Машинное обучение

В Кембриджском университете обратили внимание на нестабильность работы алгоритмов, обусловленную малозаметными движениями объектов, структурными изменениями и переменным количеством образцов.

Успех применения технологий машинного обучения в финансовых организациях во многом зависит не только от алгоритмов, адекватных прикладной задаче, но и от качества выбранных моделей, для оценки которых требуются специальные метрики.

Свою систему исследователи из Дармштадтского технического университета назвали «машиной нравственного выбора».

Она предназначена для планирования бюджета, зарплаты, прогнозирования спроса и прочих подобных задач, которые на предприятиях обычно выполняются вручную.

Фейковые новости наносят ущерб предприятиям — под прицелом кампаний по дезинформации могут оказаться любые отрасли. Современные технологии классификации текстов, основанные на машинном обучении, позволяют ускорить и частично автоматизировать процесс отсева фейков.

Аналитики указали пять ключевых областей применения соответствующих технологий, на которые в первую очередь следует обратить внимание специалистам.

TensorFlow Lite Model Maker делает возможным эффективное предоставление прогнозов на устройствах с ограниченными ресурсами.

Облачный сервис на основе глубинного обучения также поддерживает поиск уязвимостей и потенциальных ошибок Java, JavaScript, TypeScript и Python.

В 2020 году в интегрированной среде разработки IntelliJ должны появиться средства совместного редактирования и упрощенный текстовый редактор.

Новый проект Microsoft с открытым кодом ускорит работу фреймворка машинного обучения PyTorch без необходимости переписывания большого количества программного кода.

Применение методов исследования данных в процессах разработки ПО позволяет выиграть в конкурентной борьбе. Например, в программной инженерии получила распространение методика измерения характеристик программного обеспечения, однако без средств автоматизации невозможно разобраться в огромных массивах получаемых с помощью этой методики данных и учесть все их взаимозависимости.

Планы Apple в отношении Swift 6 предусматривают появление новых эффективных и удобных API, а также использование накопленного опыта разработки.

Технологии машинного обучения открывают новые перспективы для развития Интернета вещей, однако несут с собой и новые угрозы: создание индивидуальных образцов вредоносного ПО, формирование фейковых событий, появление цифровых двойников реальных законопослушных пользователей и пр. Интернет вещей стал лакомой добычей хакеров и источником новых угроз. Как в таких условиях минимизировать риски потери надежности систем Интернета вещей и какие использовать стандарты обеспечения безопасности?

Сергей Алешкин, руководитель по Data Science страховой компании «РЕСО-Гарантия» и номинант премии CDO Award, — об опыте повышения эффективности кросс-продаж страховых полисов.

Преимущество новой библиотеки, созданной в Facebook, видят в ее нативности для Python, языка, который наиболее широко применяется для задач машинного обучения.

Докладчики форума познакомят слушателей с новейшими разработками в сфере интеллектуальной аналитики и машинного обучения, с отраслевыми подходами к цифровой трансформации на основе данных, к построению data-driven-бизнеса и моделей монетизации данных.

А по данным SuperJob, 15% родителей хотят отдать ребенка в киберспорт.

Сотрудничество c компанией «Неофлекс» позволит Саратовскому национальному исследовательскому государственному университету им. Н.Г. Чернышевского отслеживать меняющиеся требования ИТ-компаний к специалистам и корректировать образовательные программы под быстро меняющийся рынок информационных технологий.

Основой сервиса, сопровождаемого услугами поддержки, стал фреймворк с открытым кодом Google TensorFlow.

В настоящее время для инференса наиболее широко используются чипы Intel, тогда как Nvidia господствует в секторе процессоров, применяемых для обучения.