Habr, bonjour.
Après avoir filtré un grand nombre d'articles, de conférences et d'abonnements, j'ai rassemblé pour vous tous les guides, articles et hacks de vie les plus importants du monde de l'apprentissage automatique et de l'intelligence artificielle. Bonne lecture!
1. Projets d'intelligence artificielle avec lesquels vous pouvez jouer aujourd'hui. Que savez-vous de l'intelligence artificielle et de l'apprentissage automatique? Tendance actuelle ou force potentiellement puissante qui peut tuer des gens? Ces concepts à la mode sont de plus en plus entendus, mais tout le monde ne sait pas ce que c'est vraiment. Il est temps d'apprendre ces technologies en utilisant une approche simple et intéressante - essayez l'intelligence artificielle et les réseaux de neurones par vous-même dans la pratique.
→
En savoir plus2. Apprendre l'IA, si vous ne comprenez rien en mathématiques. Vous souhaitez peut-être approfondir et exécuter le programme de reconnaissance d'image dans TensorFlow ou Theano? Vous êtes peut-être un développeur ou un architecte de systèmes génial et vous connaissez très bien les ordinateurs, mais il n'y a qu'un petit problème: vous ne comprenez pas les mathématiques.
→
En savoir plus3. Comment construire un système de modération des messages. Les systèmes de modération automatique sont généralement intégrés dans les services et applications Web où un grand nombre de messages utilisateur doivent être traités. De tels systèmes peuvent réduire les coûts de modération manuelle et accélérer la modération en traitant tous les messages des utilisateurs en temps réel. Cet article traitera du développement d'un système de modération automatique utilisant des algorithmes d'apprentissage automatique.
→
En savoir plus4. La liste des outils d'intelligence artificielle que vous pouvez utiliser aujourd'hui est à usage personnel (1/3). En quelques semaines, j'ai parcouru littéralement des milliers de sites (plus de 6000 liens) pour vous présenter une liste complète des meilleurs produits d'IA et des entreprises les plus prometteuses dans ce domaine.
→
En savoir plus5. La liste des outils d'intelligence artificielle que vous pouvez utiliser aujourd'hui est destinée aux entreprises (2/3). Cette liste comprend les entreprises travaillant sur des produits pour l'intelligence artificielle et l'apprentissage automatique, principalement à des fins commerciales, qui ne sont spécifiques à aucune industrie.
→
En savoir plus6. Liste des outils d'intelligence artificielle que vous pouvez utiliser aujourd'hui - pour les entreprises (2/3). Lors de la création d'une liste complète, j'ai trouvé qu'elle devenait trop longue et déroutante, j'ai donc décidé qu'il serait plus facile de diviser la liste entière en 2 parties, pour en faciliter la perception.
→
En savoir plus7. La liste des outils d'intelligence artificielle que vous pouvez utiliser aujourd'hui concerne une industrie spécifique (3/3). La dernière pièce du puzzle est la partie 3. Voici un aperçu des entreprises de l'industrie qui utilisent diverses formes d'intelligence artificielle pour résoudre des tâches vraiment intéressantes et spécifiques pour différents marchés.
→
En savoir plus8. Travaillez avec les données d'une nouvelle manière: Pandas au lieu de SQL. Auparavant, SQL en tant qu'outil était suffisant pour l'analyse de la recherche: récupération rapide des données et rapports préliminaires à ce sujet. Désormais, les données se présentent sous plusieurs formes et ne signifient pas toujours «bases de données relationnelles». Il peut s'agir de fichiers CSV, de texte brut, de parquet, de HDF5 et bien plus encore. C'est là que la bibliothèque Pandas vous aidera.
→
En savoir plus9. Les meilleurs jeux de données pour l'apprentissage automatique et l'analyse des données. L'analyse des données et l'apprentissage automatique nécessitent beaucoup de données. Il serait possible de les assembler vous-même, mais c'est fatigant. Ici, des ensembles de données prêts à l'emploi dans une grande variété de catégories viennent à notre aide.
→
En savoir plus10. Santé et blockchain - contrats intelligents, assurance et chaînes d'approvisionnement. Le tout avec un soupçon d'IA. Il en est résulté des contrats intelligents, des opérateurs
if/then programmables, qui pourraient être mis en œuvre sur le réseau blockchain. Cela vous permettra de calculer et d'exécuter rapidement et efficacement des décisions avec des données stockées sans avoir besoin d'un traitement humain.
→
En savoir plus11. Comment développer de grandes compétences pour les assistants vocaux en 2019. Acceptez les bonnes techniques pour commencer à développer votre prochaine compétence en examinant quelques éléments clés des interfaces vocales et de l'expérience utilisateur.
→
En savoir plus12. Pourquoi, quand et comment utiliser le multithreading et le multitraitement Python. Le but de ce tutoriel est d'expliquer pourquoi le multithreading et le multiprocessing sont nécessaires en Python, quand les utiliser l'un par-dessus l'autre et comment les utiliser dans vos programmes.
→
En savoir plus13. Un modèle transversal pour l'analyse et la prévision des données à l'aide de Python dans les données tabulaires SAP HANA. Ce blog vous aide à vous connecter à la base de données SAP HANA (version 1.0 SPS12), puis à extraire les données de la table / vue HANA et à analyser les données à l'aide de la bibliothèque Python Pandas.
→
En savoir plus14. Démystification de l'architecture des réseaux à mémoire à court terme (LSTM). Nous utilisons une mémoire à accès aléatoire à long terme (LSTM) et une unité récurrente fermée (GRU), qui sont des solutions très efficaces au problème du gradient de fuite, et elles permettent à un réseau de neurones de capturer des dépendances beaucoup plus éloignées.
→
En savoir plus15. Détection de véhicule en temps réel à 50 images par seconde sur un GPU AMD. Ici, nous nous concentrons sur les modèles de détection d'objets d'apprentissage en profondeur en raison de leur précision supérieure.
→
En savoir plus16. Présentation des méthodes de classification dans l'apprentissage automatique à l'aide de Scikit-Learn. Il existe de nombreuses bibliothèques écrites pour l'apprentissage automatique en Python. Aujourd'hui, nous allons examiner l'un des plus populaires - Scikit-Learn. Scikit-Learn simplifie le processus de création d'un classificateur et aide à mettre en évidence plus clairement les concepts de l'apprentissage automatique, en les réalisant avec une bibliothèque compréhensible, bien documentée et fiable.
→
En savoir plus17. Introduction à la criminalistique. La criminalistique informatique (criminalistique) est une science appliquée sur la divulgation des délits liés aux informations informatiques, l'étude des preuves numériques, les méthodes de recherche, d'obtention et de sécurisation de ces preuves.
→
En savoir plus18. L'intelligence artificielle en pratique: nous créons un système expert pour la préparation du barbecue. Cela ressemble à ceci: le système pose une série de questions et les questions suivantes dépendent des réponses reçues. Ensuite, le système tire une conclusion et montre toute la chaîne de raisonnement qui y a conduit. C'est-à-dire que les connaissances et l'expérience de l'expert sont reproduites, et ce qui est tout aussi important, le cours même de son raisonnement est reproduit.
→
En savoir plus19. Implémentation et analyse de l'algorithme de forêt aléatoire en Python. Dans cet article, nous allons apprendre à créer et à utiliser l'algorithme Random Forest en Python. En plus de l'étude directe du code, nous tenterons de comprendre les principes du modèle. Cet algorithme est composé de nombreux arbres de décision, nous allons donc d'abord déterminer comment un tel arbre résout le problème de classification. Après cela, en utilisant un algorithme, nous résolvons le problème en utilisant un ensemble de données scientifiques réelles. Tout le code utilisé dans cet article est disponible sur GitHub dans le bloc-notes Jupyter.
→
En savoir plus20. Human in the Loop: comment réduire les ressources pour le balisage de données. L'utilisation de l'apprentissage en profondeur et de grandes données étiquetées permet de simuler avec précision le spectre de divers phénomènes. Le balisage de données est un processus gourmand en ressources et les données non étiquetées ne sont pas toujours dans le domaine public.
→
En savoir plus21. Les Simpsons ont reçu la visualisation des données. Naturellement, quand j'ai découvert que je pouvais télécharger tous les scénarios d'épisode que je pouvais vouloir (via kaggle), je savais ce que je devais faire. Ayant accès à tout ce que Homer a jamais dit, je n'ai pas pu résister à mettre mon chapeau à un chercheur de données pour exprimer quelques idées de l'une des émissions de télévision animées les plus frappantes des trois dernières décennies.
→
En savoir plus22. Comment les débutants peuvent-ils créer des visualisations de données intéressantes? Pour les analystes de données, la visualisation est toujours une recherche intemporelle, car elle nous révèle les lois qui sous-tendent les données.
→
En savoir plus23. Configurez les alertes automatiques AWS Lambda Data Pipeline.
→
En savoir plus24. Un outil de formation moderne et complet pour la reconnaissance d'image. Classification multiclasse rapide des images à l'aide des bibliothèques fastai et PyTorch
→
En savoir plus25. Adaptation du domaine profond en vision par ordinateur. Au cours de la dernière décennie, le domaine de la vision par ordinateur a connu un énorme succès. Ces progrès sont principalement dus à l'efficacité indéniable des réseaux de neurones convolutifs (CNN). CNN vous permet de faire des prédictions très précises si elles sont entraînées à l'aide de données d'entraînement annotées de haute qualité.
→
En savoir plus26. Optimisation du réseau neuronal. Couverture de l'optimiseur, élan, vitesses d'apprentissage adaptatives, normalisation par lots, etc.
→
En savoir plus27. Solutions algorithmiques de biais algorithmique: guide technique. Je veux parler d'approches techniques pour atténuer le biais algorithmique.
→
En savoir plus28. Conception informatique suggestive. Faciliter la conception grâce à l'apprentissage automatique.
→
En savoir plus29. Génération de jeux de données: création de miniatures à l'aide du GAN. Les données sont le fondement de nos modèles ML et DL. Nous ne pouvons pas créer de programmes solides si nous ne disposons pas d'un ensemble de données approprié pour les algorithmes de formation.
→
En savoir plusQui n'a pas lu mon résumé de nouvelles pour juin,
laissez un lien .
Sur ce, notre court résumé a pris fin. Ajoutez des signets, partagez avec vos collègues, tirez des conclusions et travaillez de manière productive. Sur une base continue, ce condensé est publié dans la
chaîne de télégramme Neuron (@neurondata) et abonnez-vous à Habré, ne manquez pas les résumés suivants.
Toutes les connaissances!