Последние статьи по науке о данных — алгоритмически отобранные, ранжированные и обобщенные специально для вас.
Новости Flash – это еженедельная публикация, в которой публикуются самые важные новости по определенной теме. Истории отбираются алгоритмически, оцениваются по качеству и ранжируются, чтобы вы могли оставаться в курсе самых важных событий. Кроме того, наиболее важные предложения для каждой истории извлекаются и отображаются в виде основных моментов, чтобы вы могли понять, о чем каждая история. Если вам нужна дополнительная информация по определенной истории, просто нажмите на нее, чтобы прочитать всю статью.
Вы можете просмотреть другие темы, которые у нас есть в новостях, доступных для здесь, и зарегистрироваться, чтобы получать все, что вас интересует.
Искусственный интеллект: Шпаргалка
Особенности:
- Существует множество программных платформ искусственного интеллекта и машин с искусственным интеллектом, предназначенных для выполнения всей этой тяжелой работы, и результаты трансформируют бизнес: то, что раньше было недоступно для небольших организаций, теперь возможно, и предприятия любого размера могут максимально эффективно использовать каждый ресурс. используя искусственный интеллект для проектирования идеального будущего.
- Аналитика может быть восходящей звездой бизнес-ИИ, но вряд ли это единственное применение искусственного интеллекта в коммерческом и промышленном мире.
- AWS предлагает готовые алгоритмы, обучение машинному обучению одним щелчком мыши и обучающие инструменты для разработчиков, начинающих работу или расширяющих свои знания в области разработки ИИ.
- Watson — это облачная версия машинного обучения и бизнес-ИИ от IBM, но она идет немного дальше и предлагает больше возможностей для ИИ.
- Как ранее сообщал TechRepublic, поиск сотрудников с нужным набором навыков в области искусственного интеллекта — это проблема, на которую чаще всего ссылаются организации, желающие начать работу с искусственным интеллектом.
7 стартапов, которые встряхивают ирландскую сцену науки о данных
Особенности:
- От оптимизации результатов спортсменов до разработки прогнозной аналитики для общественного транспорта — мы собрали некоторые из самых интересных стартапов в области науки о данных со всей страны.
- А поскольку это Неделя науки о данных на Siliconrepublic.com, имеет смысл взглянуть только на некоторых из самых интересных игроков, появляющихся на сцене науки о данных в Ирландии, с особым вниманием к западному побережью.
- Клиентами компании являются глобальные бренды и транснациональные корпорации в Ирландии и Великобритании, а фирма также участвует в проектах по анализу данных в Китае и США.
- Эберле, О’Рейли и Уилан объединяют миры спортивной науки, инженерии и науки о данных, чтобы создать научно обоснованные носимые технологии, которые могут изменить то, как тренеры оптимизируют работу своих спортсменов.
- Основатели стартапа также создали Big Data Belfast, одно из ведущих событий в области данных и технологий на острове Ирландия.
Продуманное использование искусственного интеллекта в науках о Земле
Особенности:
- Методы искусственного интеллекта (ИИ) стали полезными инструментами во многих областях науки о Земле (например, в моделях климата, предсказании погоды, гидрологии, космической погоде и твердой Земле).
- Область науки о данных, основанная на теории, исследует способы, с помощью которых ИИ и научные знания могут быть объединены в гибридные алгоритмы, которые объединяют лучшее из обоих миров. гибридные алгоритмы, объединяющие лучшее из обоих миров Karpatne et al., 2017.
- Существует огромная потребность в разработке руководящих принципов и передового опыта для подготовки будущих специалистов в области наук о Земле к инновационным междисциплинарным исследованиям, объединяющим науку о Земле и ИИ. как спонсируемая Национальным научным фондом Координационная сеть исследований EarthCube IS-GEO: исследования интеллектуальных систем для поддержки наук о Земле.
- Увеличение числа сессий (например, координируемых секцией информатики наук о Земле и космосе AGU), семинаров (например, информатика климата) и конференций (например, конференция Американского метеорологического общества по искусственному интеллекту для наук об окружающей среде), посвященных исследованиям ИИ на Земле. наука обнадеживает, но по-прежнему существует большая потребность в дополнительных мероприятиях, в которых одновременно участвуют исследователи наук о Земле и ИИ и наводят мосты между этими сообществами.
- Многие учреждения начинают включать курсы по науке о данных и искусственному интеллекту в свои учебные программы (например, Корнельский институт вычислительной устойчивости и программы стажировок Национального научного фонда в Чикагском университете, Калифорнийском университете в Беркли и Северо-Западном университете).
Geospark Analytics использует ИИ для оценки рисков и эффективного принятия решений
Особенности:
- С помощью машинного обучения и искусственного интеллекта компания анализирует данные, определяет, что важно, а что нет, и предоставляет действенную информацию, которая позволяет клиентам принимать обоснованные решения.
- Geospark Analytics, стартап из Вашингтона, округ Колумбия, был основан в 2017 году с целью помочь организациям избежать рисков и принимать решения на основе высокоточных данных.
- Компания геотегирует все собираемые данные, классифицирует их с помощью моделей машинного обучения и, используя данные, оценивает уровни активности и стабильности.
- Geospark Analytics недавно подписала соглашение с Twitter, расширяя свою платформу Hyperion с помощью гиперсфокусированных критических событий в реальном времени, что еще больше укрепляет ее модели машинного обучения и искусственного интеллекта.
- Hyperion использует искусственный интеллект и машинное обучение для сбора автоматизированной информации о рисках и угрозах, собирая огромные объемы данных, определяя, что имеет значение, и предоставляя пользователям потоковые оценки и оповещения.
Стартап в области здравоохранения Doc.ai объявляет о новом цифровом испытании и предлагает план изменения отрасли здравоохранения стоимостью 3,5 триллиона долларов
Особенности:
- Платформа Doc.ai позволяет исследователям получать больше данных о пациентах из все более разнообразных наборов данных и обрабатывать данные с помощью передового ИИ для выявления важных корреляций, причинно-следственных связей или выводов.
- По сравнению с централизованным подходом, использующим машинное обучение в облаке, федеративное обучение децентрализует обработку данных на конечных устройствах, таких как мобильный телефон.
- Федеративное обучение окажет глубокое влияние на искусственный интеллект, машинное обучение, периферийные вычисления и так или иначе повлияет практически на все отрасли.
- Это будет важно для любого поставщика технологий, который обрабатывает данные или хочет добавить ИИ и машинное обучение в свои продукты и услуги.
- Независимо от того, рассматриваете ли вы последствия с правами потребителей на данные, искусственным интеллектом, федеративным обучением или силой данных, вы должны понимать, как это объявление может оказать значительное влияние на вашу жизнь, вашу работу или вашу отрасль.
Facebook тихо открыл исходный код некоторых удивительных возможностей глубокого обучения для PyTorch
Особенности:
- В течение многих лет Facebook основывал свою работу по глубокому обучению на сочетании PyTorch и Caffe2 и выделял много ресурсов для поддержки стека PyTorch и сообщества разработчиков.
- Неудивительно, что сообщество исследователей искусственного интеллекта (ИИ) начало использовать PyTorch в качестве одного из предпочтительных стеков для экспериментов с новыми методами глубокого обучения.
- Crypten включает в себя методы обеспечения безопасности и конфиденциальности данных, являясь неотъемлемой частью моделей машинного обучения, что позволяет исследователям использовать эти методы без необходимости становиться экспертом в области криптографии.
- Разработчики также могут использовать Captum для улучшения моделей и устранения неполадок, упрощая идентификацию различных функций, влияющих на выходные данные модели, чтобы разрабатывать более совершенные модели и устранять неполадки в неожиданных выходных данных моделей.
- Такие проекты, как Captum, Detectron2 и Crypten, дополняют основной стек PyTorch и помогают преодолеть разрыв между исследовательскими и производственными системами глубокого обучения.
Расцвет метаобучения
Особенности:
- Термин «мета-обучение» используется в литературе по глубокому обучению, часто ссылаясь на «AutoML», «обучение за несколько шагов» или «поиск нейронной архитектуры», когда речь идет об автоматизированном проектировании архитектур нейронных сетей.
- Несмотря на использование обучения с подкреплением для обучения одного агента по сравнению с обучением на основе популяции для адаптации группы агентов, POET и автоматическая рандомизация доменов очень похожи.
- Расширение данных легче всего понять в контексте данных изображения, хотя мы уже видели, как физические данные также могут быть дополнены и рандомизированы.
- Поиск нейронной архитектуры использовал широкий спектр алгоритмов для поиска архитектур, случайного поиска, поиска по сетке, байесовской оптимизации, нейроэволюции, обучения с подкреплением и дифференциального поиска.
- Эта парадигма, описанная в AI-GA Джеффа Клуна, алгоритмов, которые содержат архитектуры метаобучения, метаобучение самих алгоритмов обучения и создание эффективной среды обучения, открывает огромные возможности для развития глубокого обучения и искусственного интеллекта.
Торгуйте и инвестируйте с умом — способ обучения с подкреплением
Особенности:
- Под капотом фреймворк использует множество API-интерфейсов из существующих библиотек машинного обучения для поддержки высококачественных конвейеров данных и моделей обучения.
- Обучение с подкреплением (RL) — это область машинного обучения, связанная с тем, как программные агенты должны выполнять действия в среде, чтобы максимизировать некоторое понятие кумулятивного вознаграждения.
- Хотя рекомендуемым вариантом использования является подключение торговой среды к торговой стратегии, вы, очевидно, можете использовать торговую среду отдельно, так же, как в противном случае вы использовали бы среду тренажерного зала.
- В этом примере мы будем использовать библиотеку Stable Baselines, чтобы предоставить обучающие агенты для нашей торговой стратегии, однако платформа TensorTrade совместима со многими библиотеками обучения с подкреплением, такими как Tensorforce, RLLib Ray, Baselines OpenAI, Intel Coach или чем-то еще из Линия TensorFlow, такая как агенты TF.
- TradingEnvironment — это среда тренажерного зала, которая принимает InstrumentExchange, ActionStrategy, RewardStrategy и необязательный FeaturePipeline и возвращает наблюдения и вознаграждения, на которых обучающийся агент может обучаться и оцениваться.
Произведено и спонсировано:
