Что такое обработка и анализ данных и почему это важно?
Современные специалисты по обработке и анализу данных должны знать ответы на множество вопросов. В деловом мире сейчас наблюдается повышение спроса на прогнозирование и оптимизацию, основанные на анализе данных в реальном времени с помощью инструментов.
Читать#
Современные специалисты по обработке и анализу данных должны знать ответы на множество вопросов. В деловом мире сейчас наблюдается повышение спроса на прогнозирование и оптимизацию, основанные на анализе данных в реальном времени с помощью инструментов.
Читать#
Каналов в телеграме много, но не так уж легко найти годный контент о компьютерной периферии.
@guide_pc - это новый и очень нужный канал обо всем, что связанно с компьютерами, специально для тех, кому не все равно, какой звук издает его клавиатура и тех, кто не хочет переплачивать за раскрученные бренды. Канал ведет большой любитель и знаток всего, что связано с компьютерами. Рассказывает интересно и понятно, с юмором и без цензуры.
@guide_pc - это канал, на который точно стоит подписаться.
@guide_pc - это новый и очень нужный канал обо всем, что связанно с компьютерами, специально для тех, кому не все равно, какой звук издает его клавиатура и тех, кто не хочет переплачивать за раскрученные бренды. Канал ведет большой любитель и знаток всего, что связано с компьютерами. Рассказывает интересно и понятно, с юмором и без цензуры.
@guide_pc - это канал, на который точно стоит подписаться.
Mapillary опубликовали датасет для распознавания мест
Mapillary Street-level Sequences Dataset (MSLS) — это самый крупный датасет с изображениями для предсказания мест. Датасет содержит 1.6 миллионов изображений, для каждого из которых доступны метаданные местности. Изображения мест снимали с ракурса автомобиля на дороге. Данные покрывают места из 30 городов на 6 континентах, разные погодные условия, освещение, типы движущихся объектов и типы камер. Сбором и тестированием датасета занимались исследователи из Mapillary.
Читать#
Mapillary Street-level Sequences Dataset (MSLS) — это самый крупный датасет с изображениями для предсказания мест. Датасет содержит 1.6 миллионов изображений, для каждого из которых доступны метаданные местности. Изображения мест снимали с ракурса автомобиля на дороге. Данные покрывают места из 30 городов на 6 континентах, разные погодные условия, освещение, типы движущихся объектов и типы камер. Сбором и тестированием датасета занимались исследователи из Mapillary.
Читать#
NetApp приобрела Cloud Jumper, лидера рынка в области инфраструктуры виртуальных десктопов
Компания NetApp (NASDAQ: NTAP), лидер рынка в области управления данными в облаках, объявила о приобретении компании Cloud Jumper, разработчика облачного ПО и лидера в областях инфраструктуры виртуальных десктопов (VDI) и служб удаленных десктопов (RDS). В результате сделки, NetApp Virtual Desktop Services сможет решать самые сложные задачи, связанные с виртуальными десктопами и управлением приложениями, что позволит заказчикам разворачивать, управлять, отслеживать и оптимизировать эти среды с помощью комплексного решения от одной компании в удобном для них облаке.
Читать#
Компания NetApp (NASDAQ: NTAP), лидер рынка в области управления данными в облаках, объявила о приобретении компании Cloud Jumper, разработчика облачного ПО и лидера в областях инфраструктуры виртуальных десктопов (VDI) и служб удаленных десктопов (RDS). В результате сделки, NetApp Virtual Desktop Services сможет решать самые сложные задачи, связанные с виртуальными десктопами и управлением приложениями, что позволит заказчикам разворачивать, управлять, отслеживать и оптимизировать эти среды с помощью комплексного решения от одной компании в удобном для них облаке.
Читать#
6 навыков программирования, которые стоит освоить взрослым и детям
Научиться создавать чат-боты в соцсетях, формировать отчеты одним нажатием кнопки и даже программировать роботов вовсе не сложно. Для этого достаточно найти пару часов в своем графике и отправиться на курсы по программированию.
Читать#
Научиться создавать чат-боты в соцсетях, формировать отчеты одним нажатием кнопки и даже программировать роботов вовсе не сложно. Для этого достаточно найти пару часов в своем графике и отправиться на курсы по программированию.
Читать#
Какое влияние машинное обучение оказывает на ваш бизнес
В Gartner включили машинное обучение в число главных приоритетов. Не стоит ждать, что внедрение средств машинного обучения позволит заменить всех сотрудников компьютерами или удвоить доходы, однако они в состоянии обеспечить компании конкурентные преимущества.
Читать#
В Gartner включили машинное обучение в число главных приоритетов. Не стоит ждать, что внедрение средств машинного обучения позволит заменить всех сотрудников компьютерами или удвоить доходы, однако они в состоянии обеспечить компании конкурентные преимущества.
Читать#
10 Data Science книг к прочтению в 2020 году
Эти книг позволяют изучить науку о данных (Data Science) и применить полученные знания на практике. Они написана так, что способствует погружению в Data Science аналитику, фактически не обладающего глубокими знаниями в этой прикладной дисциплине.
В объемах, достаточных для начала работы в области Data Science, книги содержат интенсивный курс языка Python, элементы линейной алгебры, математической статистики, теории вероятностей, методов сбора, очистки, нормализации и обработки данных. Даны основы машинного обучения.
Читать#
Эти книг позволяют изучить науку о данных (Data Science) и применить полученные знания на практике. Они написана так, что способствует погружению в Data Science аналитику, фактически не обладающего глубокими знаниями в этой прикладной дисциплине.
В объемах, достаточных для начала работы в области Data Science, книги содержат интенсивный курс языка Python, элементы линейной алгебры, математической статистики, теории вероятностей, методов сбора, очистки, нормализации и обработки данных. Даны основы машинного обучения.
Читать#
This media is not supported in your browser
VIEW IN TELEGRAM
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ
Искусственный интеллект, машинное обучение и глубокое обучение… Чем они отличаются? Для более лучшего понимания, эти понятия можно разложить так. Компьютер тем или иным образом имитирует поведение человека. Машинное обучение (ML, Machine Learning) — это подмножество ИИ, состоящее из методов, которые позволяют компьютерам делать выводы на основе данных и предоставлять ИИ-приложениям. Глубокое обучение (DL, Deep Learning) является подмножеством машинного обучения, и оно дает компьютерам возможность решать более сложные задачи.
Искусственный интеллект, машинное обучение и глубокое обучение… Чем они отличаются? Для более лучшего понимания, эти понятия можно разложить так. Компьютер тем или иным образом имитирует поведение человека. Машинное обучение (ML, Machine Learning) — это подмножество ИИ, состоящее из методов, которые позволяют компьютерам делать выводы на основе данных и предоставлять ИИ-приложениям. Глубокое обучение (DL, Deep Learning) является подмножеством машинного обучения, и оно дает компьютерам возможность решать более сложные задачи.
Исследователи пытаются замаскировать внутреннюю структуру нейросетей для защиты от атак по энергопотреблению
Инженеры из Университета штата Северная Каролина анонсировали способ защиты нейронных сетей от дифференциальной атаки по энергопотреблению. Свою работу они представят на Международном симпозиуме IEEE 2020.
Инженеры из Университета штата Северная Каролина анонсировали способ защиты нейронных сетей от дифференциальной атаки по энергопотреблению. Свою работу они представят на Международном симпозиуме IEEE 2020.
video_1504119_2532147.gif
20.4 MB
Зачем большие данные в автомобилестроение?
Современный автомобиль — накопитель информации: он аккумулирует все данные о водителе, окружающей среде, подключенных устройствах и о себе самом. Уже скоро одно транспортное средство, которое подключено к сети наподобие той, что объединяет электромобили Tesla Model S, будет генерировать до 25 Гб данных за час.
Современный автомобиль — накопитель информации: он аккумулирует все данные о водителе, окружающей среде, подключенных устройствах и о себе самом. Уже скоро одно транспортное средство, которое подключено к сети наподобие той, что объединяет электромобили Tesla Model S, будет генерировать до 25 Гб данных за час.
@yegor256news - авторский англоязычный канал Егора Бугаенко, программиста, блоггера, автора Elegant Objects, создателя платформы Zerocracy и частого спикера на многих крупных IT-конференциях; подписывайтесь и следите за его творчеством!
This media is not supported in your browser
VIEW IN TELEGRAM
Возможности Deep Learning
Deep Learning занимает важнейшую роль в обществе в различных сферах деятельности и стоит в основе практически всех главных вычислительных прорывов последних нескольких лет. Сегодня сила Deep Learning помогает компьютерам превзойти способности человека.
Читать#
Deep Learning занимает важнейшую роль в обществе в различных сферах деятельности и стоит в основе практически всех главных вычислительных прорывов последних нескольких лет. Сегодня сила Deep Learning помогает компьютерам превзойти способности человека.
Читать#
video_1511675_2544822.gif
21.8 MB
Почему всякому Data Scientist нужен свой Data Engineer
Data Scientist признали «самой сексуальной работой в XXI веке». The Harvard Business Review считает, что этот «гибрид дэйта-хакера, аналитика, переговорщика и доверенного советника» — редкое сочетание навыков, заслуживающих высокой зарплаты.
Слишком хорошо, чтобы быть правдой? Да, по словам Форбса. Оказывается, ученые-данные тратят большую часть своего времени (до 79%!) на работу, которую они больше всего ненавидят.
Data Scientist признали «самой сексуальной работой в XXI веке». The Harvard Business Review считает, что этот «гибрид дэйта-хакера, аналитика, переговорщика и доверенного советника» — редкое сочетание навыков, заслуживающих высокой зарплаты.
Слишком хорошо, чтобы быть правдой? Да, по словам Форбса. Оказывается, ученые-данные тратят большую часть своего времени (до 79%!) на работу, которую они больше всего ненавидят.
IDC: Половина сервисов IaaS и PaaS используется для разработки приложений, управления и анализа данными
Ключевые деловые приложения, включая CRM, ERM и SCM, в облачном варианте чаще всего приобретаются в виде SaaS-сервисов.
Более половины закупок инфраструктурных и платформенных сервисов (IaaS и PaaS) в публичных облачных средах приходится на три задачи: управление данными, разработка и тестирование приложений и анализ данных. Хотя на рабочие нагрузки, связанные с важнейшими бизнес-приложениями (CRM, ERM и SCM) идет больше средств, они приобретаются в виде программ, предоставляемых в виде сервиса (SaaS), а большинство нагрузок потокового вещания работает в виде цифровых сервисов на облачной инфраструктуре. В то же время в IDC не считают показательной долю рабочих нагрузок в виде веб-серверов, поскольку подавляющее большинство веб-серверов в облаке работает в качестве компонентов других бизнес-приложений.
Управление данными и их анализ в ближайшее время останутся наиболее распространенными рабочими нагрузками в публичных облачных системах. Это объясняется переносом в облако унаследованных программных систем, доступностью облачных машин с ускорителями вычислений и распространением сервисов с функциями искусственного интеллекта и машинного обучения. Распространение методов разработки и тестирования приложений в облаке и создания исходно рассчитанных на работу в облаке приложений тоже поддержит рост соответствующего сегмента.
Ключевые деловые приложения, включая CRM, ERM и SCM, в облачном варианте чаще всего приобретаются в виде SaaS-сервисов.
Более половины закупок инфраструктурных и платформенных сервисов (IaaS и PaaS) в публичных облачных средах приходится на три задачи: управление данными, разработка и тестирование приложений и анализ данных. Хотя на рабочие нагрузки, связанные с важнейшими бизнес-приложениями (CRM, ERM и SCM) идет больше средств, они приобретаются в виде программ, предоставляемых в виде сервиса (SaaS), а большинство нагрузок потокового вещания работает в виде цифровых сервисов на облачной инфраструктуре. В то же время в IDC не считают показательной долю рабочих нагрузок в виде веб-серверов, поскольку подавляющее большинство веб-серверов в облаке работает в качестве компонентов других бизнес-приложений.
Управление данными и их анализ в ближайшее время останутся наиболее распространенными рабочими нагрузками в публичных облачных системах. Это объясняется переносом в облако унаследованных программных систем, доступностью облачных машин с ускорителями вычислений и распространением сервисов с функциями искусственного интеллекта и машинного обучения. Распространение методов разработки и тестирования приложений в облаке и создания исходно рассчитанных на работу в облаке приложений тоже поддержит рост соответствующего сегмента.
Cоветы ИТ-специалистам
Даже будучи профессионалом своего дела, повышать свою ценность на рынке труда необходимо для достижения наилучших результатов. Так и для ИТ-специалистов: помимо основного требования - знать свои обязанности и грамотно их выполнять, существует еще ряд полезных привычек, необходимых для успешной работы.
Читать#
Даже будучи профессионалом своего дела, повышать свою ценность на рынке труда необходимо для достижения наилучших результатов. Так и для ИТ-специалистов: помимо основного требования - знать свои обязанности и грамотно их выполнять, существует еще ряд полезных привычек, необходимых для успешной работы.
Читать#
Пандемия стала катализатором революционных изменений в ИТ-индустрии
Как защитить свою ИТ-инфраструктуру для удаленной работы? Как сделать бизнес более устойчивым к глобальным потрясениям? Какие проблемы решают облачные технологии? Какие ИТ-задачи следует автоматизировать? Как использовать искусственный интеллект (ИИ), чтобы справиться с массовым увеличением вызовов?
Далее...
Как защитить свою ИТ-инфраструктуру для удаленной работы? Как сделать бизнес более устойчивым к глобальным потрясениям? Какие проблемы решают облачные технологии? Какие ИТ-задачи следует автоматизировать? Как использовать искусственный интеллект (ИИ), чтобы справиться с массовым увеличением вызовов?
Далее...
video_1520200_2559290.gif
14.5 MB
Нейросеть научили создавать несуществующие слова и давать им определения
Томас Димсон, программист, создавший приложение Hyperlapse для Instagram, представил свой новый проект под названием This Word Does Not Exist. Проект представляет собой нейросеть, которая придумывает несуществующие слова и даёт им определения.
Томас Димсон, программист, создавший приложение Hyperlapse для Instagram, представил свой новый проект под названием This Word Does Not Exist. Проект представляет собой нейросеть, которая придумывает несуществующие слова и даёт им определения.
Глубокое обучение
Люди, велосипеды, автомобили или дорога, небо, трава. Пиксели изображения представляют отдельные лица или объекты на переднем плане перед автомобилем с управлением ИИ, а какие пиксели представляют классы фона? Эта задача, известная как паноптическая сегментация, является фундаментальной проблемой, которая находит применение во многих областях, таких как автомобили с автоматическим управлением, робототехника, дополненная реальность и даже в анализе биомедицинских изображений. На факультете компьютерных наук Фрайбургского университета доктор Абхинав Валада, доцент кафедры обучения робототехнике и член BrainLinks-BrainTools, занимается этим вопросом исследования. Валада и его команда разработали современную модель искусственного интеллекта (ИИ) "EfficientPS", которая обеспечивает более быстрое и эффективное последовательное распознавание визуальных сцен.
Люди, велосипеды, автомобили или дорога, небо, трава. Пиксели изображения представляют отдельные лица или объекты на переднем плане перед автомобилем с управлением ИИ, а какие пиксели представляют классы фона? Эта задача, известная как паноптическая сегментация, является фундаментальной проблемой, которая находит применение во многих областях, таких как автомобили с автоматическим управлением, робототехника, дополненная реальность и даже в анализе биомедицинских изображений. На факультете компьютерных наук Фрайбургского университета доктор Абхинав Валада, доцент кафедры обучения робототехнике и член BrainLinks-BrainTools, занимается этим вопросом исследования. Валада и его команда разработали современную модель искусственного интеллекта (ИИ) "EfficientPS", которая обеспечивает более быстрое и эффективное последовательное распознавание визуальных сцен.