devdigest // data science

Google показал первый процессор Bristlecone, это такой эмулятор 72-кубитного компьютера, пока в качестве исследовательского стенда. Конечно, сейчас классические чипы ощутимо быстрее, но это уже действительно похоже на гонку за квантовое превосходство. По крайней мере мы уже не сомневаемся что появление квантовых компьютеров - вопрос времени, и у нас есть средства чтобы начать исследовать их свойства.

https://research.googleblog.com/2018/03/a-preview-of-bristlecone-googles-new.html

Машинное обучение в канализации (в хорошем смысле).

Сточные воды… Казалось бы, что тут может быть связанного с технологиями. Ну, возможно, какой-нибудь датчик загрязненности. Но, оказывается, нет. Все намного интереснее. Ведь машинное обучение помогает выявлять аномалии и отклонения в системе контроля сточных вод.

Подробнее: https://aka.ms/ai_article_0318

#article #ai

Не так давно было объявлено о включении Visual Studio Code в дистрибутив Anaconda, что несомненно является большим шагом в развитии инструментов анализа данных с открытым исходным кодом. Anaconda представляет собой сборку предназначенную для разработчиков, которые используют Python для анализа данных. https://habrahabr.ru/post/350174/

YouTube канал Microsoft Quantum Computing с последними новостями от Microsoft по квантовым вычислениям

https://www.youtube.com/watch?v=5p2_moQZJWo&index=3&list=PLXtHYVsvn_b9LhFSXcMbgUK6YFWnI0P4H

Коллеги, я вам опять нашел развлечение на выходные.
Обучение прямо в браузере по всем трендовым технологиям: docker, kubernetes, ML, prometheus, swarm, CI/CD, git и много всего ещё, вы только зацените - https://www.katacoda.com

Психологический портрет с помощью нейросети и обычной камеры.

Сегодня рассказываем о ребятах из команды Social Globe, которые заняли третье место на Imagine Cup в прошлом году. И не зря, ведь их сервис способен отследить цифровой след и составить психологический профиль человека по его данным из соцсетей. А идентификация происходит с помощью обычной камеры и нейросетей.

Подробнее: https://aka.ms/az_article_0218

#article #azure #dotnet

И про применение машинного обучения в задачах борьбы с кибер-угрозами. Команда Windows Defender рассказывает, как боролись с новым трояном Emotet (и заодно, как устроена многослойная защита с применением ML-моделей на клиенте и в облаке). https://cloudblogs.microsoft.com/microsoftsecure/2018/02/14/how-artificial-intelligence-stopped-an-emotet-outbreak/ #ai #security #ml

Продолжаем тему с AI на мобильных устройства. ARM объявила о новом дизайне процессоров, заточенных под задачи ML и OD (Object Detection). Как обычно, речь идет о лицензировании архитектуры для других компаний вроде Broadcom или Apple.

В целом новость интересна в двух аспектах: 1) возможно, это приведет к массовому проникновению технологии (но не факт, что быстро: сейчас процессоры, заточенные под AI, пихают только в дорогие модели смартфонов, взять тот же Kirin 970 от Huawei) и 2) это происходит на фоне того, что многие чип-мейкеры, не дожидаясь ARM, начали делать свои собственные AI-сопроцессоры (тот же Qualcomm, например).

В любом случае, факт в том, что решение AI-задач на конечных умных железках будет дешеветь. https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection #ai #hardware

p.s. В довесок, вспомнил: в США, похоже, водители начинают осознавать прелесть видео-регистраторов (раньше они удивлялись, насмотревшись видео в Youtube, что в России их ставят на все, что умеет двигаться - от телеги до трактора). А это, очевидно, еще одна ниша для AI-технологий. Вот Scott Hanselman рассказывает про свой опыт: https://www.hanselman.com/blog/EveryoneShouldGetADashcam.aspx

Третье, Anita Romanan из Microsoft UK, написала вводную статью про квантовые вычисления. В частности, Анита делится требованиями к "масштабируемому квантовому компьютеру", предложенными в 2008 году Давидом ДиВинсензо, которые хорошо держать в голове, когда вам в новостях рассказывают об очередном прорыве той или иной компании или группы исследователей:
1. Физическая система должна быть масштабируема, кубиты должны быть хорошо изучены
2. Мы должны иметь возможность повторяемо привести кубиты в простое начальное состояние (например, |000...>)
3. Система должна жить достаточно долго для выполнения операций на кубитах
4. Мы должны иметь возможность реализации "универсального набора" гейтов, используя систему
5. Измерение отдельных кубитов должно быть возможным

https://blogs.msdn.microsoft.com/uk_faculty_connection/2018/02/06/introduction-to-quantum-computing/ #quantum #computing

Сегодня говорим про мозг. Wired пишет об исследовании команды ученых из Университета Пенсильвании по "взлому мозга". Они натравили один черный ящик (нейронные сети) на другой (мозг человека). В работе команда работала с 25 пациентами с эпилепсией, в головы которых уже вмонтированы электроды для мониторинга активности мозга. Первым делом, наблюдая за показаниями от снимаемых сигналов, ученые пытались предсказать, какое из предлагаемых слов человек скорее всего запомнит. В результате получилось "понимание", как выглядит мозговая активность, когда мозг запоминает новое слово. Вторым этапом, ученые попытались стимулировать запоминание, подавая соответствующие микроиспульсы в процессе обучения. В результате запоминаемость улучшилась в среднем на 15%. С помощью сеточки, получилось находить правильный интервал времени, когда мозг лучше всего подходит для обучения.

Такой вот тру-био-хакинг. Конечно, это только начало, потому что даже для ученых пока не очень понятно, как именно это все работает. Команда надеется, что с улучшением разрешения и числа электродов и накоплением новых данных, получится улучшить модель и научиться лучше ее интерпретировать. https://www.wired.com/story/ml-brain-boost/ #ai #mind #hacking #human

Если вы хотите всерьёз заниматься исследованиями в AI, то вот хороший шанс: наши лаборатории в Редмонде и Кембридже открыли резидентную программу. Подаваться можно до конца февраля. https://www.microsoft.com/en-us/research/academic-program/microsoft-ai-residency-program/ #ai #research

9 полезных бесплатных книг по машинному обучению.

Машинное обучение — обширная тема, ставшая в последнее время весьма важной. Для тех, кто хочет с ней познакомиться, эта подборка станет приятным подспорьем.

Изучить: https://aka.ms/book_ai_az_0118

Наша документация по машинному обучению: https://aka.ms/ai_az_0118

#book

Наша новая книга об искусственном интеллекте.

Просчитывание будущего: искусственный интеллект и его роль в обществе. Именно так называется новая книга Microsoft об AI. Она дает представление о том, куда движутся технологии ИИ, и о новых проблемах общества, которые возникают сегодня.

Бесплатно скачать книгу и изучить дополнительный контент к ней вы можете по ссылке: https://aka.ms/ai_dev_book_0118

#book #ai

Channel name was changed to «devdigest // data science»

Channel created