- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Актуальные задачи и концепции ML презентация
Содержание
- 1. Актуальные задачи и концепции ML
- 2. В ML, ввиду скорости развития, особенно высокий риск - «не быть в теме»
- 3. Семантическая сегментация изображений
- 4. Постановка задачи
- 5. Классические подходы к сегментации
- 6. Семантическая сегментация на основе FCN-8s
- 7. Архитектура FCN-8s
- 8. Дополнительно SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation https://github.com/alexgkendall/SegNet-Tutorial https://github.com/nvidia/digits
- 9. Анализ последовательностей ряды, видео, текст
- 10. Перевод текста Классический и нейронный подход Statistical
- 11. LSTM сети Understanding LSTM Networks https://deeplearning4j.org/lstm.html
- 12. LSTM сети Understanding LSTM Networks https://deeplearning4j.org/lstm.html
- 13. LSTM сети
- 14. Архитектура GNMT System
- 15. Архитектура GNMT System
- 16. Подход к кодированию слов Word: Jet makers
- 17. Оптимизации
- 18. Результаты GNMT
- 19. Дополнительно: Word2Vec keras-language-modeling word-rnn-tensorflow
- 20. Распознавание речи по аудио и\или видео
- 21. Архитектура решения
- 22. Модификации изображений
- 23. Концепция GAN
- 24. Генерация описания по изображению
- 25. Генерация описания по изображению
- 26. Управление на основе обучения
- 27. Общая концепция Обучения с подкреплением
- 28. Нейронная сеть в качестве Функции принятия решения
- 29. Нейронная сеть учится путешествовать по лабиринту
- 30. Нейронная сеть учится играть в StarCraft 2
- 31. Резюме по задачам Классификация объектов на изображении
- 32. Резюме по технологиям OpenCV CNN RNN LSTM FCN GAN, CycleGAN Reinforcement Learning
- 33. Спасибо за внимание! Михеев Александр Разработчик Simcase E-mail: a.miheev@simcase.ru
- 34. С чего начать Python (Anaconda если проблема
В ML, ввиду скорости развития, особенно высокий риск -
«не быть в теме»
Слайд 8Дополнительно
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
https://github.com/alexgkendall/SegNet-Tutorial
https://github.com/nvidia/digits
Слайд 10Перевод текста
Классический и нейронный подход
Statistical Machine Translation (SMT) - phrase-based systems
(PBMT)
Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation
Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation
Слайд 16Подход к кодированию слов
Word: Jet makers feud over seat width with
big orders at stake
wordpieces: _J et _makers _fe ud _over _seat _width _with _big _orders _at _stake
wordpieces: _J et _makers _fe ud _over _seat _width _with _big _orders _at _stake
Слайд 31Резюме по задачам
Классификация объектов на изображении
Text Classification
Генерация изображений по тексту
Caption Generation
Модификация
изображений (Pix2pix modification)
Visual Reasoning
Cегментация изображения
Генерация речи
Visual Reasoning
Cегментация изображения
Генерация речи
Language Modeling
Speech Recognition
Machine Translation
Document Summarization
Question Answering
Анимирование
Управление
Слайд 34С чего начать
Python (Anaconda если проблема сразу слезть с Windows)
IDE: PythonNotebook,
PyCharm
Scikit-learn
Keras + Theano или Thensorflow
Не самый слабый компьютер для удобства работы (+GPU если двинетесь дальше)
Scikit-learn
Keras + Theano или Thensorflow
Не самый слабый компьютер для удобства работы (+GPU если двинетесь дальше)
Немного математики (теория вероятности, линейная алгебра, численные методы оптимизации)
Английский
Программирование
