимость сбора данных, большее количество меток, контроль свойств датасета и избежание рисков, связанных с лицензированием и конфиденциальностью.

В Kubric PyBullet обучает модель физическому моделированию взаимодействия с другими объектами, а Blender используется для рендеринга изображений. Инструмент был создан для снижения затрат и ресурсов, связанных с получением реальных данных.

Разработчики продемонстрировали эффективность Kubric, используя серию из 13 отдельных датасетов, которые были сгенерированы для задач распознавания объектов в видео нейросетью без учителя. Особенностью Kubric является возможность быстро генерировать крупномасштабные датасеты.

Github: https://github.com/google-research/kubric

Источник: https://arxiv.org/abs/2203.03570

#Datasets Открыть/Комментировать

2022-03-16 11:52:28 Где осваивать MLOps-практики?

29 марта в OTUS стартует практический онлайн-курс «MLOps». Во время обучения вы освоите актуальные инструменты и технологии: Kubernetes, Spark, Python, Docker. Вас ждет общение с преподавателями-экспертами, профессиональное комьюнити, разбор рабочих кейсов и многое другое. Партнёром курса является Сбер.

Не упустите возможность проложить себе путь в крупнейшие IT-компании!

Пройдите вступительный тест, чтобы присоединиться к группе по спец.цене https://otus.pw/0gR5/ Открыть/Комментировать

2022-03-14 12:01:22 ​​DeepMind разработала алгоритм восстановления древнегреческих текстов по поврежденным письменам. Модель датирует письмена с погрешностью до 30 лет от их истинного возраста и определяет место их написания с точностью 72%.

При анализе древних текстов историки обычно заинтересованы в решении трех задач: восстановлении текста и точном определении того, когда и где он был написан. Для этого они ищут отличительные черты и закономерности в стиле письма и сравнивают их с текстами, которые уже были исследованы и датированы.

Для обучения модели, решающей все три задачи, исследователи использовали около 60 000 хорошо изученных древнегреческих текстов и написанных между 700 годом до нашей эры и 500 годом нашей эры. Команда замаскировала некоторые символы в текстах, а затем сравнила предсказания модели для “недостающего” текста с реальными надписями.

Исследователи планируют применить модель к другим древним языкам и письменным носителям.

Источник: https://www.nature.com/articles/s41586-022-04448-z

#AppliedDS Открыть/Комментировать

2022-03-10 12:00:13 ​​Google представила нейросеть 4D-Net, объединяющую данные с установленных в автомобиле лидара и камеры. Модель позволяет повысить безопасность беспилотных автомобилей и быстродействие установленных в них алгоритмов потокового анализа сцен.

Количество точек, трехмерные координаты которых регистрирует лидар, зависит от удаленности объекта – чем дальше он находится от лидара, тем меньше точек его поверхности будут записаны. В то же время камера обеспечивает равномерную плотность данных, что позволяет осуществлять сегмантическую сегментацию для распознавания объектов. Модель Google объединяет облака точек и RGB-изображения в последовательные моменты времени, формируя четырехмерную карту сцены.

В 4D-Net используется поиск архитектуры нейросети для обучения связей между двумя типами данных: каждый слой признаков входных данных одного датчика комбинируется со слоями признаков данных второго датчика. Нейросеть превзошла предыдущие state-of-the-art модели в бенчмарке Waymo Open Dataset. Также за счет комбинации мультимодальных данных 4D-Net улучшает точность распознавания удаленных объектов, которые потенциально могут привести к аварии.

Источник: https://openaccess.thecvf.com/content/ICCV2021/papers/Piergiovanni_4D-Net_for_Learned_Multi-Modal_Alignment_ICCV_2021_paper.pdf

#StateoftheArt Открыть/Комментировать

2022-03-05 12:00:13 ​​Walmart внедрил на сайте и в приложении функцию виртуальной примерки одежды, которая основана на комбинации алгоритмов обработки изображений в реальном времени, компьютерного зрения и глубокого обучения. Функция позволяет пользователям увидеть, как одежда будет выглядеть на модели с заданными параметрами.

Цель Walmart – уменьшить количество возвратов товаров. Пользователи могут выбрать из 50 различных моделей, чтобы найти ту, которая наилучшим образом отражает их собственный тон кожи, рост и форму тела. Модель учитывает все размеры товара, включая длину рукавов.

Функция «Выбери мою модель» на текущий момент работает для нескольких тысяч товаров Walmart. В ближайшее время она станет доступной для большинства брендов, представленных в магазине.

Источник: https://techcrunch.com/2022/03/02/walmart-launches-a-i-powered-virtual-clothing-try-on-technology-for-online-shoppers/

#AppliedDS Открыть/Комментировать

2022-03-03 12:00:09 ​​Microsoft анонсировала Azure Health Data Services – систему, объединяющую медицинские данные из нескольких источников для последующего анализа. Инструмент позволяет использовать мультимодальные данные в моделях машинного обучения для более точной постановки диагноза.

Одной из проблем сферы здравоохранения является изолированность датасетов. Цель Microsoft – объединение данных из API-интерфейсов клинических, визуализационных и медицинских технологий, чтобы их можно было изучать одновременно. Используя новый продукт, организации могут управлять, анонимизировать, преобразовывать и просматривать данные о состоянии здоровья.

С использованием Azure Health Data Services врач может одновременно запросить для одного пациента МРТ, историю болезни и данные, собранные с носимого устройства, чтобы определить, склонен ли пациент к нездоровому образу жизни. В то же время группы клинического анализа могли бы использовать систему для изучения того, у скольких пациентов старше определенного возраста наблюдался определенный симптом при использовании данного препарата.

В Microsoft утверждают, что система позволит ускорить темпы исследований, помогая ученым быстрее анализировать информацию и обнаруживать новые взаимосвязи в разрозненных медицинских данных.

Источник: https://venturebeat.com/2022/03/01/microsofts-new-service-helps-health-care-organizations-analyze-multiple-data-types-simultaneously/

#Development Открыть/Комментировать

2022-03-02 12:00:03 ​​Исследователи MIT разработали алгоритм поиска аномалий в потоковых данных. Модель позволяет изучить причинно-следственных связи в задачах мониторинга сбоев энергосистемы и дорожного трафика.

Поиск выбросов в потоковых данных, собираемых несколькими датчиками, осложняется тем, что каждая выборка охватывает несколько временных рядов. Разработанная в MIT модель представляет собой комбинацию нормализующего потока и байесовской сети. Байесовская сеть факторизирует совместную вероятность данных нескольких временных рядов на менее сложные условные вероятности, которые проще параметризовать и исследовать. Такой подход позволяет оценить вероятность наблюдения определенных показаний датчиков и выявить аномалии.

Алгоритм был протестирован на трех датасетах (с данными датчиков электросети и системы водоснабжения, а также с данными дорожного движения) и превзошел предыдущие state-of-the-art подходы. Модель быть применена и к другим задачах, в которых большое количество взаимосвязанных датчиков собирает и передает данные в реальном времени.

Источник: https://openreview.net/forum?id=45L_dgP48Vd

#StateoftheArt Открыть/Комментировать

2022-03-01 12:00:06 ​​Калифорнийский стартап Mage открыл доступ к веб-инструменту для создания моделей ранжирования без написания кода.

Пользователям Mage требуется подключиться к существующему источнику данных (например, Amplitude и Snowflake). После этого инструмент предоставит рекомендации по очистке и улучшению данных, чтобы максимизировать производительность модели во время обучения. Затем прогнозы модели можно будет использовать в режиме реального времени с помощью API-запросов.

Система позволяет повысить вовлеченность пользователей за счет ранжирования статей, сообщений и комментариев, а также увеличить конверсию путем показа наиболее релевантных товаров.

В Mage используются Scikit-learn, XGBoost, TensorFlow и SHAP. Инструмент бесплатен до определенного размера датасета и количества API-запросов. Для безлимитного доступа необходимо приобрести подписку.

Источник: https://venturebeat.com/2022/02/24/mage-launches-low-code-ai-dev-tool-into-general-availability/

#Development Открыть/Комментировать

2022-02-28 12:00:10 ​​Марк Цукерберг анонсировал планы Meta по развитию метавселенной. Будущие проекты компании будут нацелены устранение языкового барьера путем перевода речи в реальном времени и управление состоянием виртуального окружения с помощью голоса.

Цукерберг утверждает, что взаимодействие в виртуальных мирах будет зависеть от общения с людьми на разных языках. Для этого инженеры Meta работают над моделью «No Language Left Behind», которая сможет изучать новые языки, используя меньше обучающих данных по сравнению с существующими моделями. Такой подход позволит гарантировать, что все языки будут доступны для перевода. Помимо этого, ведется разработка модели Babelfish, обеспечивающий speech-to-speech перевод для всех языков в реальном времени.

Также Цукерберг анонсировал Builder Bot — систему, позволяющую создавать и импортировать 3D-объекты в виртуальные сцены с помощью голосовых команд. С ее помощью пользователи смогут создавать сложные миры для исследования и обмена ими с другими в метавселенной, используя только голос. Builder Bot является частью недавно анонсированного проекта Meta CAIRaoke, целью которого является развитие чат-ботов и голосовых помощников.

Источник: https://about.fb.com/news/2022/02/inside-the-lab-building-for-the-metaverse-with-ai/

#Entertaining Открыть/Комментировать

2022-02-24 12:59:04 Yandex Research открывает резидентскую программу по машинному обучению. ML-специалисты и ученые из смежных областей получат возможность участвовать в исследованиях мирового уровня, публиковать статьи о полученных результатах и обсуждать актуальные вопросы по темам ML на международных конференциях. Участие в программе оплачивается.

Подать заявку могут как студенты и аспиранты вузов, так и опытные исследователи в смежных областях: например, математике, физике, компьютерных науках. Идеальных знаний ML не требуется, но наличие фундаментального образования — обязательное условие.

Узнать о программе подробнее и заполнить анкету на участие можно здесь. Открыть/Комментировать