Лого vc.ru

Google запустила сайт AI Experiments, пользователи которого могут поэкспериментировать с нейронными сетями

Google запустила сайт AI Experiments, пользователи которого могут поэкспериментировать с нейронными сетями

Компания Google представила проект AI Experiments, в котором любой пользователь может поработать с нейросетями и алгоритмами машинного обучения, узнать, что они умеют делать и как «видят» предоставленные им данные, а также поделиться своими наработками в этой области.

По мнению разработчиков, сервис поможет пользователям разобраться, как работают основные алгоритмы машинного обучения. Кроме того, проект будет полезен сообществу разработчиков — код любого «эксперимента» можно скачать и изучить самостоятельно. Также у разработчиков есть возможность разместить на сайте свой собственный алгоритм — чтобы получить обратную связь или обучить алгоритм.

Сейчас на сайте можно опробовать работу восьми алгоритмов. Один из них, например, определяет, что нарисовал пользователь. Нейросеть распознаёт как простые объекты (круг, чашка, банан), так и более сложные — например, изображения животных.

Другой алгоритм распознаёт предметы на снимках. Ещё один — не только распознаёт предметы, но и предлагает перевод их названий на заданный язык.

Ещё один «эксперимент», размещённый на сайте, распознаёт щебетание птиц и определяет, к какому виду относится пернатое.

Присылайте свои колонки о том, как изменится наш мир, на future@vc.ru.

Теги
Статьи по теме
Бум нейросетей: Кто делает нейронные сети, зачем они нужны и сколько денег могут приносить

Опа, а вот это интересно. Надо заценить на досуге.

Офигеть
Реально круто, что свои алгоритмы можно добавлять

Гугл вообще красавчики — делают множество технологических плюшек, те же Guava, TensorFlow, которые позволяют стартапам и сторонним разработчикам пользоваться плодами огромного труда и ресурсов, который корпорация вложила в эти технологии. Что, по сути, серьёзно снижает порог вхождения и повышает шансы сделать что-то стоящее на базе AI.

Полезно! На Udacity есть отличный бесплатный курс по Deep Learning / TensorFlow от Гугла — всем интересующимся темой горячо рекомендую:

classroom.udacity.com/courses/ud730

Если честно, курс ужасный, один из самых плохих на Юдасити, из примерно 5 которые я смотрел.

Тем кто начинает разбираться в теме я бы рекомендовал Эндрю Нг
как вводный в ML с хорошей секцией по сеткам
www.coursera.org/learn/machine-learning

И потом лекции Карпатного в стенфорде
www.youtube.com/channel/UC2__PIf36huAgKFumlOIs6A
cs231n.stanford.edu/

Лекции очень круты тем что читались в начале этого года и освещают последние достижения в обучении сеток в плоть до декабря прошлого.

Требование к математике не очень высокие - нужно понимать что такое дифференцирование и уметь дифференцировать несложные функции + операции с матрицами. Но это нужно любому человеку который пытается в сетках разобраться.

0

Мне, чисто субъективно, курс понравился. Для меня главная фича — упор на практику и подготовленные IPython-ноутбуки, где можно сразу тыкать, экспериментировать и смотреть, что получается.

Но честно признаться — с одного курса всё сразу в голове не взлетит. Стоит держать себя в теме, постоянно читать/смотреть/экспериментировать/применять и тогда, постепенно, нарастает в голове мышление, связанное с машинным обучением.

Спасибо за ссылки на другие курсы — обязательно их посмотрю.

0

У меня просто документация TF туго шла и я решил глянуть для раскачки.

И меня поразило количество недоговоренностей и оборванных мыслей в этом курсе, при том что весь материал по сути я уже знал.

Я не претендую на истину в первой инстанции, но написал просто чтобы если кто-то прочитал ваш комментарий, был бы шанс передумать)

У вас типичная ситуация, когда курс уровнем ниже, чем ваша текущая база знаний в голове. Там совсем уж базовые вещи объясняются буквально на пальцах для тех, кто только только начинает вникать в машинобуч.

Универсально хороших курсов я не видел (хотя бывают универсально плохие) — начиная от личного восприятия спикера, какой кому темп подходит, уровень знания английского, уровень как по математике, так и по технологиям — в общем стоит потыкаться во все курсы и не бояться переключаться, если совсем не подходит.

Вспомнил про обзор различных курсов на Хабре, совсем свежий ещё: habrahabr.ru/company/npl/blog/311812/

0

Первая больше похожа на кактус, чем на кота, всё правильно.

Это больше нужно Гуглу - бесплатное обучение нами его алгоритма

0

Вот вы сейчас одним комментарием поставили под угрозу работу кучи специалистов в области Strong AI.

Прямой эфир
Компания отказалась от email
в пользу общения при помощи мемов
Подписаться на push-уведомления