/ Для программиста / Машинное обучение, AI
	09.07.2018	Концепт камеры для печати фотографии в виде комиксов (45 +13)
	Дэн Мэкниш (Dan Macnish), инженер и дизайнер, представил проект Draw This, в рамках которого из подручных деталей подготовлена фотокамера, напоминающая полароид, но печатающая фотографии в виде комиксов с интерпретацией окружающей действительности. Например, сфотографировав двух людей на выходе будет распечатано два мультяшных персонажа. Проект демонстрирует переход современных средств машинного обучения из категории разработок, развиваемых узким кругом исследователей, в форму широкодоступных инструментов, позволяющих любым желающим воплощать свои идеи и создавать готовые прототипы устройств... (45 +13) обсуждение | весь текст
	28.06.2018	Выпуск свободного сервера навыков 0Mind 1.1.0 (43 +8)
	Выпущена новая версия свободного сервера навыков 0Mind 1.1.0, который предоставляет унифицированный REST JSON API для доступа к моделям машинного обучения, подготовленным в различных фреймворках (поддерживаются Keras, Caffe2, Scikit-learn и TensorRT). Код сервера написан на языке Python и распространяется под лицензией GPLv3... (43 +8) обсуждение | весь текст
	19.06.2018	Выпуск Dragonfire 1.0, виртуального голосового помощника для Linux (77 +26)
	После трёх лет разработки подготовлен релиз виртуального голосового помощника Dragonfire 1.0, позволяющего организовать управление рабочим столом при помощи голосовых команд. Проект написан на языке Python и распространяется под лицензией MIT. Поддерживается работа в Linux-дистрибутивах на базе Ubuntu (в том числе KDE neon и elementary OS), дополнительно подготовлен... (77 +26) обсуждение | весь текст
	29.05.2018	Intel открыл систему машинного обучения для обработки информации на естественном языке (24 +9)
	Компания Intel представила проект NLP Architect, в рамках которого открыты наработки в области применения методов глубинного машинного обучения для обработки и распознавание смысла информации на естественном языке (NLP/NLU, Natural Language... (24 +9) обсуждение | весь текст
	27.04.2018	Система машинного обучения для синтеза типового кода на языке Java (109 +11)
	Группа исследователей из университета Райса (США) развивает интеллектуальный ассистент разработчика Bayou, позволяющий частично автоматизировать процесс написания кода на языке Java. Проект использует алгоритмы глубинного машинного обучения и модель, натренированную на примерах рабочего Java-кода, представленного на GitHub. Наработки проекта открыты под лицензией Apache 2.0, код написан на Java и Python. Модель машинного обучения реализована при помощи платформы Tensorflow и инструментария scikit-learn... (109 +11) обсуждение | весь текст
	23.04.2018	Доступен Luminoth, тулкит для решения задач компьютерного зрения (21 +14)
	Представлен выпуск тулкита Luminoth 0.1, предоставляющего инструменты для использования методов компьютерного зрения. В настоящее время функциональность Luminoth ограничена поддержкой распознавания и классификации объектов на изображениях и видео, но в будущем ожидается добавление новых методов обработки и анализа. Код проекта написан на языке Python и распространяется под лицензией BSD... (21 +14) обсуждение | весь текст
	12.04.2018	Первый выпуск свободного сервера навыков 0Mind (18 +7)
	В рамках проекта 0Mind развивается сервер навыков, который можно использовать как кроссплатформенный инструмент для разработки искусственного интеллекта. Подготовленные в различных фреймворках модели машинного обучения, при добавлении в 0Mind становятся доступны для работы через унифицированный REST JSON API сервера навыков. На данный момент поддерживаются сериализованные модели из фреймворков машинного обучения Keras и Caffe2. Код сервера написан на языке Python и распространяется под лицензией GPLv3... (18 +7) обсуждение | весь текст
	22.03.2018	Intel представил nGraph, компилятор для систем машинного обучения (3 +7)
	Компания Intel опубликовала наработки проекта nGraph, в рамках которого развивается открытый компилятор, набор библиотек и runtime для компиляции в исполняемый код моделей глубинного машинного обучения, подготовленных при помощи различных фреймворков. Код проекта написан на языке С++ и распространяется под лицензией Apache 2.0... (3 +7) обсуждение | весь текст
	23.01.2018	Facebook открыл код платформы Detectron для распознавания объектов на фотографиях (30 +11)
	Группа исследователей искусственного интеллекта из компании Facebook открыла исходные тексты платформы Detectron с реализацией набора алгоритмов для распознавания и классификации объектов на фотографиях. Проект реализован на языке Python с использованием фреймворка глубинного машинного обучения Caffe2 и распространяется под лицензией Apache 2.0. Для загрузки подготовлена большая коллекция наборов данных и более 70 натренированных готовых моделей для решения различных типов задач компьютерного зрения. Модели поставляются под свободной лицензией CC BY-SA 3.0... (30 +11) обсуждение | весь текст
	30.12.2017	Использование нейронной сети для восстановления повреждённых изображений (102 +42)
	Группа исследователей из Сколковского института науки и технологий, компании Yandex и Оксфордского университета опубликовала свои наработки в области применения свёрточных нейронных сетей для восстановления утерянных участков повреждённых изображений, устранения артефактов и повышения качества фотографий с низким разрешением. Реализация алгоритма, модель нейронной сети, созданная на базе библиотеки Torch, а также сопутствующий инструментарий, доступны под лицензией Apache 2.0... (102 +42) обсуждение | весь текст
	08.10.2017	Amazon открыл код компилятора NNVM для систем машинного обучения (11 +10)
	Компания Amazon представила компилятор NNVM, предназначенный для компиляции предоставляемых системами машинного обучения высокоуровневых графов вычислений в оптимизированный набор машинных кодов. Код проекта распространяется под лицензией Apache 2.0... (11 +10) обсуждение | весь текст
	09.09.2017	Facebook и Microsoft предложили открытый формат обмена моделями машинного обучения (64 –30)
	Facebook и Microsoft выступили с инициативой по унификации обмена моделями между разными фреймворками машинного обучения и системами искусственного интеллекта. Итогом стала разработка открытого формата ONNX (Open Neural Network Exchange) для представления моделей глубинного машинного обучения. Эталонная реализация ONNX написана на языке Python и распространяется под лицензией MIT... (64 –30) обсуждение | весь текст
	28.06.2017	Компания Sony открыла свои наработки в области нейронных сетей (16 +13)
	Компания Sony представила проект NNabla (Neural Network Libraries), в рамках которого открыла наработки в области построения нейронных сетей для решения задач глубинного машинного обучения. Система универсальная и изначально рассчитана на использование как на настольных ПК и встраиваемых устройствах, так и в кластерах и крупных серверах для решения исследовательских задач и практического применения. Код ядра NNabla написан на языке C++ и распространяется под лицензией Apache 2.0... (16 +13) обсуждение | весь текст
	01.06.2017	Платформа машинного обучения SystemML получила статус первичного проекта Apache (25 +6)
	Организация Apache Software Foundation объявила о присвоении Apache SystemML статуса первичного проекта Apache. Платформа машинного обучения SystemML изначально была создана компанией IBM и используется в системе IBM Watson Health. В ноябре 2015 года наработки по SystemML были переданы под покровительство фонда Apache, в котором проект находился в инкубаторе, где была проверена способность следования принципам разработки и управления, принятым в сообществе Apache и основанным на идеях меритократии. Теперь Apache SystemML признан готовым для самостоятельного существования, не требующего дополнительного надзора. Компоненты проекта написаны на языках С++ и Java и поставляются под лицензией Apache 2.0... (25 +6) обсуждение | весь текст
	19.04.2017	Facebook представил модульную систему машинного обучения Caffe2 (11 +7)
	Facebook представил новый открытый фреймворк глубинного машинного обучения Caffe2, отличающийся высокой скоростью, модульной структурой и возможностью создания легковесных и масштабируемых решений. Код проекта распространяется под лицензией BSD. Для использования доступны уже готовые модели, натренированные в кластере Facebook, которые можно использовать для классификации изображений, выделения объектов и лиц на изображениях и обработки видео. API для разработки доступны для Python и C++... (11 +7) обсуждение | весь текст
Следующая страница (раньше) >>