• Итоги 2017 года

    Results of the Year 2017

    В этом году я решил поменять формат подведения итогов и вместо длинного списка событий и достижений написать только одно, которое имело самое большое влияние на мою жизнь. В 2017 году такое достижение - это создание совместной магистратуры УрФУ и Школы Анализа Данных компании Яндекс.

    Читать дальше

  • Новый хостинг для сайта

    С начала января я использую новый хостинг для сайта - платформу Netlify. Почти все проблемы, связанные с переездом на новый хостинг, я уже исправил. Но если вы столкнетесь с неисправностями в работе сайта, то напишите мне, пожалуйста, любым удобным способом из указанных на странице контактов.

    Netlify оказалась удобнее, чем GitHub Pages, в первую очередь потому, что позволяют подключить сертификат для HTTPS к собственному домену. В GitHub Pages этого сделать нельзя, поэтому приходится дополнительно использовать CloudFlare. Кроме того, Netlify, как и CloudFlare, предоставляет CDN и DNS. То есть все преимущества GitHub Pages и CloudFlare в одном месте.

    Netlify поддерживает Continuous Deployment - когда вы делаете push в репозиторий на GitHub, сайт автоматически соберется и выложится на Netlify.

    Еще одним преимуществом Netlify является официальное разрешение использовать хостинг как для персональных, так и для коммерческих проектов. Мой сайт постепенно перерастает из персонального в коммерческий, и для меня это становится важно.

    И самое главное - у Netlify есть бесплатный тариф, который включает сертификат для HTTPS.

  • Чем европейские университеты отличаются от североамериканских

    Во время визита в Лаппеенрантский технологический университет в Финляндии поговорили с профессором Ахметом Сефахом (Ahmed Seffah) об устройстве университетов в разных странах и регионах. Ранее Ахмет работал в университете Конкордия в Монреале, Канада, поэтому может сравнить университеты Европы и Северной Америки на основании собственного опыта.

    Visit to LUT

    Читать дальше

  • Как использовать Keras в TensorFlow 1.4

    Keras входит в состав TensorFlow начиная с версии 1.2, а в версии TensorFlow 1.4 его перевели из contrib в core packages. Это означает, что Keras готов к продуктивному использованию в составе TensorFlow. Отдельно устанавливать Keras не нужно.

    Чтобы использовать Keras из TensorFlow, нужно поменять импорт модулей. Вместо модуля keras используйте tensorflow.python.keras. Например, импорт для распознавания рукописных цифр набора данных MNIST будет выглядеть так:

    from tensorflow.python.keras.datasets import mnist
    from tensorflow.python.keras.models import Sequential
    from tensorflow.python.keras.layers import Dense
    from tensorflow.python.keras.utils import np_utils
    

    Больше ничего в программе менять не нужно.

    Полезные ссылки

    1. Google Developers Blog: Announcing TensorFlow r1.4.
    2. How to import keras from tf.keras in Tensorflow?.
  • Как установить библиотеку OpenCV в Python

    OpenCV - это популярная библиотека компьютерного зрения. Библиотека написана на C++, но имеет API для Python. Преимущества Python в том, что на нем можно быстро сделать прототип приложения компьютерного зрения. Кроме того, школьникам, на которых будет ориентирована серия моих статей о компьютерном зрении, с Python работать значительно проще, чем с C++.

    Официальная инструкция по установке OpenCV в Python довольно запутанная и описывает установку только для Python 2.7. Если вы используете третий Python, то она вам не подойдет. К счастью, есть простой способ установить OpenCV с помощью Anaconda как для второй, так и для третьей версии Python.

    Читать дальше

  • Курс программирование глубоких нейронных сетей на Python переведен на TensorFlow

    В курсе “Программирование глубоких нейронных сетей на Python” долгое время в качестве бэкенда для Keras использовалась библиотека Theano. К сожалению, недавно было объявлено, что разработка Theano прекращается и следующая версия Theano 1.0 будет последней. Библиотека TensorFlow, напротив, очень быстро развивается и завоевывает популярность. Это не удивительно, учитывая что за TensorFlow стоит компания Google. В связи с этими изменениями я решил перевести все примеры из курса с Theano на TensorFlow. С 10.11.2017 все примеры на странице курса и в репозитории GitHub с исходными кодами используют TensorFlow.

    Читать дальше

  • Очные курсы по нейронным сетям в Москве

    В декабре я начинаю вести очные курсы по глубоким нейронным сетям в Москве совместно с учебным центром “Диона Мастер Лаб”. Курсы пройдут с 4 по 8 декабря 2017 г.

    Планируется провести три курса, объединенные в один логически связанный блок:

    1. Введение в глубокие нейронные сети – краткое введение в математические основы глубокого обучения и демонстрация возможностей библиотек глубокого обучения Keras и TensorFlow.
    2. Сверточные нейронные сети и анализ изображений – применение нейронных сетей для решения задач компьютерного зрения. Подробно рассмотрим устройство сверточных нейронных сетей и их применение для классификации изображений. Изучим, как устроены предварительно обученные сверточные нейронные сети VGG16, Inception и ResNet, как их дообучать и применять для распознавания изображений. Также научимся идентифицировать человека по лицу с помощью библиотеки dlib.
    3. Рекуррентные нейронные сети, анализ последовательностей и естественного языка – применение нейронных сетей для обработки естественного языка, и для более общей задачи анализа последовательностей. Рассмотрим рекуррентные нейронные сети LSTM и GRU, а также одномерные сверточные нейронные сети. Изучим разные варианты векторного представления слов, в том числе Word2Vec и GloVe, и научимся применять их для анализа текста. Узнаем, как определять тональность и тему текстов, а также генерировать тексты автоматически.

    Более подробную информацию можно найти в разделе сайта Мастер Лаб с курсами по нейронным сетям.

    Если все пройдет хорошо, то такие курсы планируем проводить каждый месяц.

    Записывайтесь на сайте курса!

  • Лабораторные NVIDIA в УрФУ

    В дополнение к семинару по глубокому обучению мы проводим в УрФУ совместно с компанией NVIDIA лабораторные работы по этой теме. Дата проведения 2 ноября 2017 г., количество мест ограничено.

    NVIDIA

    Во время лабораторных работ вы сможете на практике попробовать технологии глубокого обучения. Вы познакомитесь с библиотеками глубокого обучения Caffe, Theano, Torch и NVIDIA DIGITS. Лабораторные работы будут выполняться с использованием ускорителей вычислений GPU.

    Расписание лабораторных:

    16:00-16:30 – Вводная лекция и настройка доступа

    16:30-17:30 – Лабораторная работа “Введение в глубокое обучение, библиотеки Caffe, Torch и Theano”.

    17:30-18:00 – Перерыв

    18:00-20:00 – Лабораторная работа “Классификация рукописных цифр с помощью NVIDIA DIGITS”.

    Место проведения: Уральский федеральный университет, г.Екатеринбург, ул.Тургенева, 4, ауд. 507.

    Время: 2 ноября 2017 г, 16:00-20:00.

    Участникам лабораторных необходимо иметь с собой ноутбуки.

    Для допуска в здание университета нужен паспорт.

    Участие в лабораторных бесплатное, обязательна предварительная регистрация по ссылке: https://goo.gl/forms/YbJaILNLKH3tHc8z2.

  • Makers Academy - обучение программистов за 3 месяца

    В 304-м эпизоде подкаста Software Engineering интересное интервью с Евгением Шадчневым о компании Makers Academy, которая занимается подготовкой программистов за 3 месяца. Выпускников Makers Academy берут на работу такие компании, как Pivotal Labs, ThoughtWorks, Deloitte Digital и т.п. Было очень интересно узнать, как удается качественно обучить программистов за такой короткий срок.

    Maker Academy Источник: www.telegraph.co.uk/technology/code-academy/

    Читать дальше

  • Семинар NVIDIA в УрФУ

    Приглашаем на открытый семинар компании NVIDIA “Глубокое обучение или как стать Data Scientist’ом” в Уральском федеральном университете, г.Екатеринбург, 19 октября 2017 г. NVIDIA

    На семинаре вы узнаете о современном машинном обучении, глубоких нейросетях, и о том с чего начать путь Data Scientist’а. Спикер расскажет о том, где и для чего сегодня применяется глубокое обучение, насколько это эффективно по сравнению с иными подходами, покажет, как с этим работать и укажет конкретные шаги, с которых следует начать.

    Вести семинар буду я. Кроме перечисленных выше тем, заявленных NVIDIA, расскажу о магистерской программе по анализу данных, которую мы организовали в УрФУ совместно со Школой Анализа Данных компании Яндекс. На мой взгляд, обучение на этой программе – лучший способ стать Data Scientist’ом. По крайне мере, если вы живете в Екатеринбурге. Также будет демонстрация распознавания человека по лицу с помощью глубоких нейронных сетей.

    В конце семинара будет возможность задать все интересующие вопросы.

    Место проведения: Уральский федеральный университет, г.Екатеринбург, ул.Тургенева, 4, ауд. 509.

    Время: 19 октября 2017 г, 18:00-20:00.

    Для допуска в здание университета необходимо иметь с собой паспорт.

    Участие в семинаре бесплатное, обязательна предварительная регистрация по ссылке: https://goo.gl/forms/BRrAQDQG0yQQBHd53.

    Полезные ссылки

    1. Nvidia Deep Learning Institute.
    2. Регистрация на семинар NVIDIA в УрФУ.
    3. Учебный курс “Программирование глубоких нейронных сетей на Python”.

Подпишитесь на RSS