На этой неделе в курсах искусственного интеллекта и машинного обучения: маркировка компьютерного зрения, машинное обучение для лучших сообществ, fastai, день разработчиков PyTorch, tinyML и многое другое!

Прежде чем мы перейдем к новостям и обновлениям инструментов разработчика, я хотел быстро продемонстрировать нашу новую функцию интеллектуального выбора многоугольника в нашем инструменте Sense Data Annotation, чтобы упростить маркировку для компьютерного зрения!

Sense Data Annotation поддерживает общие схемы меток (прямоугольники, многоугольники, точки, характерные точки и классификацию) и экспорт во все основные форматы меток (COCO, CreateML, VOC Pascal, YOLO и JSON). Наши функции упрощают создание собственного набора данных для компьютерного зрения.

Подпишитесь на 30-дневную бесплатную пробную версию и поделитесь с нами своим мнением!

Новости искусственного интеллекта:

Использование машинного обучения для выявления токсичного поведения и создания лучших сообществ в играх

Прочтите о том, как Blizzard использует машинное обучение, чтобы решить проблему токсичности в невероятно популярной игре Overwatch. Токсичное поведение в онлайн-играх и сообществах не является чем-то новым, но подход с использованием машинного обучения для проверки отчетов показывает огромный потенциал для создания лучших сообществ. Считаете ли вы, что это хороший подход, или он создаст новые проблемы?

AI камера неоднократно путала лысину с футбольным мячом во время прямой трансляции

В этом «провале машинного обучения» камера AI обучена отслеживать футбольный мяч во время трансляций, чтобы всегда иметь хороший обзор для аудитории, но часто путает лысую голову с мячом и отслеживает его вместо мяча.

К счастью, в этом случае сбой оказался просто забавным, но это отличная иллюстрация того, насколько важно иметь правильные данные в вашем наборе обучающих данных для учета объектов, которые могут встретиться во время живого прогона модели. Попытайтесь подумать о таких крайних случаях, которые могут произойти, прежде чем развертывать модель компьютерного зрения.

Как TinyML делает искусственный интеллект повсеместным

Узнайте, как TinyML революционизирует способ запуска ИИ - не только в облаке или на периферийных устройствах, но и практически в любом месте! Возможность запускать машинное обучение на доступных микроконтроллерах, которые могут поместиться практически в любое устройство, безусловно, откроет гораздо больше возможностей для областей и устройств, чтобы использовать мощь ИИ.

Искусственный интеллект выявляет бессимптомные инфекции COVID-19

Ознакомьтесь с этим уникальным подходом, принятым исследователями из Массачусетского технологического института для потенциального выявления инфекций COVID-19 с помощью машинного обучения и аудиозаписи принудительного кашля.

Инструменты разработчика и образование:

Новый релиз фастая:

Вышла версия 2.1.3 fastai, в которой исправлены ошибки и некоторая поддержка Pytorch 1.7.

AprilTag с Python - Pyimagesearch

Узнайте, как включить April Tags в свои проекты компьютерного зрения.

Sixgill запускает аннотацию сенсорных данных для маркировки компьютерного зрения

Компания Sixgill официально запустила наш инструмент аннотации данных, который упрощает маркировку ваших данных для компьютерного зрения. Проверьте его и подпишитесь на 30-дневную бесплатную пробную версию, чтобы опробовать функции, которые отличают его от других решений для маркировки.

AWS: новинка - инстансы EC2 P4 с графическим процессором для машинного обучения и высокопроизводительных вычислений

Amazon Web Services (AWS) запускает новые очень мощные инстансы P4 с впечатляющими характеристиками.

Предстоящие онлайн-мероприятия в области искусственного интеллекта и обработки данных:

Введение в машинное обучение | 10–5 ноября: 30:00 по тихоокеанскому времени

Присоединяйтесь ко мне, чтобы получить увлекательное введение в машинное обучение и построить модели классификации и регрессии с помощью Python.

День разработчика PyTorch | 12 ноября 2020 г. - 8:00 (тихоокеанское стандартное время)

Pytorch объявляет День разработчика Pytorch!

Введение в компьютерное зрение: как построить модель обнаружения объектов с вашим собственным набором данных | 17–5 ноября: 30:00 по тихоокеанскому времени

Присоединяйтесь ко мне на этом практическом семинаре, чтобы узнать основы построения детектора объектов глубокого обучения и как на практике маркировать свой собственный набор данных.

AWS re: изобретать | 30 ноября - Дед. 18, 2020

AWS re: inventory становится виртуальным и бесплатным в этом году!

Интересные подкасты и интервью:

Чарльз Исбелл: вычисления, интерактивный ИИ и гонки в Америке | Лекс Фридман

Чарльз Исбелл - декан вычислительного колледжа Технологического института Джорджии. В этом разговоре он делится своими мыслями об интерактивном искусственном интеллекте, машинном обучении, вычислениях, музыке и многом другом.

НЛП для инвестирования в акционерный капитал с Фрэнком Чжао | TWiML

Узнайте о пересечении машинного обучения и финансов, обработки естественного языка с текстовыми данными о доходах, конвейеров данных и многого другого.

Известные исследовательские работы:

Некоторые из интересных статей о машинном обучении, опубликованные на этой неделе.

О компании Sixgill:

ООО Сиксгилл предоставляет индивидуальные корпоративные ИИ-решения, комплексное машинное обучение управление жизненным циклом и быструю аннотацию данных для компьютерного зрения.