Нейронные сети
Лучший способ узнать будущее - создать его самостоятельно.
Лучший способ узнать будущее - создать его самостоятельно.
Для начинающих
Вы не поверите, но нейронные сети отгадывают что нарисовано на картинке лучше чем человек! Нейронные сети используются для распознавания лиц, почерка, отпечатков пальцев и т.д.
С помощью специальных рекуррентных нейронных сетей, уже создали много потрясающих чат-ботов, которые с легкостью могут поговорить с тобой на разные темы.
Также нейронные сети используют для того чтобы прогнозировать совсем случайные вещи. Например, рост или убывание курсов валют, предсказание результатов выборов, анализ опросов, предсказание динамики рейтингов и т.д.
Вы слышали о машинах и самолетах, которые сами летают и не требуют вмешательства водителя? Именно с помощью нейронных сетей создали программу, которая может без ошибок управлять транспортным средством.
Сейчас стало очень популярно показывать силу и мощь нейронных сетей создавая ботов для разных игр. И это работает! Нейронная сеть компании Google поставила много мировых рекордов в играх Atari.
Как вы знаете, поставить точный диагноз больному человеку довольно-таки сложно. Но и тут на помощь пришла нейронная сеть. Нейронная сеть анализирует состояние человека и выводит точный диагноз больного.
Для любителей
Стэнфордский университет
Этот курс (CS229) - преподаваемый профессором Эндрю Нг - обеспечивает широкое введение в машинное обучение и распознавание статистических моделей. Темы включают контролируемое обучение, неконтролируемое обучение, теорию обучения, обучение подкреплению и адаптивный контроль. Также обсуждаются последние применения машинного обучения, такие как роботизированный контроль, интеллектуальный анализ данных, автономная навигация, биоинформатика, распознавание речи и обработка текстовых и веб-данных.
Университет Торонто
Узнайте об искусственных нейронных сетях и о том, как они используются для машинного обучения, для распознавания речи и объектов, сегментации изображений, моделированию языка и движению человека. Мы будем подчеркивать как основные алгоритмы, так и практические трюки, необходимые для получения хорошо обученых нейронных сетей.
Этот курс содержит тот же контент, который был представлен на Coursera, начиная с 2013 года. Это не продолжение или обновление исходного курса. Он был адаптирован для новой платформы.
Пожалуйста, имейте в виду, что курс подходит для ученика среднего уровня - будет удобно с исчислением и с опытом программирования на языке Python.
Веб-сайт iamtrask.github.io
Я лучше всего учусь чему-то с помощью игрушки, с которой я могу играть. Эта статья учит методу обратному распространению ошибки с помощью очень простой игры на Python. Приятного чтения!
Глава Facebook по исследованиям ИИ Янь Лекун
Технологические гиганты, такие как Facebook, Google, Microsoft и IBM считают, что в скором времени ИИ будет следующим по популярности после мобильных устройств. Поэтому для ускорения прогресса в этой области Facebook хочет расширить сообщество компаний, знающих и применяющих искусственный интеллект в своей работе.
Facebook публикует свои исследования в области искусственного интеллекта и машинного обучения, выступает на конференциях, делает свое программное обеспечение open sourse проектами, и всё это ради разоблачения мифов об ИИ и ускорения его развития. Сегодня, например, в своем блоге компания выпустила шесть коротких видео, призванных помочь разработчикам, ученым и простым людям разобраться в наиболее важных аспектах искусственного интеллекта.
Веб-сайт habrahabr.ru
Всем привет. В этот раз мы попытаемся разобраться с нейронными сетями без биологии и за 1 день.
Школа анализа данных. Яндекс
Курс от Школы Анализа Данных Яндекса, созданный в 2014 году и посвященный теоретическим основам реализации алгоритмов машинного обучения, и сопровождаемый реальными практическими примерами. Каждая ключевая тема выделена в отдельную лекцию и основательно разобрана.
В ходе курса рассматриваются различные методы классификации, основы нейронных сетей и методы их обучения.
Лектор: Константин Вячеславович Воронцов, старший научный сотрудник Вычислительного центра РАН. Заместитель директора по науке ЗАО «Форексис». Заместитель заведующего кафедрой «Интеллектуальные системы» ФУПМ МФТИ. Доцент кафедры «Математические методы прогнозирования» ВМК МГУ. Эксперт компании «Яндекс». Доктор физико-математических наук.
Вашингтонский университет
Эта специализация ведущих исследователей из Вашингтонского университета ознакомит вас с интересной областью машинного обучения с высоким спросом. Посредством серии практических исследований вы получите прикладной опыт в основных областях машинного обучения, включая прогнозирование, классификацию, кластеризацию и информационный поиск. Вы научитесь анализировать большие и сложные наборы данных, создавать системы, которые будут адаптироваться и улучшаться с течением времени, и создавать интеллектуальные приложения, которые могут делать прогнозы из данных.
Если тебе это интересно, и ты хочешь быть в тренде новостей,
нажми на кнопку ниже.
Для профессионалов
Что-то не ясно?
Если у тебя возникли вопросы насчёт нейронных сетей, ты можешь отправить нам письмо и мы обязательно тебе поможем.
Заполни форму ниже и нажми кнопку "Отправить".