Recopilación de artículos sobre aprendizaje automático e inteligencia artificial

Habr, hola.

Después de filtrar una gran cantidad de artículos, conferencias y suscripciones, reuní para usted todas las guías, artículos y trucos más importantes del mundo del aprendizaje automático y la inteligencia artificial. Que tengas una buena lectura!

1. Proyectos de inteligencia artificial con los que puedes jugar hoy. ¿Qué sabes sobre la inteligencia artificial y el aprendizaje automático? ¿Tendencia actual o fuerza potencialmente poderosa que puede matar personas? Estos conceptos de moda se escuchan cada vez más, pero no todos saben lo que realmente es. Es hora de aprender estas tecnologías con un enfoque simple e interesante: pruebe la inteligencia artificial y las redes neuronales por su cuenta en la práctica.



→ Leer más

2. Aprender IA, si no entiendes nada en matemáticas. ¿Quizás le gustaría profundizar y ejecutar el programa de reconocimiento de imágenes en TensorFlow o Theano? Puede ser un desarrollador o arquitecto de sistemas increíble y conoce muy bien las computadoras, pero solo hay un pequeño problema: no entiende las matemáticas.



→ Leer más

3. Cómo construir un sistema de moderación de mensajes. Los sistemas de moderación automática generalmente están integrados en servicios web y aplicaciones donde se debe procesar una gran cantidad de mensajes de usuario. Dichos sistemas pueden reducir los costos de moderación manual y acelerar la moderación al procesar todos los mensajes de los usuarios en tiempo real. Este artículo discutirá el desarrollo de un sistema de moderación automática utilizando algoritmos de aprendizaje automático.



→ Leer más

4. La lista de herramientas de inteligencia artificial que puede usar hoy es para uso personal (1/3). En unas pocas semanas, hojeé literalmente miles de sitios (más de 6,000 enlaces) para presentarle una lista completa de los mejores productos de IA y las compañías más prometedoras en esta área.



→ Leer más

5. La lista de herramientas de inteligencia artificial que puede usar hoy es para negocios (2/3). Esta lista incluye empresas que trabajan en productos para inteligencia artificial y aprendizaje automático, principalmente para fines comerciales, no específicos de ninguna industria.



→ Leer más

6. Lista de herramientas de inteligencia artificial que puede usar hoy - para negocios (2/3). Al crear una lista completa, descubrí que se hacía demasiado larga y confusa, así que decidí que sería más fácil dividir la lista completa en 2 partes, para facilitar la percepción.



→ Leer más

7. La lista de herramientas de inteligencia artificial que puede usar hoy es para una industria específica (3/3). La última pieza del rompecabezas es la parte 3. He aquí un vistazo a las empresas de la industria que utilizan diversas formas de inteligencia artificial para resolver tareas realmente interesantes y específicas para diferentes mercados.



→ Leer más

8. Trabaje con datos de una nueva manera: Pandas en lugar de SQL. Anteriormente, SQL como herramienta era suficiente para el análisis de la investigación: recuperación rápida de datos e informes preliminares al respecto. Ahora los datos vienen en muchas formas y no siempre significan "bases de datos relacionales". Estos pueden ser archivos CSV, texto plano, Parquet, HDF5 y mucho más. Aquí es donde la biblioteca Pandas te ayudará.



→ Leer más

9. Los mejores conjuntos de datos para el aprendizaje automático y el análisis de datos. El análisis de datos y el aprendizaje automático requieren muchos datos. Sería posible ensamblarlos usted mismo, pero es agotador. Aquí, los conjuntos de datos listos para usar en una amplia variedad de categorías nos ayudan.



→ Leer más

10. Salud y blockchain: contratos inteligentes, seguros y cadenas de suministro. Todo con un toque de IA. A esto llegaron contratos inteligentes, programables if/then operadores, que podrían implementarse en la red blockchain. Esto le permitirá calcular y ejecutar decisiones de manera rápida y eficiente con datos almacenados sin la necesidad de procesamiento humano.



→ Leer más

11. Cómo desarrollar grandes habilidades para los asistentes de voz en 2019. Acepte las técnicas correctas para comenzar a desarrollar su próxima habilidad observando algunos elementos clave de las interfaces de voz y la experiencia del usuario.


→ Leer más

12. Por qué, cuándo y cómo usar Python multihilo y multiprocesamiento. El propósito de este tutorial es explicar por qué se necesitan multiprocesamiento y multiprocesamiento en Python, cuándo usar uno encima del otro y cómo usarlos en sus programas.



→ Leer más

13. Un modelo transversal para analizar y predecir datos utilizando Python en datos tabulares de SAP HANA. Este blog lo ayuda a conectarse a la base de datos SAP HANA (versión 1.0 SPS12) y luego extraer datos de la tabla / vista HANA y analizar datos utilizando la biblioteca Python Pandas.

→ Leer más

14. Desmitificación de la arquitectura de redes con memoria a corto plazo (LSTM). Utilizamos la memoria de acceso aleatorio a largo plazo (LSTM) y la Unidad recurrente cerrada (GRU), que son soluciones muy efectivas al problema del gradiente de fuga, y permiten que una red neuronal capture dependencias mucho más distantes.



→ Leer más

15. Detección de vehículos en tiempo real a 50 cuadros por segundo en una GPU AMD. Aquí nos centramos en los modelos de detección de objetos de aprendizaje profundo debido a su precisión superior.



→ Leer más

16. Descripción general de los métodos de clasificación en el aprendizaje automático con Scikit-Learn. Hay muchas bibliotecas escritas para el aprendizaje automático en Python. Hoy veremos uno de los más populares: Scikit-Learn. Scikit-Learn simplifica el proceso de creación de un clasificador y ayuda a resaltar más claramente los conceptos de aprendizaje automático, realizándolos con una biblioteca comprensible, bien documentada y confiable.



→ Leer más

17. Introducción a la medicina forense. La informática forense (forense) es una ciencia aplicada sobre la divulgación de delitos relacionados con la información informática, el estudio de la evidencia digital, los métodos para encontrar, obtener y corregir dicha evidencia.



→ Leer más

18. Inteligencia artificial en la práctica: creamos un sistema experto para la preparación de barbacoa. Se parece a esto: el sistema hace una serie de preguntas y las preguntas posteriores dependen de las respuestas recibidas. Luego, el sistema llega a una conclusión y muestra toda la cadena de razonamiento que lo condujo. Es decir, el conocimiento y la experiencia del experto se replican, y no menos importante, se replica el curso mismo de su razonamiento.



→ Leer más

19. Implementación y análisis del algoritmo de bosque aleatorio en Python. En este artículo, aprenderemos cómo crear y usar el algoritmo Random Forest en Python. Además de estudiar directamente el código, trataremos de comprender los principios del modelo. Este algoritmo está compuesto por muchos árboles de decisión, así que primero descubriremos cómo uno de esos árboles resuelve el problema de clasificación. Después de eso, usando un algoritmo, resolvemos el problema usando un conjunto de datos científicos reales. Todo el código utilizado en este artículo está disponible en GitHub en el Jupyter Notebook.



→ Leer más

20. Human in the Loop: cómo reducir los recursos para el marcado de datos. El uso del aprendizaje profundo y los grandes datos etiquetados permiten simular con precisión el espectro de varios fenómenos. El marcado de datos es un proceso de uso intensivo de recursos, y no siempre los datos etiquetados son de dominio público.



→ Leer más

21. Los Simpson recibieron visualización de datos. Naturalmente, cuando descubrí que podía descargar todos los guiones de episodios que pudiera desear (a través de kaggle), supe lo que tenía que hacer. Teniendo acceso a todo lo que Homer ha dicho alguna vez, no pude resistir ponerme el sombrero para que un investigador de datos exprese algunas ideas de uno de los programas de televisión animados más llamativos de las últimas tres décadas.



→ Leer más

22. ¿Cómo pueden los principiantes crear visualizaciones de datos geniales? Para los analistas de datos, la visualización es siempre una investigación atemporal, ya que nos revela las leyes que subyacen a los datos.



→ Leer más

23. Configure las alertas automáticas de AWS Lambda Data Pipeline.



→ Leer más

24. Una herramienta de formación moderna e integral para el reconocimiento de imágenes. Clasificación rápida de múltiples clases de imágenes utilizando las bibliotecas fastai y PyTorch



→ Leer más

25. Adaptación profunda del dominio en visión artificial. Durante la última década, el campo de la visión por computadora ha logrado un enorme éxito. Este progreso se debe principalmente a la eficacia innegable de las redes neuronales convolucionales (CNN). CNN le permite hacer predicciones muy precisas si se entrenan utilizando datos de entrenamiento anotados de alta calidad.



→ Leer más

26. Optimización de la red neuronal. Optimizador de cobertura, impulso, velocidades de aprendizaje adaptativas, normalización por lotes y más.



→ Leer más

27. Soluciones algorítmicas de sesgo algorítmico: guía técnica. Quiero hablar sobre enfoques técnicos para mitigar el sesgo algorítmico.



→ Leer más

28. Diseño informático sugerente. Facilitando el diseño a través del aprendizaje automático.



→ Leer más

29. Generación de conjunto de datos: creación de fotos en miniatura usando la GAN. Los datos son la base de nuestros modelos ML y DL. No podemos crear programas sólidos si no tenemos un conjunto de datos apropiado para los algoritmos de entrenamiento.



→ Leer más

Quien no haya leído mi resumen de noticias de junio, deje un enlace .

Con esto nuestro breve resumen llegó a su fin. Agregue a marcadores, comparta con colegas, saque conclusiones y trabaje productivamente. De manera continua, este resumen se publica en el canal de telegramas Neuron (@neurondata) y suscríbase a mí en Habré, no se pierda los siguientes resúmenes.

Todo el conocimiento!