«Что такое Искусственный Интеллект, каких он бывает видов, как устроен внутри? Будут ли у него чувства и эмоции, захватит ли он человечество или будет нам верным помощником?» Александр Гапак vk.com/alex_gapak
Модель нейрона. Активационная функция. Сети прямого распространения. Архитектура нейронной сети. Коннективизм. Обучение нейронной сети. Обратное распространение ошибки. Метод скорейшего спуска. Эпохи и batchи. Инициализация нейронной сети. Пример: задача Обучающее или. Библиотека Neuralnet. Пороговое значение.
Лекция №1 в курсе «Анализ данных на R в примерах и задачах, часть 2» (весна 2017).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: goo.gl/JH1KPD
Лекции курса по порядку: www.youtube.com/watch?v=orgXajB6z58
Обзор возможностей нейронных сетей. Замена лиц, рисование и вождение автомобиля. Всему этому искусственный интеллект научился за последние несколько лет.
Помоги достичь цели и собрать 200 инсталлов ➤➤➤➤
➤➤➤➤➤Скачивай Vikings: War of Clans ➤ Android: clcr.me/bBf5F5 IOS: clcr.me/p2yDOK и стань героем захватывающих событий в мире Викингов
Розыгрыш MacBook Pro и iPad pro
Основы нейросетей. Виды нейросетей (полносвязные нейросети, автоэнкодеры, свёрточные, рекуррентные) и решаемые ими задачи. Современное состояние области и тренды.
Я расскажу вам что такое нейронные сети, и как они используются. За 30 минут вы узнаете минимально необходимую теорию а так же сможете написать свою первую многослойную нейронную сеть самостоятельно (она займет не более 50 строк кода!).
Первая часть интенсива «Практическое введение в нейронные сети и глубокое обучение», который прошёл 1 июня в рамках «DevCon School: Технологии будущего».
Докладчики:
— Дмитрий Сошников, технологический евангелист Microsoft
— Михаил Бурцев, кандидат физико-математических наук, НИЦ «Курчатовский Институт»
— Андрей Устюжанин, Заведующий лабораторией Факультета компьютерных наук НИУ ВШЭ, Руководитель совместных проектов Яндекс-CERN
— Михаил Козлов, Руководитель отдела разработки, ГК ПИК
В рамках интесива вы познакомитесь с устройством нейросетей, начиная с простых архитектур и заканчивая так называемым глубоким обучением — сетями, в которых десятки и сотни слоев. Мы рассмотрим сверточные сети, применяемые для распознавания изображений, и рекуррентные сети для анализа последовательностей. Причем вы сможете вместе с нами обучить нейронную сеть для решения нетривиальных задач — от распознавания рукописных цифр до узнавания котиков на фотографиях.
Машинное обучение и искусственный интеллект — это уже не фантастика, а часть нашей жизни. Поисковые системы, умные ленты, распознавание голоса, лица, компьютерное зрение — уже сейчас машины во многом умнее нас, и сложно представить, насколько увеличится отрыв в будущем!
Но останутся ли у подобных умных алгоритмов слабые стороны? Можно ли будет обмануть искусственную нейронную сеть, свести с ума искусственный интеллект и разоблачить обман, созданный машиной?