◢ #ainews ◣
Cześć! Zapraszam na czternaste zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. New AI strategy enables robots to rapidly adapt to real-world environments
https://engineering.berkeley.edu/news/2021/07/rapid-motor-adaptation-enables-robots-to-navigate-real-world/
INFO: Nowy algorytm (RMA) dla psów-robotów, dzięki któremu doskonale radzą sobie w różnych niestandardowych środowiskach i potrafią się bardzo szybko adaptować do zmiany tych środowisk. Polecam zerknąć na filmik - na mnie wrażenie robi poruszanie się po pochyłym materacu oblanym olejem

2. The Flemish Scrollers
https://driesdepoorter.be/theflemishscrollers/
INFO: Sztuczna Inteligencja ogląda posiedzenia europarlamentu i oznacza na Twitterze posłów, którzy korzystają ze smartfonów w trakcie pracy

3. Generally Capable Agents
https://www.deepmind.com/blog/article/generally-capable-agents-emerge-from-open-ended-play
INFO: DeepMind brnie do przodu ze swoimi pomysłami rozwoju sztucznej inteligencji poprzez zastosowanie uczenia ze wzmocnieniem. Tym razem udało im się stworzyć model zdolny do zaadaptowania się do niemalże każdego środowiska. Osiągnęli to poprzez częste modyfikacje świata zewnętrznego maszyny uczącej. Warto wspomnieć, że model nie posiada żadnego zbioru uczącego, zostaje puszczony w zmieniający się świat i dostaje wynagrodzenie jak mu się coś uda.

4. MLOps
https://towardsdatascience.com/ml-ops-machine-learning-as-an-engineering-discipline-b86ca4874a3f
INFO: Już od jakiegoś czasu gdzieś tam w trawie piszczy pozycja MLOps. Jest to relatywnie nowe zagadnienie i łączy ze sobą umiejętności DevOpsa, inżyniera danych oraz inżyniera uczenia maszynowego. Spragnionych wiedzy zachęcam do lektury.

5. AWS cost optimization in ML Infrastructure
https://blog.floydhub.com/aws-cost-optimization-for-ml-infra-ec2/
INFO: Czasem warto się zatrzymać i sprawdzić czy przypadkiem nie za dużo przepłacamy na naszą infrastrukturę w chmurze. Czasami lepszy jest jeden większy niż 6 małych (klastrów obliczeniowych).

7. How AI predicts climate extremes
https://research.ibm.com/blog/icml-predicting-climate-extremes
INFO: Ostatnimi czasy raz upał raz ulewa. IBM wziął to na serio i zaproponował sposób poprawy detekcji ekstremalnych sytuacji klimatycznych z zastosowaniem sztucznej inteligencji.

8. 6 takeaways on AI and financial fraud
https://brighterion.com/6-takeaways-on-ai-and-financial-fraud-from-finextra-webinar/
INFO: Przestępcy finansowi stają się coraz bardziej wyrafinowani. Od naruszeń danych i prania pieniędzy po płatności w kryptowalutach za ataki ransomware. Złożoność oszustw finansowych wymaga interwencji sztucznej inteligencji. Artykuł przedstawia 6 punktów, w których sztuczna inteligencja może pomóc.

Zestawienie dociera do Was z dwutygodniowym opóźnieniem, ze względu na okres wakacyjny

Zachęcam również do podsyłania własnych propozycji do przyszłych zestawień. Przesyłacie bardzo ciekawe rzeczy i kilka już udało się wykorzystać

#ainews ← Tag do obserwowania
➡ Chcesz być wołany do kolejnych wpisów? Zaplusuj ten wpis.

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

źródło: AiNews(2).jpg

◢ #ainews ◣
Cześć! Zapraszam na trzynaste już zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. AI projektuje eksperyment kwantowy wykraczający poza ludzkie możliwości.
https://www.wykop.pl/link/6179181/ai-projektuje-eksperyment-kwantowy-wykraczajacy-poza-ludzkie-mozliwosci/
INFO: Dodaję link wykopowy - pod spodem możemy przeczytać przy okazji co na ten temat myślą wykopki (✌ ﾟ ∀ ﾟ)☞

2. I Trained the Model. What’s next?
https://medium.com/kaggle-blog/i-trained-a-model-what-is-next-d1ba1c560e26
INFO: Trochę o tym jak pokazać światu, że stworzyło się coś co wnosi dodatkową wartość w świat sztucznej inteligencji. Społeczność badaczy uczenia maszynowego działa całkiem fajnie, warto brać z ich przykład i szerzyć wiedzę tak jak oni :)

3. Computers Will Be Able to Read Images From Your Brain Within a Decade
https://onezero.medium.com/computers-will-be-able-to-read-images-from-your-brain-within-a-decade-be62015891ef
INFO: Cyfrowe czytanie obrazów z mózgu to już nie legendy. Jak na razie maszyna do skanowania mózgu kosztuje 5 mln $, ale autorzy opublikowali kod na GitHubie na wszelki wypadek, gdyby ktoś znalazł takie cacko na strychu i chciał poczytać komuś w myślach.

4. The Power of Quantum Neural Networks
https://research.ibm.com/blog/quantum-neural-network-power
INFO: Krótki wywód na temat benefitów płynących z połączenia sieci neuronowych i obliczeń kwantowych.

5. Google Photos Noise and Blur Reduction
https://ai.googleblog.com/2021/06/take-all-your-pictures-to-cleaners-with.html
INFO: Google wprowadza wyszumianie jako standardowa funkcja przetwarzania obrazu w telefonie. Zastosowali tutaj metodę wyszumienia pull-push połączoną z polyblur. Na pierwszy rzut oka wygląda co całkiem nieźle.

6. MLPerf Benchmark
https://blog.tensorflow.org/2021/06/google-demonstrates-leading-performance-in-latest-MLPerf-benchmarks.html
INFO: Tutaj bardziej dla fanów performance-u. Porównanie jednostek obliczeniowych TPUv4 z nVidia A100. Nowa generacja TPU wygląda obiecująco.

7. Czym są niezbalansowane dane klasyfikacyjne i jakie z nimi związane są problemy?
https://miroslawmamczur.pl/niezbalansowane-dane/
INFO: Coś z naszego Polskiego podwórka. Polecam blog Pana Mirosława, bo robi naprawdę świetną robotę. Artykuły pisane bardzo przystępnym językiem

Zachęcam również do podsyłania własnych propozycji do przyszłych zestawień. Przesyłacie bardzo ciekawe rzeczy i kilka już udało się wykorzystać

#ainews ← Tag do obserwowania
➡ Chcesz być wołany do kolejnych wpisów? Zaplusuj ten wpis.

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

źródło: AiNews(1).jpg

◢ #ainews ◣
Cześć! Zapraszam na dwunaste już zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. Copilot - narzędzie, które powstało dzięki współpracy Github i OpenAI
https://copilot.github.com/
INFO: Narzędzie wspomaga programistów w pisaniu kodu - potrafi na podstawie kontekstu / komentarza / nagłówka funkcji zaproponować odpowiednią implementację. Przyznam, że jeśli to rzeczywiście działa tak jak pokazali w przykładach, to jestem w szoku.

2. Best AI Blogs to Follow
https://pub.towardsai.net/best-machine-learning-blogs-to-follow-ml-research-ai-3994e01967f9
INFO: Bardzo dobre zestawienie blogów, które nie tylko poruszają tematy popularno-naukowe, ale także wnętrze inteligentnych systemów. Sam korzystam z większości :)

3. Music Generation With JukeBox
https://openai.com/blog/jukebox/
INFO: Generowanie muzyki… nie ma problemu. OpenAI dalej poszerza granice sieci generatywnych. Wcześniejsze modele stworzone do generowania muzyki niestety traciły kontekst po dłuższym generowaniu. OpenAI zastosowało transformatory (które są szeroko używane w NLP), co pozwoliło na dłuższe i bardziej tematyczne utwory.

4. Facebook NetHack Challenge
https://ai.facebook.com/blog/launching-the-nethack-challenge-at-neurips-2021/
INFO: NetHack jest idealną grą / wyzwaniem do badań nad uczeniem bez nadzoru (RL), dlatego przygotowano specjalne środowisko NetHack Learning Environment. Intencją NetHack Challenge jest wypromowanie nowego benchmarku, dzięki któremu naukowcy będą mogli porównywać swoje wyniki i rozwijać nowe podejścia rozwiązywania problemów reinforcement learning.

5. 8 Top Books on Data Cleaning and Feature Engineering
https://machinelearningmastery.com/books-on-data-cleaning-data-preparation-and-feature-engineering
INFO: Jakby ktoś chciał sobie poczyścić książkowo dane. Set topowych 8 książek od Jason Brownlee na temat inżynierii danych.

6. Tesla Watching Camera
https://www.forbes.com/sites/bradtempleton/2021/05/28/teslas-activation-of-driver-watching-camera-shows-new-thinking/?ss=ai&sh=5e78b94873b3
INFO: Niestety wprowadzanie sztucznej inteligencji na drogi musi postępować stopniowo. Tesla zaleca, żeby kierowca trzymał kierownicę podczas autopilota. Nie wszyscy się do tego stosują, dlatego Tesla postanawia włączyć kamerkę do śledzenia kierunku patrzenia, upewniając się przy tym, że kierowca nie śpi i patrzy na drogę :)

8. 8 Fun AI Online Tools
https://analyticsindiamag.com/8-fun-ai-tools-available-online/
INFO: Coś z lżejszej półki. Fajnie sobie czasami poklikać i popatrzeć jak AI tworzy wiersze, tapety. Najbardziej mnie rozwaliło zgadywanie przez AI co narysowałem. Sztuczna inteligencja na mojego kota mówiła krokodyl.. Pewnie mają buga :D

9. Sztuczna inteligencja zrekonstruowała utracone elementy obrazu Rembrandta “Night Watch”
https://www.rijksmuseum.nl/en/stories/operation-night-watch/story/missing-pieces
INFO: Bardzo ciekawa historia obrazu, który został przycięty, ponieważ…. nie mieścił się na ścianie. Polecam zerknąć na te dwa krótkie filmiki w dolnej części strony - rozjaśnią w jaki sposób została zrobiona rekonstrukcja i dlaczego w ogóle była możliwa. ~ Ze specjalną dedykacją dla @kaosha (✌ ﾟ ∀ ﾟ)☞

Zachęcam również do podsyłania własnych propozycji do przyszłych zestawień. Przesyłacie bardzo ciekawe rzeczy i kilka już udało się wykorzystać

#ainews ← Tag do obserwowania
➡ Chcesz być wołany do kolejnych wpisów? Zaplusuj ten wpis.

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

źródło: AiNews(6).jpg

◢ #ainews ◣
Cześć! Zapraszam na jedenaste zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. Quantum Machine Learning and the Power of Data
https://ai.googleblog.com/2021/06/quantum-machine-learning-and-power-of.html
INFO: Era komputerów kwantowych zbliża się do nas nieubłaganie. Czy będzie to rewolucja dla świata sztucznej inteligencji? Dosyć ciekawy i krótki artykuł na ten temat prosto ze stajni Google AI

2. AI Use Cases
https://i.am.ai/usecases
INFO: Lista 100 dziedzin w których można wykorzystać sztuczną inteligencję. Warto zerknąć, jeśli szukasz inspiracji do rozpoczęcia swojego projektu

3. Learning an Accurate Physics Simulator via Adversarial Reinforcement Learning
https://ai.googleblog.com/2021/06/learning-accurate-physics-simulator-via.html
INFO: Luka pomiędzy symulatorem a światem rzeczywistym jest jednym z wąskich gardeł przy technice uczenia ze wzmocnieniem. Naukowcy z Google AI zniwelowali tę lukę poprzez zaprzęgnięcie do procesu uczenia sieci GAN tworząc architekturę simGAN

4. Introduce to Machine Learning Interviews Book
https://huyenchip.com/ml-interviews-book
INFO: Jeśli szukasz pracy w tym zawodzie, to zdecydowanie polecam tą książkę. Książka darmowa w formie dokumentacji online, podzielona na dwie części - pierwsza mówi ogólnie o procesie rozmowy o pracę, druga jest zbiorem najważniejszych pytań rekrutacyjnych od matematyki, struktury danych po algorytmy sztucznej inteligencji. Polecam również osobom, które już pracują, ale chcą się sprawdzić lub odświeżyć sobie najważniejszą wiedzę.

5. What Are Major Reinforcement Learning Achievements From 2018
https://www.topbots.com/most-important-ai-reinforcement-learning-research/
INFO: Co potrafi uczenie ze wzmocnieniem oraz jakie kamienie milowe są już za nami przez rozwój tego obszaru. Ciekawe podsumowanie osiągnięć RL wraz odnośnikami do artykułów naukowych.

6. Google Library for Super Fast NLP - Trax
https://towardsdatascience.com/get-started-with-google-trax-for-nlp-ff8dcd3119cf
INFO: Niestety wspieranie wstecznej kompatybilność bibliotek do uczenia maszynowego od Google zaczyna być problemem wydajnościowym. Autor TensorFlow Łukasz Kaiser zauważył ten fakt i postanowił opracować bibliotekę, która będzie łatwa w obsłudze oraz diabelnie szybka - Trax. Link do githuba: https://github.com/google/trax. Teraz składanie wysokiej jakości modeli wygląda trochę jak układanie klocków lego :P

7. AI Reshaping The Automotive Industry
https://www.futurebridge.com/industry/perspectives-mobility/artificial-intelligence-reshaping-the-automotive-industry/
INFO: Branża motoryzacyjna nie będzie już taka jak wcześniej. Niewprowadzanie algorytmów uczenia maszynowego do samochodów będzie skutkować w walką o przetrwanie rynku w niedalekim czasie. Wg szacunków, za 9 lat 80% samochodów będzie posiadać moduł autonomicznego kierowania pojazdem.

8. 10 Leading Language Models For NLP in 2021
https://www.topbots.com/leading-nlp-language-models-2020/#language-models-2020-7
INFO: Zestawienie najlepszych modeli uczenia maszynowego do procesowania języka naturalnego. Model T5 z zestawienia zasługuje na podwójną uwagę. Osiągnął on najlepszą wydajność w 17 z 24 zadań NLP.

#ainews ← Tag do obserwowania
➡ Chcesz być wołany do kolejnych wpisów? Zaplusuj ten wpis.

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

źródło: AiNews(5).jpg

➡ Chcesz być wołany do wpisów z cyklu ◢ #ainews ◣?
– Zaplusuj ten wpis!
➡ Chcesz się wypisać z listy do wołania?
– Po prostu cofnij plusa :)

#mirkolisty #ainews

◢ #ainews ◣
Cześć! Zapraszam na dziesiąte zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. Reverse Engineering Deep Fake
https://ai.facebook.com/blog/reverse-engineering-generative-model-from-a-single-deepfake-image/
INFO: Facebook opracował własny deep fake detector. W artykule można zobaczyć jaką architekturę zastosowano i jakie są

2. Let It Flow - Looping Video
https://developer.nvidia.com/blog/ai-looping-videos-from-still-images/
INFO: Czasami zadziwia mnie jak sztuczna inteligencja zmienia świat. Dodawanie klatek i zapętlenie obrazu z jednego obrazu. Łapka w górę za pomysł ode mnie

3. HuBERT
https://ai.facebook.com/blog/hubert-self-supervised-representation-learning-for-speech-recognition-generation-and-compression/
INFO: Nauka języka po klastrowaniu wypowiedzi USTNYCH. Podobny mechanizm do wav2vec tylko tym razem do rozpoznawania mowy.

4. Identifying Harmful Video With Movie Trailers
https://www.unite.ai/identifying-harmful-video-content-with-movie-trailers-and-machine-learning/
INFO: Film od 8, 13, 18 lat? Teraz algorytm uczenia maszynowego po obejrzeniu trailera może sam to stwierdzić. Technologia skupia się na pomocy w zdecydowaniu o pokazywaniu niektórych treści dzieciom. Osobiście, mam pewne zastrzeżenia co do decydowania o zasłanianiu treści przez maszynę, ale jeszcze tam nie jesteśmy także można pić kawkę spokojnie.

5. Jak Działa NLP
https://colah.github.io/posts/2014-07-NLP-RNNs-Representations/
INFO: Bardzo dobry artykuł dla ludzi, którzy chcą zgłębić wiedzę na temat przetwarzania języka naturalnego. Polecam także specjalizację na Coursera-rze “Natural Language Processing Specialization”. Krok po kroczku i do przodu (Aktualnie robię i mi jest dobrze :))

6. Audio-To-Video generation with representation learning
https://www.youtube.com/watch?v=HctArhfIGs4
INFO: Przekształcanie próbki dźwiękowej w video. Co prawda widać tutaj ograniczenia, jestem ciekaw ile pracy wymaga przystosowanie takiego modelu do innej, dowolnej osoby. Warto zwrócić uwagę jak zaskakująco dobrze odwzorowana jest też gestykulacja.

7. AWS DeepRacer League
https://aws.amazon.com/deepracer/league/
INFO: 10 czerwca odbył się finał AWS DeepRacer League. Wygląda na świetną zabawę, dzięki której można nauczyć się bardzo dużo w zakresie reinforcement-learning. Początkowe ligi odbywają się online na symulatorach, natomiast najlepsi kierowcy mają szansę otrzymać bilet do Las Vegas i przetestować swoje modele w świecie rzeczywistym. Polecam dodatkowo zerknąć sobie na youtube jak wyglądają same wyścigi. Dzięki @tptak za podrzucenie tego tematu! (✌ ﾟ ∀ ﾟ)☞

8. Roadmap to becoming an Artificial Intelligence Expert in 2021
https://i.am.ai/roadmap/
INFO: Świetne źródło, żeby ustrukturyzować sobie wiedzę! Najważniejsze zagadnienia przedstawione w postaci roadmapy. Kafelki na roadmapie są klikalne i odnoszą do źródeł. Roadmapy są podzielone na kilka kategorii - od fundamentów po głębokie uczenie maszynowe, a wszystko jest spięte w jedną całość. Szczególnie polecam!

Zbliża się okres wakacyjny i praca nad zestawieniem idzie coraz ciężej, ale mam nadzieję, że uda się to pociągnąć dalej bez zbędnych opóźnień

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

źródło: AiNews(4).jpg

◢ #ainews ◣
Cześć! Zapraszam na dziewiąte zestawienie najciekawszych linków ze świata sztucznej inteligencji (✌ ﾟ ∀ ﾟ)☞

1. Powstał najdokładniejszy jak do tej pory skan fragmentu ludzkiego mózgu
https://ai.googleblog.com/2021/06/a-browsable-petascale-reconstruction-of.html
INFO: Naukowcy z Google i Harvardu zeskanowali fragment mózgu o wielkości zaledwie 1mm. Skan został wykonany przy pomocy mikroskopu elektronowego z rozdzielczością 4nm. Całość zawiera 130 milionów synaps, kilkadziesiąt tysięcy neuronów i zajmuje aż 1,4 petabajta! Z pewnością jest to duży krok w badaniu ludzkiego mózgu i pracy nad sztuczną inteligencją, ale z drugiej strony pokazuje to nam jak wielkich mocy obliczeniowych potrzebujemy do tego typu przedsięwzięć.

2. Microsoft ZeRO-Infinity
https://www.marktechpost.com/2021/06/04/microsofts-zero-infinity-library-claims-to-train-32-trillion-parameters-deep-learning-models-on-a-cluster-of-just-32-gpus
INFO: Microsoft opublikowało nową biblioteczkę open-source (DeepSpeed), która dzięki optymalizacji zarządzania pamięcią potrafi uczyć nawet 40x większe modele niż to wcześniej było możliwe. Dobra robota Majk :)

3. Awesome Public Datasets
https://github.com/awesomedata/awesome-public-datasets
INFO: Ogromne źródło wysokiej jakości zbiorów danych w jednym miejscu! Całość jest podzielona na kategorie. Osobom, które próbują tworzyć własne modele polecam wrzucić sobie ten link do zakładek - zaoszczędzi Wam to sporo czasu na przewalanie internetu w poszukiwaniu dobrej jakości danych.

4. Boosting Monocular Depth Estimation Models to High-Resolution via Content-Adaptive Multi-Resolution Merging
http://yaksoy.github.io/highresdepth/
INFO: Ciekawe rozwiązanie szacowania głębi na zdjęciach. Daje to według mnie całkiem niezłe rezultaty - nie tylko na rzeczywistych zdjęciach, ale również na obrazach! Dla bardziej dociekliwych w artykule jest odnośnik do całej publikacji, oraz implementacji - natomiast dla zorientowania się jak działa metoda polecam obejrzenie samego filmiku.

5. Jak Wykryć DeepFake
https://www.youtube.com/watch?v=YMir8sRWRos&t=8s&ab_channel=What%27sAI
INFO: Tym razem video, ale całkiem dobre. Autor objaśnia w jaki sposób model, tak lekki, że można mieć go na telefonie, potrafi z bardzo wysoką pewnością stwierdzić co jest deepfake-iem, a co nie jest. Oczywiście ludzkie oczy też to potrafią.. z bardzo wysoką pewnością 47% :D

6. Audeo gra na pianinie bez patrzenia
https://www.unite.ai/researchers-develop-audeo-ai-capable-of-playing-piano/
INFO: Już powoli AI przebija barierę ludzkiego artyzmu. Audeo potrafi produkować utwory, które mogłyby zagrać w musicalu. Jeszcze niedawno było to uważane za niemożliwe.

7. State-of-the-Art Image Generative Models
https://arankomatsuzaki.wordpress.com/2021/03/04/state-of-the-art-image-generative-models/
INFO: Podsumowanie stanu wiedzy na temat modeli generatywnych w kontekście generowania obrazu. Przedstawione zostały 3 najpopularniejsze metody generowanie obrazów tj. autoenkodery, sieci GAN oraz modele dyfuzyjne. Omówione zostały plusy, minusy i różne warianty dla każdej z nich.

8. Google LipSync3D
https://www.unite.ai/googles-lipsync3d-offers-improved-deepfaked-mouth-movement-synchronization/
INFO: Google dodaje do pieca z DeepFake-ami. Tutaj akurat celem jest usprawnienie poruszania się ust w 3D. Geometria ust jest procesowana względem dźwięku mowy człowieka. Zgaduję, że twórcom gier może się to przydać.

9. TPUv4
https://venturebeat.com/2020/07/29/google-claims-its-new-tpus-are-2-7-times-faster-than-the-previous-generation/
INFO: Google i ich specjalna jednostka obliczeniowa TPU zaprojektowana do uczenia sieci neuronowych zaczyna spychać na boczny tor karty graficzne. Jeśli chcielibyście przetestować to można użyć TPU podczas sesji w Colab. Oczywiście trzeba zapłacić, ale wbrew pozorom nie tak dużo. No i można w międzyczasie rozkoszować się graniem w CS-a, co jest niestety niemożliwe jak karta graficzna jest zajęta (stabilne 8fpsów).

#ainews ← Tag do obserwowania

Zapraszam do komentowania! Jeśli traficie na jakiś ciekawy blog, któremu warto się przyglądać albo macie jakieś linki, które można opublikować w przyszłych zestawieniach - śmiało podsyłajcie, chętnie się przyjrzę. Temat jest tak obszerny, że nie sposób dotrzeć do wszystkich wartościowych miejsc

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

◢ #ainews ◣
Zapraszam na ósme zestawienie AiNews. Ostatnie przerosło moje oczekiwania co do liczby plusów i nowych obserwatorów - dzięki za zaufanie!

1. Flawless AI Demo - czyli przeniesienie dubbingu w filmach na wyższy poziom
https://www.youtube.com/watch?v=QIfS7FXs-54
INFO: Trzymam mocno kciuki za ten projekt. Polecam obejrzeć to krótkie demo, bo efekty według mnie są fenomenalne!

2. MuZero. Mistrzostwo w Szachach, Go, Shogi i Atari Bez Znania Zasad
https://www.deepmind.com/blog/article/muzero-mastering-go-chess-shogi-and-atari-without-rules
INFO: Pomimo, że AlphaGo oraz AlphaZero całkowicie zdeklasowało aktualne silniki gry to i tak im mało. Teraz DeepMind stworzyło MuZero, któremu nie pokazali zasad gry, a mimo to, algorytm osiągnął mistrzostwo w tych grach. To pokazuje jak rozwija się uczenie ze wzmocnieniem oraz wizję wprowadzania programów w środowiska o nieznanych zasadach.

3. Uczenie Maszynowe Akcelerator Kosmologicznych Symulacji
https://www.cmu.edu/ai-physics-institute/news/2021-05-05_supersims.html
INFO: Symulowanie kosmosu wymaga mocnego sprzętu, czasami tak mocnego, że aktualne superkomputery mają problem. Z odsieczą przychodzą sieci GAN, które za pomocą modeli Super-Resolution przyspieszają symulację o ponad 900 razy.

4. Antagonistycznie Uczenie Maszynowe
https://medium.com/cltc-bulletin/adversarial-machine-learning-43b6de6aafdb
INFO: Nietechniczne wprowadzenie do aspektów bezpieczeństwa inteligentnych systemów. W jaki sposób można je teraz atakować, jakie mogą być tego skutki oraz jakie są standardowe procedury niwelowania ryzyka ataku

5. Generatywne Sieci Antagonistycznie
https://towardsdatascience.com/understanding-generative-adversarial-networks-gans-cd6e4651a29
INFO: Serce wszystkich modeli, które coś tworzą. Trochę techniczne, ale zdecydowanie warto zawiesić oko i poznać mechanizm działania artyzmu w aktualnych sieciach :)

6. Finanse I Sztuczna Inteligencja
https://www.forbes.com/sites/louiscolumbus/2020/07/23/how-ai-can-improve-financial-analytics/
INFO: Bardzo fajny przegląd wpływu sztucznej inteligencji na finanse. Artykuł pełny ciekawych statystyk oraz podkreślający, że trend maszyn uczących się zaczyna robić się standardem, a firmy nieposiadające “smart” sektorów, mogą mieć problemy z utrzymaniem klientów

7. Kursy od organizacji Deep Learning AI
https://www.deeplearning.ai/
INFO: Kursy na temat głębokiego uczenia maszynowego na światowym poziomie. Jedną z osób zaangażowanych w ich tworzenie jest Andrew Ng, jeden z najbardziej znanych popularyzatorów nauki w tej dziedzinie. Znajdziemy tutaj programy dla osób o różnym poziomie zaawansowania. Wiele osób pyta gdzie powinni zaczynać naukę sztucznej inteligencji - myślę, że to jest odpowiednie miejsce

No i standardowo - dajcie znać w komentarzach czy zestawienie trzyma poziom i zapraszam do plusowania :)

PS. Wczoraj dzień wolny od pracy i nie udało się opublikować zestawienia, ale kolejne będą już standardowo co czwartek. @ISNC - dzięki za mema (✌ ﾟ ∀ ﾟ)☞

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

◢ #ainews ◣
Zapraszam na siódme zestawienie AiNews. Cieszę się, że zbiera się coraz większe grono zainteresowanych (⌐ ͡■ ͜ʖ ͡■)

1. High-performance Speech Recognition With No Supervision
https://ai.facebook.com/blog/wav2vec-unsupervised-speech-recognition-without-supervision
INFO: wav2vec-u to nowy algorytm NLP od Facebooka, który dzięki wykorzystaniu mechanizmu klastrowania elementów wypowiedzi potrafi nauczyć się każdego języka. Najciekawsze jest to, że jest to uczenie bez nadzoru. Innymi słowy algorytm może nauczyć się każdego języka, wystarczy tylko, że będzie nasłuchiwał konwersacji.

2. Google AI Quantum Campus
https://blog.google/technology/ai/unveiling-our-new-quantum-ai-campus/
INFO: Nowy obszar rozwoju Google, który kładzie nacisk na odwzorowanie naturalnego środowiska. Okazuje się, że stan superpozycji qubitów do procesowania obliczeń molekularnych pozwala na znaczne zredukowanie zużywania zasobów komputera kwantowego niż w przypadku klasycznej jednostki obliczeniowej.

3. Deep Learning for Image Super-Resolution
https://www.analyticsvidhya.com/blog/2021/05/deep-learning-for-image-super-resolution/
INFO: Trochę teorii na temat poprawiania rozdzielczości zdjęć. Dosyć krótki artykuł i pisany nie-matematycznym językiem.

4. Pornhub uses AI to restore century-old erotic films to titillating technicolour
https://itwire.com/business-it-news/data/pornhub-uses-ai-to-restore-century-old-erotic-films-to-titillating-technicolour.html
INFO: Zremastrowano 20 filmów, najstarszy z 1896 roku! Co prawda efekt nie jest jakiś oszałamiający i widać spore niedociągnięcia, ale z pewnością jest to szansa, żeby nadać drugie życie starym produkcjom filmowym :) Niestety nie dotarłem nigdzie do informacji technicznych, ale prawdopodobnie użyto tutaj sieci GAN, które na ten moment wiodą prym w tego typu zastosowaniach.

5. AI Blindspots
https://towardsdatascience.com/ai-blindspots-part-i-shared-responsibility-5e05824c19b4
INFO: 3-częściowy artykuł na temat ślepych uliczek w sztucznej inteligencji, oraz tego jak ich unikać.

6. 10 AI Ethics Questions We Need To Answer
https://serokell.io/blog/ai-ethics-questions
INFO: Warto się na chwilę zatrzymać i pomyśleć o potencjalnych problemach jakie napotkamy na drodze rozwoju sztucznej inteligencji. Artykuł porusza ciekawe pytania, które dobrze sprawdzają się w dyskusjach ze znajomymi :P

7. Understanding Reinforcement Learning Vision
https://distill.pub/2020/understanding-rl-vision/
INFO: Oczami maszyny uczącej się. Nie dość, że dobrze się czyta to jeszcze kozackie wizualizacje. Nie wiem ile autor spędził nad tym artykułem, ale niemalże wszystkie wizualizacje są interaktywne - można się zahipnotyzować samym klikaniem :).

8. DeepMind Wants to Reimagine One of the Most Important Algorithms in Machine Learning
https://pub.towardsai.net/deepmind-wants-to-reimagine-one-of-the-most-important-algorithms-in-machine-learning-381884d42de
INFO: PCA jest jednym podstawowych algorytmów używanych w głębokim uczeniu maszynowym. Organizacja DeepMind w swojej pracy, którą określili jako “Jedna z najważniejszych publikacji tego roku”, zaproponowali koncept EigenGame. Przeprojektowali oni PCA jako wielo-agentową grę. Czy to rzeczywiście jest krok milowy? Tego nie wiem, ale koncept na pewno warto poznać. Osobom bardziej technicznym polecam również zerknięcie do źródłowej pracy.

9. Deep Nostalgia
https://www.springboard.com/blog/ai-machine-learning/why-deep-nostalgia-became-an-ai-powered-internet-sensation/
INFO: Porozmawiajmy trochę o GANach. Czyli jak ożywiać (Deep Nostalgia) i kolorować obrazy. Założę się, że sporo osób skorzystałoby z takiej technologii, żeby chociaż na chwilę ożywić stare zdjęcie swojej drugiej połówki. (Nie mogę się doczekać kiedy będzie można z tego skorzystać w VR-ach)

No i standardowo - dajcie znać w komentarzach czy zestawienie trzyma poziom i zapraszam do plusowania :)

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

◢ #ainews ◣
Zapraszam na szóste zestawienie ainews! Dzięki za bardzo pozytywny odbiór poprzedniego zestawienia. Następna dawka AI przed wami. Plusiki mile widziane :)

1. Interfejs Mózg-Komputer
https://dzienniknaukowy.pl/nowe-technologie/nowy-interfejs-mozg-komputer-zamienia-mysli-na-tekst?utm_source=FB_Dziennik_Naukowy
INFO: Pisanie 90 znaków na minutę… myślami. Być może jest to pierwszy krok do budowania komputerów zintegrowanych z mózgiem, ale na pewno jest to duży krok dla niepełnosprawnych do łatwiejszego komunikowania się.

2. LaMDA
https://blog.google/technology/ai/lamda/
INFO: Prosto z półki technologicznych nowinek od Google. LaMDA jest nowym inteligentnym botem pozwalającym na sprawniejszą komunikację przez czat. W porównaniu do popularnych modeli przetwarzania języka naturalnego (BERT, GPT-3) LaMDA uczył się na dialogach oraz sposobach komunikacji z użytkownikiem, dzięki czemu potrafi wyłapywać kontekst całej konwersacji :)

3. Bird’s-Eye View Of Artificial Intelligence, Machine Learning, Neural Networks
https://medium.com/geekculture/birds-eye-view-of-artificial-intelligence-machine-learning-neural-networks-language-part-1-802b35cf1873
INFO: 3-częściowy artykuł, który świetnie podsumowuje najważniejsze pojęcia, problemy i algorytmy ze świata sztucznej inteligencji. Szczególnie polecam ten wpis. Dla osób początkujących daje bardzo szerokie rozeznanie w temacie, natomiast dla osób doświadczonych będzie dobrym podsumowaniem, taka wiedza w pigułce.

4. Why You Shouldn’t Just Delete Outliers
https://medium.com/geekculture/birds-eye-view-of-artificial-intelligence-machine-learning-neural-networks-language-part-1-802b35cf1873
INFO: Co powinniśmy robić z obserwacjami, które odstają od reszty naszego zbioru danych? Kiedy powinniśmy je usunąć, a kiedy zostawić? Jak outliery wpływają na końcowy rezultat i jakie statystyki potrafią zaburzyć?

5. Data Scientist, Data Engineer & Other Data Careers, Explained
https://www.kdnuggets.com/2021/05/data-scientist-data-engineer-data-careers-explained.html
INFO: Opis ścieżek kariery dla osób zajmujących się danymi. Szczególnie na początku drogi warto zerknąć, by wiedzieć w jakim kierunku chcemy się rozwijać

6. Advancing sports analytics through AI research
https://deepmind.com/blog/article/advancing-sports-analytics-through-ai
INFO: Coś dla fanów piłki nożnej, czyli spojrzenie na sport z perspektywy sztucznej inteligencji.

7. 5 Mistakes Done By Artificial Intelligence In The Past
https://www.analyticsvidhya.com/blog/2021/05/5-mistakes-done-by-artificial-intelligence-ai-in-the-past/
INFO: Luźny artykuł na temat kilku głośnych wpadek sztucznej inteligencji

8. AI helps to classify 27 million galaxies
https://penntoday.upenn.edu/news/27-million-galaxy-morphologies-quantified-and-cataloged-help-machine-learning
INFO: Coś dla fanów astronomii. Niektóre widma odległych galaktyk są ciężkie do sklasyfikowania przez ludzkie oko. Teraz sprawa jest trochę łatwiej, bo do akcji wkraczają konwolucyjne sieci neuronowe :)

9. Understanding LSTMs
https://colah.github.io/posts/2015-08-Understanding-LSTMs/
INFO: Jak na razie nie znalazłem lepszego wytłumaczenia zasady działania sieci LSTM. Artykuł dla ludzi, którym nie wystarczają zwykłe sieci rekurencyjne i chcą trochę poczytać o mechanizmie zapamiętywania i zapominania.

10. Myśliwiec sterowany Sztuczną Inteligencją pokonuje pilota w symulowanym pojedynku
https://www.unite.ai/ai-controlled-jet-fighter-defeats-human-pilot-in-simulated-combat/
INFO: Jeszcze nie jest to prawdziwy pojedynek powietrzny, ale może za kilka lat będziemy mieli w pełni autonomiczne samoloty w RyanAir-rze :D

#ainews ← Tag do obserwowania

Piszcie w komentarzach czy zestaw się podoba, a może są tematy, które chcielibyście zobaczyć w następnym zestawieniu?

PS. Też zauważyliście ten dziwny dźwięk, który pojawia się po zaplusowaniu wpisu?

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

◢ #ainews ◣
Piąte już z kolei zestawienie. Powoli się rozkręcamy! Zapraszam do plusowania i obserwowania tagu

1. Dive into Deep Learning
https://d2l.ai/index.html
INFO: Chyba najlepsza na świecie książka dotycząca głębokiego uczenia maszynowego. Materiał jest baaardzo obszerny i kompleksowo opisuje wszystkie zagadnienia z tego obszaru. Dodatkowo cały kod jest dostępny w 3 różnych wersjach dla 3 najpopularniejszych bibliotek ML w Pythonie. A to wszystko za DARMO w postaci takiej interaktywnej dokumentacji

2. Deep Convolutional Q-Learning
https://vmayoral.github.io/robots,/ai,/deep/learning,/rl,/reinforcement/learning/2016/08/07/deep-convolutional-q-learning/
INFO: Konwolucyjne sieci neuronowe połączone z koncepcją uczenia ze wzmocnieniem. Prosta i ciekawa implementacja gry, krok po kroku :) Trochę rozwiewa chmury po teoretycznych lekturach w tym temacie

3. Siamese Networks
https://towardsdatascience.com/a-friendly-introduction-to-siamese-networks-85ab17522942
INFO: Sieci neuronowe, które kodują wejście oraz porównują zakodowaną informację z drugim zakodowanym elementem. Na podstawie różnicy zakodowanych informacji jesteśmy w stanie stwierdzić czy dwa zadane elementy pochodzą z tego samego źródła. Autor opisuje zastosowanie takich sieci przy badaniu czy podpis pochodzi od tego samego autora. Inni zaś stosują sieci syjamskie do autoryzacji twarzą :)

4. Hyperparameter tuning
https://www.jeremyjordan.me/hyperparameter-tuning/
INFO: Jeremy Jordan o metodach i technikach optymalizacji modelu uczenia maszynowego.

5. Gentle Introduction to NLP
https://towardsdatascience.com/a-gentle-introduction-to-natural-language-processing-e716ed3c0863
INFO: Uczenie maszynowe w procesowaniu tekstu. Może nie jest to jeszcze silnik od Translate Google, ale warto poczytać o podstawach zanim przejdzie się do mocniejszych tematów. Poruszane tematy to: czyszczenie danych, preprocessing, wektoryzacja tekstu oraz zbadanie sentymentu za pomocą prostych modeli uczenia maszynowego.

6. Wykres kołowy
https://miroslawmamczur.pl/017-wykres-kolowy-pie-chart/
INFO: Krótki wpis o wykresach kołowych i o tym dlaczego ich nie używać :)

7. Alpha Fold 2
https://www.deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
INFO: Deep Mind nie robi sobie przerw i ciągnie dalej temat nierozwiązanego przez 50 lat problemu zwijania się białek. Rozwiązanie tego problemu pomaga w rozwoju wielu innych obszarów np. szybszego badania chorób albo tworzenia substancji do rozkładu odpadów plastikowych.

8. Which GPU is best for Machine Learning
https://timdettmers.com/2020/09/07/which-gpu-for-deep-learning/
INFO: Kompleksowa analiza mechanizmu działania różnych kart graficznych, ich zalet oraz wad. Autor przebadał wiele czynników, które powinny być brane pod uwagę podczas doboru GPU. Ja posiadam RTX3070 i działa bardzo dobrze, jednakże tak jak wspomniał autor, mogą być problemy z małą ilością pamięci :) (czego już doświadczyłem ucząc SRGAN). Świetny post, brawa dla autora

9. Must-have Chrome Extensions For Machine Learning Engineers And Data Scientists
https://pub.towardsai.net/must-have-chrome-extensions-for-machine-learning-engineers-and-data-scientists-5968bda69ee
INFO: Opis 4 dodatków do przeglądarki przydatnych dla osób zajmujących się sztuczną inteligencją. Mnie osobiście autor przekonał do zainstalowania wtyczki ‘Open in Colab’. Ciekawy też wydaje się ‘Instant Data Scraper’

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience #python pokaż całość

◢ #ainews ◣
Zapraszam na czwarte zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. What is Reinforcement Learning
https://deepsense.ai/what-is-reinforcement-learning-the-complete-guide/
INFO: OpenAI za pomocą uczenia ze wzmocnieniem potrafiło pokonać najlepszego gracza w dotę ucząc sieć przez zaledwie 2 tygodnie. Koncepcja nie jest łatwa, ale zdecydowanie rozwiązuje jedne z najbardziej skomplikowanych problemów.

2. Why GIT is not enough for data science?
https://towardsdatascience.com/why-git-is-not-enough-for-data-science-7002995d9e16
INFO: Ciekawe spojrzenie na system kontroli wersji GIT pod kątem projektów data science. Autor pokazuje słabe strony GITa i o tym jak sobie z tym radzić.

3. Awesome python
https://github.com/vinta/awesome-python
INFO: Ogromna lista bibliotek, frameworków i źródeł dla języka Python. Wszystko posortowane w ramach kategorii takich jak przetwarzanie obrazu, przetwarzanie tekstu, algorytmy, struktury danych, wizualizacja danych…

4. What Robots need to Succeed
https://www.roboticsbusinessreview.com/opinion/what-robots-need-to-succeed-machine-learning-to-teach-effectively/
INFO: Roboty nie potrzebują już sztywnego programowania postępowania. Mogą uczyć się na własnych błędach. Jedyne czego potrzebują to funkcja celu.

5. The real value of a degree for aspiring data scientists
https://towardsdatascience.com/the-value-of-a-degree-for-aspiring-data-scientists-8c42a261e502
INFO: Czy stopień naukowy pomaga w pracy data sciencisty? Komentarz z perspektywy osoby z tytułem doktora

6. Introduction To Autoencoders
https://www.jeremyjordan.me/autoencoders/
INFO: Kiedy myślisz, że twojego dzieła sztuki nie da się podrobić i ktoś pokazuje Ci sposób działania autoenkoderów. Większość architektur do transferu stylu wykorzystuje ten mechanizm a sieci syjamskie (ang. Siamese Network) wykorzystują autoenkodowanie do autoryzacji twarzą.

7. Neural Nets for Generating Music
https://medium.com/artists-and-machine-intelligence/neural-nets-for-generating-music-f46dffac21c0
INFO: Świetny artykuł na temat zastosowania sieci rekurencyjnych do generowania muzyki. Wystarczy kilkadziesiąt sekund danych treningowych i dzisiejsze rozwiązania są w stanie naśladować każdy głos :)

9. Machine Learning on Mobile Phone:
https://heartbeat.fritz.ai/machine-learning-on-mobile-what-can-you-actually-do-with-it-8437fa782165
INFO: Wiedziałem, że moc telefonów wzrasta, ale że aż tak… Segmentacja obrazu na telefonie

10. The Metric System: How to Correctly Measure Your Model
https://towardsdatascience.com/the-metric-system-how-to-correctly-measure-your-model-17d3feaed6ab
INFO: Trochę o metrykach, czyli jak poprawnie mierzyć jakość i porównywać modele uczenia maszynowego
--------------------------------------------------------------------------------------------------------------
Plusujcie, komentujcie i dajcie znać, czy ma to sens (✌ ﾟ ∀ ﾟ)☞

#ainews ← Tag do obserwowania

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience pokaż całość

◢ #ainews ◣

To już trzecie z serii zestawienie, zapraszam do komentowania i plusowania ( ͡° ͜ʖ ͡°)

1. Five types of thinking for a high performing data scientist
https://towardsdatascience.com/five-types-of-thinking-for-a-high-performing-data-scientist-8ab70d70c23b
INFO: 5 paradygmatów myślenia przydatnych naukowcom zajmującym się danymi

2. Mathematics in data science
https://www.analyticsvidhya.com/blog/2021/04/mathematics-in-data-science/
INFO: Krótki opis działów matematyki, które są kluczowe dla uczenia maszynowego

3. You Describe & AI Photoshops Faces For You [StyleCLIP]
https://www.youtube.com/watch?v=d1OET63Ulwc
INFO: Połączenie StyleGAN2, oraz CLIP. Edycja wyglądu twarzy za pomocą komend tekstowych. Wyniki wyglądają bardzo obiecująco

4. The Rants of an experienced engineer who glimpsed into AI Academia (Briefly)
https://www.reddit.com/r/MachineLearning/comments/myiw7e/d_the_rants_of_an_experienced_engineer_who/
INFO: Opis bolączek z jakimi zmaga się środowisko naukowe w dziedzinie sztucznej inteligencji okiem doświadczonej osoby zajmującej się tym zawodowo [USA]

5. Best Podcasts for Machine Learning 2021
https://www.kdnuggets.com/2021/04/best-podcasts-machine-learning.html
INFO: Spis najlepszych anglojęzycznych podcastów o tematyce uczenia maszynowego

6. Beginner’s Guide To Decision Tree Classification Using Python
https://www.analyticsvidhya.com/blog/2021/04/beginners-guide-to-decision-tree-classification-using-python/
INFO: Krótkie wprowadzenie do drzew decyzyjnych

7. Real-time Machine Learning For Recommendations
https://towardsdatascience.com/real-time-recommendations-62e15be94fc4
INFO: Długi, ale ciekawy tekst na temat uczenia maszynowego ‘Real Time’ na przykładzie systemu rekomendacji

8. General AI
https://towardsdatascience.com/what-is-artificial-general-intelligence-5b395e63f88b
INFO: Sztuczna inteligencja, która puszczona w świat zacznie się go uczyć sama. Autor przewiduje, że uczenie ze wzmocnieniem będzie grało główną rolę w kierunku Ogólnej Sztucznej Inteligencji

9. Artificial Intelligence: Threats and Opportunities
https://futureoflife.org/background/benefits-risks-of-artificial-intelligence/
INFO: Za każdym szybko rozwijającym się obszarem idzie cień zagrożeń. Czasami wyolbrzymiamy, a czasami bagatelizujemy zagrożenia. Warto się wczytać jaki jest aktualny stan rzeczy

10. Attention in Machine Learning
https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html
INFO: Yoshua Bengio uważa koncept sieci atencyjnych jako jeden z kluczowych aspektów przybliżenia się do zrozumienia budowy ludzkiego mózgu.

--------------------------------------------------------------------------------------------------------------
Mirki, jeśli macie jakieś ciekawe źródła, którymi chcielibyście się podzielić, to śmiało podsyłajcie. Zapraszam też do obserwowania tagu

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datasciencei pokaż całość

◢ #ainews ◣

Kolejna dawka ciekawych propozycji ze świata sztucznej inteligencji, zapraszam! (｡◕‿‿◕｡)

1) Sieci konwolucyjne do rozpoznawania zapalenia płuc
https://miroslawmamczur.pl/sieci-konwolucyjne-do-rozpoznawania-zapalenia-pluc/
INFO: Przykład z kodem wykorzystania konwolucyjnych sieci neuronowych

2) UE wyda regulacje dotyczące Sztucznej Inteligencji.
https://www.wykop.pl/link/6062395/ue-wyda-regulacje-dotyczace-sztucznej-inteligencji-zakaz-systemow-rodem-z-chin/
INFO: Komisja Europejska wprowadzi regulacje w stosowaniu AI, zakazując m.in. zaawansowanego monitoringu z rozpoznawaniem twarzy i systemów oceny społecznej.

3) KIlka ciekawych zastosowań sieci GAN
https://jonathan-hui.medium.com/gan-some-cool-applications-of-gans-4c9ecca35900
INFO: Poprawianie jakości obrazu, tworzenie anime z prawdziwej twarzy, kolorowanie czarno białych obrazów i nie tylko. Zastosowań generatywnych sieci jest wiele i będzie ich przybywać.

4) Adversarial attacks
https://jonathan-hui.medium.com/adversarial-attacks-b58318bb497b
INFO: Bardzo obszerny opis fizycznych metod (i nie tylko) oszukiwania inteligentnych systemów.

5) Predictions for AI in 2021
https://www.informationweek.com/big-data/ai-machine-learning/predictions-for-ai-in-2021/a/d-id/1339662?
INFO: Przewidywania kierunków rozwoju AI w 2021. Artykuł porusza takie rzecz jak decyzyjność rządu czy nowe metody autoryzacyjne (skan twarzy jako standard)

6) World Top 30 best-funded AI startups 2020
https://disfold.com/top-ai-startups/
INFO: Lista topowych startupów, które powstały z ideą zastosowania sztucznej inteligencji.

7) TOP 18 AI Platforms
https://www.predictiveanalyticstoday.com/artificial-intelligence-platforms/
INFO: Jakby ktoś chciał kiedyś spróbować swoich sił z uczeniem maszynowym to ten artykuł listuje najlepsze platformy / biblioteki, które są aktualnie na topie.

8) Building Incredible Mobile Experiences by Combining AR and AI
https://www.fingent.com/blog/building-incredible-mobile-experiences-by-combining-ar-and-ai/
INFO: No no… ciekawe jak będzie wyglądała rzeczywistość rozszerzona połączona z AI na telefonie :D

9) Let’s Talk about GANs
https://www.analyticsvidhya.com/?p=78023
INFO: Jeszcze jeden artykuł o sieciach GAN na dziś. Krótkie, opisowe wyjaśnienie jak działają

--------------------------------------------------------------------------------------------------------------

To drugie wydanie ainews, może macie jakieś sugestie, chętnie wysłucham opinii :)
Zapraszam do śledzenia tagu #ainews ( ͡° ͜ʖ ͡°)

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience pokaż całość

Cześć, z racji tego, że sporo czasu poświęcam na przegląd literatury związanej ze sztuczną inteligencją pomyślałem, że warto byłoby dzielić się moimi znaleziskami. Chciałem stworzyć coś na kształt #unknownews, ale z dziedziny #ai.
W tygodniowych odstępach będę publikował takie zes†awienia ciekawych materiałów, które znalazłem. Dzięki temu nie dość, że wy będziecie na bieżąco, to ja jeszcze będę miał motywację do ugruntowania mojej wiedzy :)

--------------------------------------------------------------------------------------------------------------
1. Neuralink - Małpa kontrolująca grę w MonkeyPong za pomocą myśli
https://www.youtube.com/watch?v=rsCul1sp4hQ
INFO: Pewnie już widzieliście, bo pojawiało się w wielu miejscach, ale nie sposób pominąć

2. Unikaj tych błędów podczas trenowania swojej sztucznej inteligencji
https://blog.codekaro.info/avoid-these-mistakes-while-training-your-ai
INFO: Krótki opis 5 typowych popełnianych błędów

3. Jak działają konwolucyjne sieci neuronowe
https://miroslawmamczur.pl/jak-dzialaja-konwolucyjne-sieci-neuronowe-cnn
INFO: Historia i opis działania CNN bardzo przystępnym językiem

4. SkinDeep - usuwanie tatuaży ze zdjęć
https://github.com/vijishmadhavan/SkinDeep
INFO: Projekt na github z opisem całego procesu

5. Uczenie maszynowe bezpośrednio w SQL
https://www.freecodecamp.org/news/machine-learning-directly-in-sql/
INFO: Przykłady kilku podstawowych algorytmów uczenia maszynowego z wykorzystaniem jedynie bazy danych. Raczej w kategoriach ciekawostki niż rzeczywistego zastosowania

6. AutoML w Deep Learningu
https://towardsdatascience.com/toward-defining-automl-for-deep-learning-c257c3784b8c
INFO: Opis zautomatyzowania wdrażania inteligentnych systemów. Od zdefiniowania zadania do monitorowania wydajności.

7. 7 rzeczy jakie powinien posiadać Data Scientist w swoim CV
https://www.kdnuggets.com/2021/04/7-must-haves-data-science-cv.html
INFO: Warto zerknąć co najbardziej przyciąga wzrok.

8. Uczenie antagonistyczne zagrożeniem dla inteligentnych systemów
https://www.kdnuggets.com/2021/01/machine-learning-adversarial-attacks.html
INFO: Warto przemyśleć temat bezpieczeństwa stosowania sieci neuronowych. Zazwyczaj nie zwracamy na to uwagi, ale problem istnieje i jak wspomniano w artykule ‘jest tykającą bombą’

9. Najlepsze kursy uczenia maszynowego na 2021
https://www.learndatasci.com/best-machine-learning-courses/
INFO: Sama śmietanka. Ze swojej strony polecam Deep Learning Specialization - perełka :)

10. DeepFake z Tomem Cruisem
https://www.youtube.com/watch?v=iyiOVUbsPcM&ab_channel=Vecanoi
INFO: Robi się bardzo realistycznie. Ciężko z nagrania wyłapać jakiekolwiek artefakty, które zazwyczaj zostawia po sobie DeepFake
--------------------------------------------------------------------------------------------------------------

Mirki, co o tym myślicie? Znajdą się chętni, żeby to śledzić? Może macie jakieś sugestie, chętnie wysłucham opinii :)
Zapraszam do śledzenia tagu #ainews ( ͡° ͜ʖ ͡°)

#ainews, #sztucznainteligencja, #uczeniemaszynowe, #technologia #ciekawostki #artificialintelligence #bigdata #machinelearning #programista15k #datascience pokaż całość

Empikfoto i realtime marketing xDDDDD

#heheszki #humorobrazkowy #marketinginternetowy #empik #blm

#pw #eiti
Może są jakieś wykopki które skończyły studia magisterskie na Politechnice Warszawskiej z Inżynierii Systemów Informatycznych? Potrzebuję jakichś recenzji, listy przedmiotów, informacji o rekrutacji (przenoszę się z innej uczelni). Pytanie też czy da się normalnie pracować przy dziennych studiach chodząc na wszystkie zajęcia.

Mirki, czy jest tu może ktoś kto jest albo kończył jedną z poniższych specjalizacji: Systemy Informatyczne, Informatyczne Systemy Zarządzania albo Sieci Teleinformatyczne
Chciałbym poznać jakieś opinie oraz informacje o przedmiotach i prowadzących ( ͡° ͜ʖ ͡°)
#wat