Blog

Digest, January 2019

Технологические новости

  1. Искусственный интеллект оказался неразрешимой задачей: http://www.forbes.ru/tehnologii/371157-iskusstvennyy-intellekt-okazalsya-nerazreshimoy-zadachey
  2. Итоги Google Research в 2018-м году: https://ai.googleblog.com/2019/01/looking-back-at-googles-research.html
  3. Математики из Армении создали сервис, который убирает посторонние звуки во время звонков: https://vc.ru/services/56580-matematiki-iz-armenii-sozdali-servis-kotoryy-ubiraet-postoronnie-zvuki-vo-vremya-zvonkov
  4. Intel и Facebook представили чип, который поможет сделать ИИ более доступным: https://www.technologyreview.com/s/612722/cheaper-ai-for-everyone-is-the-promise-with-intel-and-facebooks-new-chip
 

«Нетехнологические» новости

  1. ИИ в правоохранительных органах США тоже ошибается: https://www.technologyreview.com/s/612775/algorithms-criminal-justice-ai/
  2. Спрос на Data Scientist-ов продолжает расти: https://spectrum.ieee.org/view-from-the-valley/at-work/tech-careers/demand-and-salaries-for-data-scientists-continue-to-climb
  3. Самый дорогой в мире ИИ стартап планирует привлечь еще $2 млрд. инвестиций: https://www.bloomberg.com/news/articles/2019-01-10/world-s-largest-ai-startup-said-to-ready-2-billion-fundraising-jqq7odu4
  4. Финляндия обучит работе с искусственным интеллектом 25% населения: https://hightech.fm/2019/01/06/fin-ai
  5. Как ИИ меняет рекрутинг: https://blog.xor.ai/artificial-intelligence-global-recruitment-practices
 

Интересные статьи

  1. DeepMind продемонстрировала ИИ для игры StarCraft II: https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/
  2. Создайте свою модель машинного обучения прямо в браузере: https://machinelearningforkids.co.uk/
  3. Делает ли ИИ сильные IT компании еще сильнее: https://www.ben-evans.com/benedictevans/2018/12/19/does-ai-make-strong-tech-companies-stronger
  4. Как большие данные меняют исследовательский процесс в науке: https://theconversation.com/how-big-data-has-created-a-big-crisis-in-science-102835
  5. Ограничения глубокого обучения: https://blog.keras.io/the-limitations-of-deep-learning.html
 

Интересные статьи (Data Science)

  1. Uber разработали инструмент Manifold, предназначенный для анализа моделей машинного обучения: https://eng.uber.com/manifold/
  2. Чему можно научить нейронную сеть: https://brohrer.github.io/what_nns_learn.html
  3. Руководство по моделированию последовательностей: https://www.analyticsvidhya.com/blog/2019/01/sequence-models-deeplearning/
  4. Подборка книг по Data Science: https://www.analyticsvidhya.com/blog/2019/01/27-amazing-data-science-books-every-data-scientist-should-read/
  5. Введение в Pytorch на примере четырех задач: https://www.analyticsvidhya.com/blog/2019/01/guide-pytorch-neural-networks-case-studies/
  6. Модели глубокого обучения для задач с текстами: https://mlwhiz.com/blog/2018/12/17/text_classification/
  7. Победитель конкурса kaggle на лучший исследовательский ноутбук: https://www.kaggle.com/martinlbarron/the-gender-divide-in-data-science
  8. Подводные камни бутстрэппинга: https://yanirseroussi.com/2019/01/08/hackers-beware-bootstrap-sampling-may-be-harmful/
  9. Гауссовские процессы через призму линейной регрессии: https://planspace.org/20181226-gaussian_processes_are_not_so_fancy/
  10. Интерпретация моделей анализа естественного языка: https://medium.com/@ageitgey/natural-language-processing-is-fun-part-3-explaining-model-predictions-486d8616813c
 

Визуализации

  1. Анализ русского рэпа от Яндекса: https://yandex.ru/company/researches/2018/rap
  2. Прошлый век глазами американских медиа: https://pudding.cool/2018/12/countries/
  3. Анализ матчей NFL: https://www.kaggle.com/jpmiller/nfl-punt-analytics