Машинное обучение *

Сегодня в 18:00 — трансляция митапа по ML & AI с докладами от Neoflex, Контур AI, Selectel и Русагро

Включайте уведомление на YouTube, чтобы не пропустить начало.

Доклады

• Определение дрифта данных и дрифта моделей на MLOps-платформе Neoflex Dognauts

• Хостинг сотни моделей машинного обучения в Контуре: существующее решение и путь к нему, а также актуальные и решенные проблемы

• Стек технологий и инфраструктурная база для пилотных проектов внедрения LLM

• Оптимизация работы видеоаналитических сервисов в животноводстве с помощью Prefect

Заполняйте форму регистрации, чтобы задать вопрос спикерам.

Стартап Milo представил камеру с искусственным интеллектом, определяющую, что в бассейне кто-то тонет.

Камера состоит из двух модулей, устанавливаемых под и над водой. Камеры постоянно сканируют позы купающихся и сравнивает их с паттернами тонущих (пишут, что определение работает в т.ч. и на животных).

Как только камере кажется, что кто-то вот-вот захлебнется или получил травму, то она тут же выдает сообщение на телефон и включает громкое уведомление на специальном “маяке”, который можно поставить в доме.

Стоит такая радость $1500, причем основная ценность тут не в аппаратуре, а в обученном алгоритме.

Об авторе: более 10 лет пишу о промышленном дизайне и технологиях, влияющих на повседневность. Наиболее интересное публикую в канале “интересно ПРОм дизайн”.

Сколько раз звонить, чтобы дозвониться. Наша странная реальность и теория вероятности. Является ли попытка дозвониться аналогом подбрасывания монеты

Бывают ситуации когда надо дозвониться до какой-то организации или человека, но телефон адресата то занят, то не отвечает, то вне зоны доступа и т.д. Мне попались любопытные данные внутренней статистики от одного из провинциальных операторов связи. Получается оптимальное количество попыток 4..7, а больше 15 раз делать попыток дозвониться теряет смысл, вероятность дозвона сильно уменьшается. И всё-таки это не подбрасывание монетки.

Mozilla обновила наборы голосовых данных Common Voice, включающие примеры произношения более 200 тыс. человек. Данные опубликованы как общественное достояние (CC0). Предложенные наборы можно использовать в системах машинного обучения для построения моделей распознавания и синтеза речи. По сравнению с прошлым обновлением объём речевого материала в коллекции увеличился с 27.1 до 28.1 тысяч часов речи, из которых 18.6 тысяч часов прошли процедуру проверки. Число поддерживаемых языков увеличилось со 108 до 112 (добавлены пушту, албанский, амхарский и стандартный марокканский берберский языки).

В подготовке материалов на английском языке приняли участие 88 тыс. человек, надиктовавших 3279 часов речи. Набор для русского языка охватывает 3001 участника и 263 часа.

Проект Common Voice нацелен на организацию совместной работы по накоплению базы голосовых шаблонов, учитывающей всё разнообразие голосов и манер речи. Пользователям предлагается озвучить выводимые на экран фразы или оценить качество данных, добавленных другими пользователями. Накопленную базу данных c записями различного произношения типовых фраз человеческой речи без ограничений можно использовать в системах машинного обучения и в исследовательских проектах.

Источник: OpenNET.

Давно у меня вызревает план написания своего личного AI ассистента, но отсутствие возможности качественно распознавать речь локально вынуждало отложить реализацию.

Сейчас Whisper ai побуждает таки взяться за это дело. Теперь надо решить с Intent Recognition (Classification). Этот вопрос раньше тоже не добавлял вдохновения, так как были сомнения по поводу простоты подготовки тренировочных данных для обучения. Но с chatGPT это уже вообще больше не вопрос (примеры)! И вот это уже реально мотивирует.

А теперь вопрос. Что лучше взять для этих целей в 2023-м году? DeepPavlov? Rasa NLU? Или что-то на базе BERT-а?

Вы знали что:

• Машинное обучение

• Нейронные сети

• Deep learning

Называется искусственным интеллектом?

То есть поисковик гугл или yandex translate тоже искусственный интеллект.

Если у вашего драйвера Nvidia CUDA 12.1 не переживайте! Смело ставьте PyTorch под 11.8. Только ни в коем случае не через conda, а через Pip. У меня на получение знания ушла 1 ubuntu 18.04(RIP) и 2 дня.