Recommended
More Related Content
Similar to Sata Science and computer thinking
Similar to Sata Science and computer thinking (9)
Sata Science and computer thinking
- 1. CONFIDENTIAL Наука о данных Gomel FEB, 2017 и о том как научить компьютер думать @nesterione
- 2. CONFIDENTIAL ОБЩАЯ ИНФОРМАЦИЯ. О ЧЕМ ВЫ СКОРЕЕ ВСЕГО СЛЫШАЛИ BIG DATA DATA SCIENCE ARTIFICAL INTELLIGENCE COMPUTER VISION DATA MINING NEURAL NETWORKS DEEP LEARNING MACHINE LEARNINGSPEECH RECOGNITION OBJECT DETECTION FRAUD DETECTION MACHINE TRANSLATION MACHINE INTELLIGENCE
- 4. CONFIDENTIAL Что с человеком? КОТ КОТ СОБАКА
- 8. CONFIDENTIAL Зачем обучать компьютер? Не любой задаче можно дать жесткую формулировку и описать строгий алгоритм.
- 9. CONFIDENTIAL Как же обучить компьютер? 2 1 3 Сбор данных Обучение Объяснение результата (проверка) • Проверить, в случае недостаточной точности, повторять первые шаги • Построить модель, • обучить • Нужно собрать данные • Изучение предметной области • Выявление признаков (не всегда)
- 11. CONFIDENTIAL Почему сейчас? Накопили данные Появились нужные мощности
- 15. CONFIDENTIAL Вы задумывались как это работает? Anti fraud Разделение компонент Таргетинговая реклама Антиспам Рекомендательные системыПоиск Автоматический перевод текстов Понимание смысла текста Банковский скоринг Распознавание образов на изображении Anomaly Detection Компьютерное зрение TTS Распознавание речи Отбор “хороших” фото Амазон (рекомендации) Поиск по изображением Яндекс музыка Формирование новостей Понимание смысла поиска Поиск похожих изображений
- 18. CONFIDENTIAL Конструкция для удержания проводов https://twitter.com/daniel_bilar/status/813019450551242752
- 21. CONFIDENTIAL Сбор статистики с дорог
- 23. CONFIDENTIAL
- 33. CONFIDENTIAL Рекомендую посмотреть https://youtu.be/CddWPpqV854 https://youtu.be/rK2iA_36qEI «Машинный интеллект: что он изменит в маркетинге и в жизни», открытая лекция Андрея Себранта Машинный интеллект и машинное обучение. Лекция Андрея Себранта («Яндекс») https://youtu.be/S6Lk_ij60Po Григорий Бакунов (Яндекс) - Как повысить конверсию лендинга https://youtu.be/rZ2VfhyUXYM Бакунов Григорий - Как развитие искусственного интеллекта изменит мир вокруг нас
- 34. 34CONFIDENTIAL Q&A Нестереня Игорь • telegram: @nesterione • site: nesterenya.com • mail: nesterione@gmail.com
Editor's Notes
- Шутка про компьютерные науки, и про математику
- Краткий диалог с аудиторией, выяснить что они знают. Сказать, что можно перебивать и задавать вопросы сразу. Поспрашивать про нейронные сити и слышали ли о науке о данных? Хорошо, тогда сразу из далека, вначале поговорим о обучении. Потом причём здесь данные.
- Пояснить про алгоритм. Привести пример с описанием строгой последовательности деятельности. Например мы делаем, нажимаете на сердце в инстаграмме. Отправить запрос на сервер, увеличить цифру на 1 сохранить, изменить информацию в браузере.
- Мы обучаем. Да мы часто тоже используем алгоритмы, например когда решаем шаблонные задачи. Например сократить дробь и прочее. Но в как мы запоминаем? Мы получаем много примеров. Не правда ли, сложно объяснить алгоритму, как определить где машина, а где нет классическим образом?
- Вы точно ответите что это за зверь, хотя он нарисованный и допустим вы его не видели раньше никогда. Как же вы его узнали? Вы сможете точно объяснить? Попытайтесь в виде алгоритма описать, как узнать кота на изображении?
- Дело в том, что мы сразу видим на изображении объекты и его характеристики. Но компьютер так не видит
- Как правило это наука о том как провести прямую через точки. На самом деле гиперплоскость в гиперпространстве. Это чисто математика, и все алгоритмы, позволяют оптимальным образом вычислять эти разделяющие прямые.
- Чтобы решить задачи, в которых мы не можем дать чёткой постановки. А таких задач полно. Классический подход, мы сводим задачу к формальной постановке, дальше решаем её. Здесь мы убираем стадию “формальной постановки”. А таких задач полно.
- Пояснить стадии. И рассказать про ещё одну модель. Нейронные сети.
- Рассказать про искусственный нейрон. Про попытку сделать чёрную коробочку, которая сама всё поймёт. Про то, что ещё в 50-е года работы велись. Про то, почему развитие их преостановилось.
- Оказалось чтобы нейронные сети хорошо обучить, нужно много данных (миллионы примеров), и много мощностей. Но их можно обучать параллельно. А также это стало нужно бизнесу. Человечество обычно делает прорывы в науки, когда хочет заработать либо делать военные технологии, увы. Про Image net
- Рассказать о революции 2012. Пока некоторые ждали конец света… Сейчас ml везде Google, Microsoft и Apple, Amazon alexa.
- New image
- Небольшой список задач, которые очень сложно решить классическим способом, но с машинным обучением успешно решаются. Рассказать кратко про каждый тип задачи. Почему эти задачи близкие к искусственному интеллекту. Проблема coctail party, проблемы нахождения объектов на изображении и сегментации. Разделение компонент. Пример про google home и echo (amazon). Понимание текста, примеры с поиском и переводчиком.
- Про победу машины над человеком в одну из сложнейших игр для машины. А теперь проходит конкурс по игре в покер. И кстати, машина побеждает.
- Это чем занимаюсь я
- Не смог удержаться. Как раз в тему моего доклада. Роботизация да, но не только физического, что важно. Теперь некоторый интеллектуальный труд заменяется машинами. Аналитика, поиск ответов, кол. центры. Не нужно понимать робота в навязанном фильмами образе. Это чаще не так, это что-то типа компьютера с нужным софтом.
- Пример обученной сети для раскраски изображений. Не вдаваться в подробности, только обзор.