Найти похожее

Иногда появляется ощущение, что жизнь вокруг ИИ происходит в режиме быстрой перемотки. Меньше месяца назад Мета выпустила SAM для сегментации любых объектов на изображении, но такое ощущение, что это было всегда. Только за последние 2 дня я уже прочитал около десятка документов, описывающих прототипы использования SAM для изучения недр. Например, на первых двух картинках (из этого поста) - берем шлиф(срез породы) -> пропускаем через SAM -> выделяем все зерна пород -> автоматически получаем распределение размера зерен (гранулометрия). На последней картинке я просто кликнул мышкой и выделил все пыльцевые зерна на изображении полученном с помощью электронного микроскопа. Автоматически выделенные зерна можно классифицировать и использовать палеотнологами для определения геологического возраста породы. #machinelearning#Geo

✅ Завтра ✅ AI.Hack Москва 📅 16–18 марта / 19:00–22:00 (время МСК) / Москва, проспект Мира, 121 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/3gkRj6 Приглашаем программистов нейросетей, специалистов по machine learning, deep learning, data scientists, computer vision, предпринимателей с опытом развития технологичных бизнесов и всех заинтересованных принять участие!​ Призовой фонд хакатона: 600 000 руб. #MachineLearning#DeepLearning#DataScientists#Москва

Иногда появляется ощущение, что жизнь вокруг ИИ происходит в режиме быстрой перемотки. Меньше месяца назад Мета выпустила SAM для сегментации любых объектов на изображении, но такое ощущение, что это было всегда. Только за последние 2 дня я уже прочитал около десятка документов, описывающих прототипы использования SAM для изучения недр. Например, на первых двух картинках (из этого поста) - берем шлиф(срез породы) -> пропускаем через SAM -> выделяем все зерна пород -> автоматически получаем распределение размера зерен (гранулометрия). На последней картинке я просто кликнул мышкой и выделил все пыльцевые зерна на изображении полученном с помощью электронного микроскопа. Автоматически выделенные зерна можно классифицировать и использовать палеотнологами для определения геологического возраста породы. #machinelearning#Geo

Раскраска SELinux ДА! Заголовок не врет! Это именно оно! Можно быстро и просто изучить самому и научить ребенка. В условиях глобальной удалёнки это прям шикарный вариант =) А теперь без шутеек и прочего. Про механизм SELinux чаще всего либо вспоминают суровые ИБшники с фразами «Фключай срочно!», либо формучане всяких ваших интернетов с фразами «Фыключи и забудь!» А ведь штука не просто так придумана и достойна хотя бы такой классной раскраски с пёселями и котиками! (мы ж все любим либо тех, либо других, либо всех и сразу) Короче читай, отдыхай, раскрашивай сам и поделись с ребенком своим. Учись и развивайся, а то по жопе получишь! #book#coloringbook#selinux#useful

✅ Через неделю Тренировка по машинному обучению 📅 3 марта / 11:30 (время МСК) / онлайн 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/yosF5w Каждые две недели в Яндексе проходят тренировки по машинному обучению. Эти встречи помогают участникам конкурсов в сфере анализа данных пообщаться и обменяться опытом. Мероприятия состоят из практической части и докладов. Задачи для первой берутся с Kaggle и других схожих площадок. 🔗 Программа: https://goo.gl/YDyaQw #MachineLearning#МашинноеОбучение#онлайн#online

✅ Завтра Встреча российского сообщества Women in Big Data. Введение в машинное обучение 📅 28 февраля / 18:00 (время МСК) / Нижний Новгород, ул. Ульянова, 10 б 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/wNgFN2 Профессор, доктор физико-математических наук Николай Юрьевич Золотых проведет лекцию «Введение в машинное обучение». В программе лекции: ~ Основные типы задач машинного обучения: классификация, регрессия, кластеризация ~ Примеры задач и методы решения ~ Принципы работы с обучающей и тестовой выборкой данных 🔗 VK: https://goo.gl/y2jKB7 #BigData#MachineLearning#МашинноеОбучение#НижнийНовгород

✅ Через неделю Встреча российского сообщества Women in Big Data. Введение в машинное обучение 📅 28 февраля / 18:00 (время МСК) / Нижний Новгород, ул. Ульянова, 10 б 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/wNgFN2 Профессор, доктор физико-математических наук Николай Юрьевич Золотых проведет лекцию «Введение в машинное обучение». В программе лекции: ~ Основные типы задач машинного обучения: классификация, регрессия, кластеризация ~ Примеры задач и методы решения ~ Принципы работы с обучающей и тестовой выборкой данных 🔗 VK: https://goo.gl/y2jKB7 #BigData#MachineLearning#МашинноеОбучение#НижнийНовгород

✅ Через неделю Яндекс изнутри: от алгоритмов до измерений 📅 1–3 марта / 19:00–22:00 (время МСК) / онлайн 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/rmKFd4 Пришло время рассказать о последних интересных разработках. Мы поговорим про новое поколение алгоритмов ближайших соседей, как в Алисе решается проблема оскорбительности, о гибридной системе машинного перевода, которая сочетает в себе сильные стороны нейросетевого и статистического подходов. А также — об исследованиях, современных математических методах и онлайн экспериментах, применяемых в оценке системы поиска. 🔗 Программа: https://goo.gl/wou6ek #machinelearning#МашинноеОбучение#DataScience#online#онлайн

🇮🇱Самообучение. Тренды Стартап DLR: роботы смогут учиться, наблюдая за человеком Израильский стартап DLR (Deep Learning Robotics) подготовил ПО для роботов, которое позволяет системам подражать людям и получать визуальные инструкции в процессе наблюдения за хозяином. Алгоритмы призваны обеспечить отказ от сложного программирования и комплексных инструкций. Дружелюбный интерфейс сулит серьезные улучшения как в промышленности, так и на рынке роботов для дома. Технология сочетает в себе компьютерное зрение и глубокое обучение: действия человека автоматически «переводятся» в команды для роботизированной платформы. 👉Прогнозы, статус, тренды в области роботов #робототехника#роботы#ПОдляроботов#самообучение#тренды#deeplearning#DLR

🔥 Сегодня AI.Hack Санкт-Петербург 📅 9–11 марта / 19:00–22:00 (время МСК) / Санкт-Петербург, Виленский пер., дом 14 💵 Бесплатно 📝 Регистрация тут: https://goo.gl/AgRbiu AI.Hack — это 48 часов на проверку гипотез в Machine Learning и Data Science, это обратная связь и поддержка опытных экспертов, контакты ведущих AI фондов: Flint Capital и другие известные стартапы. Призовой фонд хакатона: 600 000 руб. График проведения: До 7-го марта. Сбор заявок на участие в хакатоне 7 марта. Онлайн митап по генерации идей 9 марта. Старт хакатона 11 марта. Финал хакатона #MachineLearning#МашинноеОбучение#DataScience#hackathon#хакатон#СанктПетербург