Машинное обучение

В преддверии конференции «Технологии машинного обучения 2018» Валерий Бабушкин, начальник управления развития данных X5 Retail Group, рассказывает о прикладных задачах, которые в компании решают с помощью таких технологий

Цель конкурса — поиск способов использования технологий машинного обучения для повышения эффективности нефтедобычи и формирование команды проекта по созданию интеллектуальной системы разработки месторождений компании «Газпром нефть».

Эффективное применение технологий машинного обучения для работы с текстами невозможно без средств предварительного семантического анализа, которые в будущем должны использоваться при подготовке и разметке обучающих выборок.

Успех проектов машинного обучения в промышленности определяется множеством факторов, учет которых позволит оптимизировать распределение ресурсов и на ранних этапах исключить проекты, не приносящие экономической выгоды.

Новый сервис дает возможность пользователю управлять потоками информации: например, можно отписаться от рассылки со спецпредложениями и удалить все маркетинговые письма, сохранив важные сообщения.

Вместе с экспертами Всемирного экономического форума в консалтинговой компании Deloitte проанализировали, как технологии искусственного интеллекта могут повлиять на финансовый мир.

Учащиеся 8-11 классов смогут пройти бесплатное обучение по трем направлениям: «Алгоритмы и структуры данных»; «Машинное и глубинное обучение»; «Олимпиадная математика».

Его можно применять, в частности, для диагностики заболеваний по медицинским снимкам без раскрытия их содержания провайдеру облачных сервисов.

Поддержка инновационных технологий, включая искусственный интеллект, машинное обучение и блокчейн, сделают финансовую систему страны более гибкой и конкурентоспособной.

В компании ожидают, что интеллектуальные технологии принесут только сети «М.Видео» дополнительных 800 млн руб. по итогам 2018 года и до пяти млрд руб. через пять лет.

Традиционные средства автоматизации молекулярной инженерии на базе нотации SMILES для обозначения атомов и связей между ними отличаются низкой эффективностью.

Созданная в МТИ нейронная сеть справляется с распознаванием жанров и слов не хуже людей. Примечательно, что ошибки компьютер делал на тех же фрагментах, на которых чаще всего ошибался и человек.

В системе используются видеоадаптеры Nvidia Tesla P100, библиотека функций для работы с нейросетями cuDNN и фреймворк глубинного обучения TensorFlow.

Традиционные средства автоматизации молекулярной инженерии на базе нотации SMILES для обозначения атомов и связей между ними отличаются низкой эффективностью.

Система запоминает, какими приложениями вы пользуетесь реже, и сильнее ограничивает их активность в фоновом режиме для экономии батареи; интеллект также используется для адаптивной настройки яркости экрана.

В MIT Media Lab разработали модель машинного обучения, способную интерпретировать эмоции с учетом различий, связанных с культурной, гендерной принадлежностью, возрастной группой и другими особенностями.

В Microsoft рассчитывают избавить пользователей от неожиданных и досадных перерывов в работе на время перезагрузки при обновлении ОС.

Проект поддержали ведущие мировые ученые в области квантовой физики, например, профессор Гарвардского университета Михаил Лукин, команда которого в 2017 году создала один из самых мощных квантовых компьютеров в 51 кубит.

Для приложения, которое распознает качество теста пиццы, на платформе Dbrain было размечено более 50 тыс. фотографий пиццы, сделанных с разных ракурсов.

Исследователи подключили к Raspberry Pi через обычную звуковую карту токоизмеритель и развернули на микрокомпьютере нейросеть, анализирующую, насколько опасны колебания тока в розетке.