Как стать автором
Обновить
  • по релевантности
  • по времени
  • по рейтингу

Умный «фейс-контроль»: алгоритмы машинного обучения для эффективного кэширования данных на SSD

Блог компании RAIDIX Алгоритмы *Математика *Хранение данных *Машинное обучение *


Данная статья была представлена на конференции SECR2017, где получила премию Бертрана Мейера за лучший исследовательский доклад.

В этом материале руководитель исследовательской лаборатории «Рэйдикс» Светлана Лазарева рассказывает о новом алгоритме заполнения параллельного кэша в СХД, который основан на алгоритме машинного обучения.
Всего голосов 8: ↑8 и ↓0 +8
Просмотры 3.9K
Комментарии 0

Нейронные сети, фундаментальные принципы работы, многообразие и топология

Алгоритмы *Математика *Машинное обучение *Читальный зал Искусственный интеллект
Нейронные сети совершили революцию в области распознавания образов, но из-за неочевидной интерпретируемости принципа работы, их не используют в таких областях, как медицина и оценка рисков. Требуется наглядное представление работы сети, которое сделает её не чёрным ящиком, а хотя бы «полупрозрачным». Cristopher Olah, в работе «Neural Networks, Manifolds, and Topology» наглядно показал принципы работы нейронной сети и связал их с математической теорией топологии и многообразия, которая послужила основой для данной статьи. Для демонстрации работы нейронной сети используются низкоразмерные глубокие нейронные сети.

Понять поведение глубоких нейронных сетей в целом нетривиальная задача. Проще исследовать низкоразмерные глубокие нейронные сети — сети, в которых есть только несколько нейронов в каждом слое. Для низкоразмерных сетей можно создавать визуализацию, чтобы понять поведение и обучение таких сетей. Эта перспектива позволит получить более глубокое понимание о поведении нейронных сетей и наблюдать связь, объединяющую нейронные сети с областью математики, называемой топологией.

Из этого вытекает ряд интересных вещей, в том числе фундаментальные нижние границы сложности нейронной сети, способной классифицировать определенные наборы данных.

Рассмотрим принцип работы сети на примере
Читать дальше →
Всего голосов 49: ↑42 и ↓7 +35
Просмотры 36K
Комментарии 40

Разбираемся с Machine Learning в Elastic Stack (он же Elasticsearch, он же ELK)

Блог компании Gals Software IT-инфраструктура *Big Data *Визуализация данных Машинное обучение *


Напомним, что в основе Elastic Stack лежат нереляционная база данных Elasticsearch, веб-интерфейс Kibana и сборщики-обработчики данных (самый известный Logstash, различные Beats, APM и другие). Одно из приятных дополнений всего перечисленного стека продуктов — анализ данных при помощи алгоритмов машинного обучения. В статье мы разбираемся что из себя представляют эти алгоритмы. Просим под кат.
Читать дальше →
Всего голосов 13: ↑13 и ↓0 +13
Просмотры 18K
Комментарии 13

Новые возможности анализа табличных данных с алгоритмами машинного обучения в Elastic

Блог компании STEP LOGIC Информационная безопасность *Big Data *Визуализация данных Машинное обучение *


Elastic stack, также известный как ELK Stack (аббревиатура из программных компонентов: Elasticsearch, Kibana и Logstash), — это платформа построения озера данных с возможностью аналитики по ним в реальном масштабе времени. В настоящее время широко применяется для обеспечения информационной безопасности, мониторинга бесперебойности и производительности работы ИТ-среды и оборудования, анализа рабочих процессов, бизнес-аналитики.


В соответствии со стратегией компании, исходный код всех продуктов Elastic является открытым, разработка ведётся публично, а базовые функции доступны бесплатно, что выгодно отличает платформу от конкурентов.


Одним из платных наборов функций, в которых Elastic видит коммерческий потенциал и активно развивает, является анализ данных с использованием технологий машинного обучения. О его новых возможностях расскажем в нашей статье.

Читать дальше →
Всего голосов 7: ↑7 и ↓0 +7
Просмотры 2.8K
Комментарии 2