Последние статьи в области науки о данных - алгоритмически отобранные, ранжированные и обобщенные специально для вас.

News Flash - это еженедельное издание, в котором публикуются основные новости по определенной теме. Истории алгоритмически подбираются, 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 конкретной истории, просто нажмите на нее, чтобы прочитать всю статью.

Вы можете увидеть другие темы, которые у нас есть, для новостей, доступные здесь, и подписаться на рассылку новостей, которые вас интересуют.

6 критериев выбора подходящего хранилища данных AI

Особенности:

  • Но перед покупкой хранилища данных AI организация должна рассмотреть ряд требований, основанных на том, как данные собираются, обрабатываются и сохраняются платформами машинного обучения.
  • Я уже подчеркивал необходимость сбора, хранения и обработки больших объемов данных для создания моделей машинного обучения или искусственного интеллекта.
  • Алгоритмы машинного обучения и искусственного интеллекта обрабатывают данные параллельно, выполняя несколько задач, которые могут считывать одни и те же данные несколько раз и для множества параллельных задач.
  • Использование инструментов машинного обучения в общедоступном облаке снижает капитальные затраты на создание инфраструктуры для разработки машинного обучения, предлагая при этом возможность масштабирования инфраструктуры, необходимой для разработки моделей машинного обучения.
  • Создание хранилища данных искусственного интеллекта может быть трудным, поскольку необходимо учитывать дополнительные факторы для сетей хранения и настройки хранилища для работы с приложениями машинного обучения.

Возникновение этических проблем в применении искусственного интеллекта в области медицины

Особенности:

  • Машинное обучение - это алгоритм прогнозирования, в котором будут предоставлены входные данные, а машинное обучение предоставит выходные результаты посредством автоматического обучения.
  • Машинное обучение и глубокое обучение часто неправильно понимают как революционный метод, хотя он остается сложным методом анализа данных.
  • Врачи, использующие системы автоматического обучения, могут лучше узнать об их конструкции, наборах данных, на которых они построены, и их ограничениях.
  • И наоборот, правильно развернутые системы автоматического обучения могут помочь устранить диспропорции в оказании медицинской помощи путем компенсации известных предубеждений или выявления областей, в которых необходимы дополнительные исследования, чтобы сбалансировать базовые данные.
  • В связи с постоянно растущим числом публикаций в области биомедицины исследователи все чаще обращаются к ИИ для анализа этих данных и выявления перспективных областей исследований.

Подвергнет ли искусственный интеллект ядерному сдерживанию? - Война на камнях

Особенности:

  • Беспокойство по поводу искусственного интеллекта породило «Со скрещенными руками» Джека Уильямсона, Neuromancer Уильяма Гибсона, Ex Machina Алекса Гарланда и «Westworld» Джонатана Нолана и Лизы Джой.
  • Некоторые предупреждали, что достижения в области искусственного интеллекта могут подорвать фундаментальную логику ядерного сдерживания, позволяя наносить ответные удары по ранее скрытым и мобильным ядерным силам.
  • В то время как новые технологии и ядерные силы могут взаимодействовать, чтобы изменить динамику стратегического соперничества, ИИ сам по себе не уменьшит сдерживающую ценность сегодняшних ядерных сил.
  • Плохие данные и технологические ограничения ограничивают влияние ИИ на фундаментальную логику ядерного сдерживания, а также на другие наборы проблем, требующие почти идеального уровня уверенности.
  • В то время как ошибочные парадигмы поддерживают ошибочные ожидания относительно воздействия ИИ, плохие данные и технологические ограничения ограничивают его влияние на фундаментальную логику ядерного сдерживания.

5 отличий машинного обучения от статистического моделирования

Особенности:

  • Объем данных, доступных для задач Data Science, обычно на много больше, чем размер выборки, используемый в большинстве исследований.
  • Большинство статистических тестов предполагают нормальное распределение в результате центральной предельной теоремы, модели машинного обучения могут работать со всеми видами распределений.
  • Однако большинство моделей машинного обучения полагаются на генераторы случайных чисел при построении моделей, разделении данных или генерации случайных распределений.
  • Это означает, что одни и те же типы моделей машинного обучения (даже нейронные сети) могут давать немного разные результаты при обучении на одних и тех же данных.
  • Моделям машинного обучения обычно не хватает прозрачности, они могут давать разные результаты при многократном обучении на одних и тех же данных, скорее всего, обнаружат некоторые смещения из набора данных, и их необходимо постоянно поддерживать и обновлять новыми данными, чтобы оставаться полезными.

Ковбои, занимающиеся наукой о данных, усугубляют проблему ИИ и аналитики

Особенности:

  • Доктор Скотт Золди, главный специалист по аналитике компании FICO, занимающейся аналитическим программным обеспечением, объясняет, как ковбои в области науки о данных усугубляют проблему ИИ и аналитики.
  • Ковбои в области науки о данных и гражданские специалисты по данным - самое большое препятствие для ваших амбиций в области искусственного интеллекта и аналитики?
  • Ниже д-р Скотт Золди, главный специалист по аналитике компании FICO, занимающейся аналитическим программным обеспечением, объясняет Information Age, почему ковбои в области науки о данных и гражданские специалисты по данным могут привести к катастрофическим сбоям в бизнес-амбициях в области искусственного интеллекта и аналитики.
  • Первый не имеет подготовки по науке о данных, но использует аналитические инструменты и методы для внедрения аналитики в свой бизнес; у последнего есть подготовка по науке о данных, но пренебрегает правильным способом работы с ИИ.
  • Сегодняшняя угроза искусственного интеллекта проистекает из усилий как гражданских специалистов по анализу данных, так и ковбоев специалистов по анализу данных по приручению сложных алгоритмов машинного обучения для достижения бизнес-результатов.

Искусственный интеллект и здравоохранение: наши развивающиеся отношения с медициной - Legal Reader

Особенности:

  • Поэтому неудивительно, что здравоохранение входит в число областей, наиболее подверженных влиянию новейших технологий, таких как искусственный интеллект и большие данные.
  • Однако прогноз заключается в том, что в соответствии с последними тенденциями в мире медицины мы неуклонно движемся к использованию искусственного интеллекта, в частности «глубокого обучения».
  • Существует множество применений искусственного интеллекта в здравоохранении, но все потенциальные применения, которые могут принести пользу людям, лучше всего понять, если разделить их на три различных типа.
  • Одним из преимуществ искусственного интеллекта и машинного обучения в целом является то, что он учится по ходу дела.
  • Искусственный интеллект может предоставить инструменты, которые позаботятся о повседневной медицинской практике и, следовательно, избавят врачей от выполнения рутинных задач.

В чем разница между AI, ML, Deep Learning и Active Learning?

Особенности:

  • Сегодня термины искусственный интеллект (AI) и машинное обучение (ML) часто используются как синонимы.
  • Активное обучение - это философия, согласно которой «алгоритм машинного обучения может достичь большей точности с меньшим количеством обучающих меток, если ему разрешено выбирать данные, на которых он учится».
  • Для любого типа машинного обучения требуются специалисты по маркировке, но с активным обучением их работа значительно сокращается из-за того, что машина выбирает наиболее релевантные данные.
  • Активное обучение использует легко доступный и часто несовершенный ИИ для активного выбора новых данных, которые, по его мнению, будут наиболее полезными при разработке следующей, улучшенной версии ИИ.
  • Таким образом, активное обучение может значительно сократить объем данных, необходимых для разработки высокопроизводительной системы искусственного интеллекта, поскольку она учится только на наиболее актуальных данных.

Есть причина, по которой мы мало знаем об ИИ

Особенности:

  • В Великобритании, Франции и Европейском союзе правительственные агентства изучают этическое, социальное и экономическое влияние искусственного интеллекта и других крупных новых технологий, используемых в здравоохранении и в других местах.
  • Управление по политике в области науки и технологий Белого дома создало целевую группу по ИИ в 2018 году, но ее заботой было повышение конкурентоспособности США, а не надзор.
  • Так же, как исследования ELSI помогли упростить внедрение генетических технологий в медицину, они могут улучшить понимание рисков и преимуществ генетически модифицированных продуктов питания, цифровых медицинских карт и искусственного интеллекта, отмечает Броуди.
  • В январе Главное управление отчетности создало группу по науке, оценке технологий и аналитике, но взаимодействие GAO с Конгрессом носит формальный характер, а его отчеты могут длиться несколько месяцев.
  • В свое время члены Конгресса могли позвонить в Управление оценки технологий по телефону для разъяснения сложных технологических вопросов, сказал член палаты представителей Билл Фостер (штат Иллинойс), физик, возглавляющий Целевую группу Финансового комитета по искусственному интеллекту.

Противодействие этическим дилеммам ИИ | ИТ-директор

Особенности:

  • О, какие чудесные вещи открывают сегодня искусственный интеллект, машинное обучение, глубокое обучение, анализ больших данных, а также корреляции и причинно-следственные связи из науки о данных!
  • Монетизация данных - это растущий бизнес в области анализа больших данных, который, как ожидается, к 2020 году достигнет более 200 миллиардов долларов.
  • Однако отсутствие точности и стандартов обработки таких данных означает, что лица, ответственные за сбор, хранение, анализ и уничтожение этих данных, балансируют на скользкой дорожке, принимая этические решения.
  • Важно помнить, что при сборе данных по распознаванию лиц необходимо принимать этические решения по хранению данных.
  • Чтобы узнать больше о раскрытии ценности данных с помощью систем искусственного интеллекта, изучите решения Dell Technologies AI и готовые решения Dell EMC для AI.

Изучение ведущих компаний по аналитике данных в рейтинге Forbes AI 50 за 2019 год

Особенности:

  • Редакторы Solutions Review ознакомились с Forbes AI 50 за 2019 год и определили, что эти ведущие компании по анализу данных заслуживают дополнительного внимания.
  • DataRobot предлагает платформу автоматизированного машинного обучения для специалистов по обработке данных любого уровня подготовки, позволяющую создавать и развертывать точные модели машинного обучения.
  • DataRobot просматривает миллионы комбинаций алгоритмов, этапов предварительной обработки данных, преобразований, функций и параметров настройки, чтобы найти лучшую модель для ваших данных.
  • Domino Data Lab - это корпоративная платформа для анализа данных, которая позволяет специалистам по обработке данных создавать и запускать прогностические модели.
  • Первоначально технология была изобретена доктором Майклом Стоунбрейкером и его коллегами, которые в 2013 году опубликовали свое исследование о системе Data Tamer для обработки крупномасштабных данных.

Подготовлено и спонсировано:

Инновационные решения в области науки о данных и расширенной аналитики