Как стать автором
Обновить
226
Карма
-0.5
Рейтинг
Ермоленко Игорь @Yermack

Пользователь

Шаблон диплома в LaTex / практика написания диплома и составления презентации

LaTeX *
Из песочницы

Изначально я хотел рассказать в данной статье про свой шаблон дипломной работы, но таких статей полно, зачем мне делать еще одну? За 6 лет работы научным сотрудником в лаборатории МГТУ им. Баумана я много чему научился, в том числе и оформлению своих результатов, как графически, так и в Latex. Поэтому эта статья будет посвящена работе со своим шаблоном дипломной работы, а также будет содержать некоторые полезные советы по оформлению презентации и диплома. Я думаю, что смогу дать некоторые полезные советы, так как много раз представлял результаты своей научной работы на конференциях и имею несколько публикаций в иностранных научных журналах Q1.

Читать далее
Всего голосов 18: ↑18 и ↓0 +18
Просмотры 4.9K
Комментарии 7

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Блог компании Breakpoint Python *Программирование *

В какой-то момент времени я превратился в педанта брюзгу. В фильмах малейшие нестыковки и провалы в логике портят мне весь просмотр. В чатах меня бесит it's вместо its. А в статьях про программирование... Всё плохо. За меня всё уже сказал @AlexanderAstafiev, я лишь процитирую:

Простите, я не могу так больше. Я слишком хорошо знаю Python, чтобы молчать при виде такого кода.
Я устал. Я не могу это читать. Простите за токсичную критику, накипело.

Самое забавное, что, по моим ощущениям, везде я вижу одни и те же классы проблем. Я даже запилил сервис, где можно закинуть код и получить код ревью, и, собрав немного статистики, понял, что 50 типов ошибок достаточно, чтобы покрыть большую часть проблем в чужом коде. Но выборка у меня была небольшая, и я подумал: а что, если проверить много кода?

И всё заверте...
Всего голосов 144: ↑139 и ↓5 +134
Просмотры 47K
Комментарии 153

Новый ИИ открывает альтернативную физику

Блог компании SkillFactory Математика *Научно-популярное Искусственный интеллект Физика
Перевод

Новый ИИ от Колумбийского университета наблюдает за физическими явлениями и раскрывает соответствующие переменные. Именно они и стали неожиданностью. Подробности и код — к старту нашего флагманского курса по Data Science.

Читать далее
Всего голосов 30: ↑25 и ↓5 +20
Просмотры 36K
Комментарии 112

AlphaFold2: глубокий разум и его правильное применение

Блог компании BIOCAD Биотехнологии
✏️ Технотекст 2021
Диана Кондинская, руководитель отдела структурной биоинформатики BIOCAD, рассказывает про алгоритм AlphaFold2 от компании DeepMind.
Читать дальше →
Всего голосов 13: ↑13 и ↓0 +13
Просмотры 7K
Комментарии 3

FermiNet: квантовая физика и химия с азов

Алгоритмы *Машинное обучение *Научно-популярное Физика Химия
Перевод


В статье, недавно опубликованной в Physical Review Research, мы демонстрируем, как при помощи глубокого обучения упрощается решение фундаментальных квантовомеханических уравнений для реальных систем. При этом решается не только принципиальный научный вопрос, но и открываются перспективы для практического использования полученных результатов в будущем.

Исследователи смогут прототипировать новые материалы и соединения in silico прежде, чем попытаться синтезировать их в лаборатории. Также выложен код из этого исследования; таким образом, команды специалистов по вычислительной физике и химии могут опираться на проделанную работу и применять ее при решении разнообразных проблем. В рамках исследования была разработана новая архитектура нейронной сети, Fermionic Neural Network или FermiNet, которая хорошо подходит для моделирования квантового состояния больших совокупностей электронов – а ведь именно на электронах основаны все химические связи. Сеть FermiNet впервые продемонстрировала, как использовать глубокое обучение для вычисления энергии атомов и молекул с азов. Полученная модель оказалась достаточно точной для практического применения и на момент публикации оригинала статьи (октябрь 2020) оставалась наиболее точным нейросетевым методом, применяемым в отрасли. Предполагается, что связанные с ней методы и инструментарий могут пригодиться при решении фундаментальных проблем в естественных науках. Авторы FermiNet уже применяют ее в работе над сверткой белков, динамикой стеклообразных соединений, квантовой хромодинамикой на решетке и во многих других проектах, помогающих воплотить данные наработки на практике.
Читать дальше →
Всего голосов 13: ↑13 и ↓0 +13
Просмотры 5.5K
Комментарии 2

Симулятор мозга II

Искусственный интеллект Мозг

Здравствуйте, предлагаю обзор и разбор проекта Brain Simulator II от Чарльза Дж. Саймона, основателя FutureAI. Этот проект и компания малоизвестны, в русскоязычном сегменте интернета вообще нет никаких упоминаний о ней. Моё внимание компания привлекла благодаря сообщению о том, что недавно FutureAI привлекла 2 миллиона $ инвестиций. Проект оказался для меня очень любопытным и интересным, так как я сам во многом разделяю взгляды на проблематику создания AGI Чарльза Саймона, и у меня была практика создания симулятора подобного Brain Simulator II. Обзор проводится на основе общедоступных материалов с сайта FutureAI.guru, откуда можно свободно скачать сам симулятор (windows), а также найти ссылку на его исходный код (c#). Ниже будет представлен вольный перевод одной из статей с сайта, в сопровождении моих комментариев.

Читать далее
Всего голосов 20: ↑20 и ↓0 +20
Просмотры 5.2K
Комментарии 3

Исследования: как мозг строит гипотезы об окружающем мире и подгоняет ощущения под гипотезы

Машинное обучение *Научно-популярное
Перевод

Некоторые нейробиологи объясняют восприятие человека теорией «контролируемых галлюцинаций». Эта теория предполагает, что восприятие, память, контроль движений и другие функции мозга зависят не от сенсорной информации, а скорее от сравнения текущего реального опыта и смоделированных ожиданий мозга.

Вместо того, чтобы ждать сенсорной информации о реальном мире, мозг всегда активно строит гипотезы о том, как устроен мир и предполагает какую информацию получит. А потом использует гипотезы для объяснения реального опыта и заполнения недостающих данных. Другими словами — мозг галлюцинирует, потому что создает информацию, которой нет в реальности.

Читать далее
Всего голосов 15: ↑15 и ↓0 +15
Просмотры 5.1K
Комментарии 11

ИИ может определять расу людей по рентгеновским снимкам, и ученые в шоке

Блог компании FirstVDS Машинное обучение *Искусственный интеллект Здоровье

Новые исследования показывают, что нейросети способны определить расу любого человека по его рентгеновским снимкам. Что было бы совершенно невозможно для врача-человека, смотрящего на те же изображения.

Ученые немного в шоке, потому что не понимают механизма происходящего. И опасаются, что практически любой ИИ может так же использовать свои тайные знания о расе людей при принятии других решений.

Читать далее
Всего голосов 83: ↑70 и ↓13 +57
Просмотры 35K
Комментарии 259

Модели для последовательностей != рекуррентные сети, или «все гениальное — просто»

Машинное обучение *
Из песочницы

Недавно нашел статью 2018 года, в которой авторы поставили себе целью продемонстрировать, что не стоит смотреть на задачи, входы/выходы в которых являют собой последовательности, исключительно сквозь призму рекуррентных сетей, а в результате не только добились своей цели, но еще и улучшили state-of-the-art на модификации небезызвестного MNIST, но обо всем по порядку.

О чем, собственно, речь?

Авторы статьи, как они сами утверждают, стремятся показать, что для решения задач с последовательными данными в качестве стартовой точки должен рассматриваться именно сверточный, а не рекуррентный поход, и, чтобы доказать свою точку зрения, предлагают общую и вполне прямолинейную модель Temporal Convolutional Network (TCN) и сравнивают ее с рекуррентными решениями на, что называется, "домашнем поле" последних, а именно датасетах, которые часто используются для сравнения качества рекуррентных моделей.

Читать далее
Всего голосов 11: ↑11 и ↓0 +11
Просмотры 1.7K
Комментарии 0

Как «машинные учёные» выводят законы физики из необработанных данных

Блог компании SkillFactory Научно-популярное Искусственный интеллект Физика
Перевод

Исследователи говорят, что мы в шаге от «физики GoPro», когда камера сможет указывать на событие, а алгоритм — определять лежащее в его основе физическое уравнение. Подробностями делимся к старту нашего флагманского курса по Data Science.

Читать далее
Всего голосов 18: ↑18 и ↓0 +18
Просмотры 4.8K
Комментарии 3

Знакомство с Neural ODE

Блог компании Open Data Science Python *Алгоритмы *Математика *Машинное обучение *

Neural Ordinary Differential Equations


Значительная доля процессов описывается дифференциальными уравнениями, это могут быть эволюция физической системы во времени, медицинское состояние пациента, фундаментальные характеристики фондового рынка и т.д. Данные о таких процессах последовательны и непрерывны по своей природе, в том смысле, что наблюдения — это просто проявления какого-то непрерывно изменяющегося состояния.

Есть также и другой тип последовательных данных, это дискретные данные, например, данные NLP задач. Состояния в таких данных меняется дискретно: от одного символа или слова к другому.

Сейчас оба типа таких последовательных данных обычно обрабатываются рекуррентными сетями, несмотря на то, что они отличны по своей природе, и похоже, требуют различных подходов.

На последней NIPS-конференции была представлена одна очень интересная статья, которая может помочь решить эту проблему. Авторы предлагают подход, который они назвали Нейронные Обыкновенные Дифференциальные Уравнения (Neural ODE).

Здесь я постарался воспроизвести и кратко изложить результаты этой статьи, чтобы сделать знакомство с ее идеей чуть более простым. Мне кажется, что эта новая архитектура вполне может найти место в стандартном инструментарии дата-сайентиста наряду со сверточными и рекуррентными сетями.


Читать дальше →
Всего голосов 79: ↑76 и ↓3 +73
Просмотры 30K
Комментарии 6

Neural Quantum States — представление волновой функции нейронной сетью

Блог компании Райффайзен Банк Машинное обучение *Физика
В этой статье мы рассмотрим необычное применение нейронных сетей в целом и ограниченных машин Больцмана в частности для решения двух сложных задач квантовой механики — поиска энергии основного состояния и аппроксимации волновой функции системы многих тел.
Читать дальше →
Всего голосов 25: ↑25 и ↓0 +25
Просмотры 5K
Комментарии 4

Турель из Portal своими руками

Блог компании RUVDS.com Программирование микроконтроллеров *3D-принтеры DIY или Сделай сам Игры и игровые консоли
Туториал
Перевод

А вы играли в Portal? Даже если нет, сборка личной автоматической турели с детекцией движения и оригинальным голосовым сопровождением наверняка окажется как минимум любопытной, ведь такая диковина может не просто украсить интерьер, но и стать, к примеру, отличным подарком для детей.
Читать дальше →
Всего голосов 89: ↑88 и ↓1 +87
Просмотры 20K
Комментарии 21

Машинное обучение для астронома: random forest для науки

Блог компании Нетология Научно-популярное Астрономия

Здравствуйте, меня зовут Александра и я астрофизик. В прошлом году я закончила курс «Аналитик данных» в Нетологии. На диплом решила не брать никаких бизнесовых кейсов, только наука. Так родилась работа, посвящённая классификации галактик с помощью одного из методов машинного обучения — random forest. О том, как выглядел мой диплом и какие физические принципы заложены в его работу, я расскажу под катом.

Читать далее
Всего голосов 19: ↑19 и ↓0 +19
Просмотры 3.6K
Комментарии 0

Вычисляем возраст Вселенной в R

R *Научно-популярное Астрономия
Из песочницы

В 1929 году американский астроном Эдвин Хаббл обнаружил, что галактики удаляются друг от друга. Поделив расстояние между ними на скорость удаления, можно вычислить, как давно они были в одной точке. Это грубая оценка возраста Вселенной. Попробуем вычислить возраст Вселенной с помощью R.

Читать далее
Всего голосов 8: ↑8 и ↓0 +8
Просмотры 5.3K
Комментарии 9

Обучение живых и «биологичная» нейронная сеть

Машинное обучение *Искусственный интеллект Мозг Биология

Давайте разберемся, как же живой мозг обучается. Насколько его обучение похоже или не похоже на то, как это делают машины. Попытаемся смоделировать некоторые аспекты обучения.

В машинном обучении укоренились термины обучение без учителя (англ. unsupervised — без контроля) и обучение с учителем (англ. supervised — под контролем). Обучение без учителя – это обучение по неразмеченным данным, или примерам. А обучение с учителем это обычно обучение по некоторым размеченным данным, обучение на примерах при котором результат регулируется и корректируется некоторым внешним механизмом с учётом этой самой разметки. Иногда термин «обучение без учителя» применяют в случае, когда у нас имеется некий агент, которого мы помещаем в некую среду, причём агент изначально не знает по каким правилам и законам действует среда, и без внешней помощи агент обучается взаимодействовать с этой средой. Если у агента имеется некий механизм оценки достижения цели, то это уже можно назвать термином — обучение с подкреплением.

Насколько корректны и применимы эти термины к обучению живых организмов?
Давайте разберемся
Всего голосов 13: ↑13 и ↓0 +13
Просмотры 7.1K
Комментарии 20

Изучаем машинное обучение на примере данных, полученных телескопом «Кеплер»

Блог компании SkillFactory Машинное обучение *Научно-популярное Физика Астрономия
Перевод

Представьте, что вы смотрите фильм с проектора. Если через луч проектора проходит человек, он создаёт тень, закрывая часть света. Зрители видят, что часть света от проектора закрывается, и понимают, что закрывает его какой-то человек (обычно это их раздражает). Зрители в данном случае повторяют действия телескопа «Кеплер», который обнаруживает вращающиеся вокруг звёзд планеты (экзопланеты), выявляя мельчайшие изменения в количестве света, поступающего от звезды, если планета проходит перед звездой. Такое явление называется транзитом. На основе данных о транзитных свойствах объектов при помощи машинного обучения возможно прогнозировать расположение экзопланет, в том числе похожих на Землю. К старту курса о машинном и глубоком обучении делимся немного реорганизованным переводом статьи о том, как тип модели ML может повлиять на качество прогнозирования. В конце статьи вы найдёте ссылку на репозиторий проекта с блокнотами Jupyter.

Читать далее
Всего голосов 5: ↑5 и ↓0 +5
Просмотры 3K
Комментарии 0

Машинное обучение и нейросети позволили сократить время моделирования крупномасштабной структуры Вселенной в 1000 раз

Машинное обучение *Физика Астрономия

По мере того, как телескопы стали более совершенными, данные наблюдений за галактиками, квазарами и материей в межгалактическом пространстве стали более подробными и способными охватить все большие диапазон эпох Вселенной. Но ничего не возникает из практических наблюдений — для начала нужна гипотеза. Космологические симуляции — важная часть исследования природы Вселенной, та самая гипотеза, рождаемая в ходе наблюдения за моделью. Моделирование формирования галактик помогает предсказать поведение вселенной и ее компонентов в различных сценариях и решить проблемы темной материи как одну из задач современной космологии.

Проблема заключается в том, что любое моделирование ограничено конечными вычислительными ресурсами — исследователям приходится находить компромисс между степенью разрешения (количеством частиц) в модели и размерами пространства (box), в котором будет совершаться моделирование. Для ее решения профессорами университета Карнеги-Меллона, института Флэтайрон и Калифорнийского университета была создана программа, которая в связке с нейронными сетями и применением технологии Deep Learning на базе моделей низкого разрешения (LR) путем предсказания того, как гравитация влияет на частицы с течением времени, создает модели сверхвысокого разрешения (SR). Обучается она этому по уже имеющимся моделям высокого разрешения (HR). В результате создается SR-модель с количеством частиц, в 512 раз превышающим количество частиц в LR-версии модели, предсказывая их смещение от начальных позиций. Кроме того, процесс генерации является стохастическим, что позволяет исследовать мелкомасштабные моделирования.

Читать далее
Всего голосов 8: ↑8 и ↓0 +8
Просмотры 3.5K
Комментарии 0

«Фоновый шум» мозга, возможно, хранит в себе ключи к давним загадкам

Мозг
Перевод

Разбираясь в сигналах, скрытых в электрической болтовне мозга, учёные получают сведения о сне, старении и других процессах




В январе 2020 года на симпозиуме, посвящённом сну, Янна Ленднер представила открытия, способные помочь нам нащупать границы между бодрствованием и бессознательным состоянием в деятельности человеческого мозга. Для пациентов в коме или под наркозом очень важно, чтобы врачи смогли правильно провести это различие. И это гораздо сложнее, чем может показаться – ведь мозг человека в фазе быстрого сна выдаёт те же самые знакомые, плавно пульсирующие волны, что и во время бодрствования.

Однако Ленднер утверждала, что ответы на эти вопросы кроются не в обыкновенных мозговых волнах – а в том аспекте мозговой деятельности, который учёные обычно игнорируют. Речь идёт о беспорядочном фоновом шуме.

Некоторые исследователи скептически отнеслись к этому заявлению. «Они сказали: вы имеете в виду, что там в шуме спрятана полезная информация?» – говорит Ленднер, анестезиолог из Университетского медицинского центра г. Тюбинген в Германии, недавно получившая титул постдок в Калифорнийском университете в Беркли. «Я сказала: да, кому шум, а кому – сигнал».
Читать дальше →
Всего голосов 17: ↑14 и ↓3 +11
Просмотры 10K
Комментарии 9

Как опухоли головного мозга воздействуют на коннектом

Блог компании SkillFactory Python *Мозг Здоровье TensorFlow *
Перевод

Известно ли вам, что в настоящее время более 700 000 американцев живут с опухолью головного мозга? И большинство из этих людей, ничего не подозревая, могут продолжать жить с этой опухолью до самой смерти, возможно, от других причин. Поскольку 70 % опухолей мозга доброкачественные, нередки случаи, когда человек, не зная забот, продолжает жить с опухолью мозга. Даже оставшиеся 30 % злокачественных раковых опухолей могут не привести к немедленной смерти. Как эти сгустки вышедших из-под контроля клеток влияют на структуру мозга? И как их наличие влияет на вас?

Читать далее
Всего голосов 13: ↑13 и ↓0 +13
Просмотры 16K
Комментарии 2

Информация

В рейтинге
Не участвует
Откуда
Волгоград, Волгоградская обл., Россия
Работает в
Зарегистрирован
Активность