Публикации по теме 'heartbeat'
Эффективное использование Comet в стартапе
Обзор
Компании всех размеров, от глобальных гигантов, таких как Netflix и Amazon , до одной крошечной розничной точки, работают над расширением и повышением производительности. Один из способов – включить в операции ИИ и машинное обучение .
Искусственный интеллект берет на себя господство благодаря своему повсеместному присутствию в каждой отрасли и бизнес-направлении. ИИ позволяет предпринимателям более эффективно масштабировать свои бизнес-модели и продукты.
Рассмотрите..
Создайте и разверните API классификации изображений с помощью NodeJS, Express и Tensorflow.js MobileNet
Сегодня мы собираемся создать RESTFUL API, который принимает изображение и делает прогнозы с использованием предварительно обученной модели TensorFlow M obileNet .
В TensorFlow.js есть множество предварительно обученных моделей , которые можно использовать в проектах из коробки . Это избавляет разработчиков от необходимости обучать модель с нуля. Здесь мы собираемся изучить предварительно обученную архитектуру MobileNet .
Разработка
Если вы еще не установили NodeJs на свой..
Самоконтролируемое зрение с маскированным автоэнкодером
Обучение с учителем — это традиционный способ обучения моделей машинного обучения, который требует меток для каждого наблюдения за данными. Данные относительно легко собирать, учитывая, насколько все доступно через Интернет. Например, если мы хотим собрать изображения собак, мы можем удалить фотографии из Интернета, используя только скрипт. Но маркировка часто является узким местом, замедляющим процесс сбора данных.
Что, если у нас есть способ обучать модели машинного обучения, не..
Наборы данных с открытым исходным кодом для машинного обучения: проблемы и решения
В основе любой инициативы по машинному обучению лежат данные - они необходимы для обучения моделей и служат основой для их применения. Из этого следует, что для эффективного обучения и реализации моделей машинного обучения необходимы надежные данные. К сожалению, подобрать качественные данные зачастую бывает непросто.
В этой статье объясняется, как инициативы по созданию наборов данных с открытым исходным кодом способствуют развитию моделей машинного обучения. Вы также узнаете о..
Полное руководство по генеративно-состязательным сетям (GAN)
GAN — это больше, чем просто прорыв в области глубокого обучения; они представляют собой качественный скачок в возможностях искусственного интеллекта. GAN способны создавать гиперреалистичные изображения, видео и аудио, которые часто могут обмануть даже самых умных людей-наблюдателей. Их можно использовать для всего: от развлечений и игр до научных исследований и медицинских открытий.
Последствия GAN ошеломляют, и они быстро меняют ландшафт технологий, какими мы их знаем. Благодаря..
Обобщение видео на основе глубокого обучения - подробное исследование
Кластеризация, локализация тегов, идентификация ключевых моментов и важные подходы
В связи с огромным ростом количества видео в Интернете становится действительно трудно эффективно искать среди миллионов из них. При поиске по запросу о событии пользователи часто удивляются огромному количеству видео, возвращаемых такими поисковыми системами, как Google. Изучение таких результатов может занять много времени, а также может ухудшить взаимодействие с пользователем.
Поэтому мы обсудим..
Пейзаж искусственного интеллекта и машинного обучения (часть 2): учебные платформы и инструменты
Уф, ладно. После написания части 1 этой серии статей, посвященной более глубокому изучению ландшафта искусственного интеллекта и машинного обучения, мне потребовалось сделать глубокий вдох.
Я встретил так много замечательных компаний, организаций и инструментов для маркировки, генерации и подготовки данных - это произвело на меня впечатление, но в моем путешествии также возник ключевой вопрос: теперь, когда у нас есть все необходимое для подготовки наших наборов данных, что дальше?..
