• 20 тысяч подписчиков на YouTube

    Радостная для меня новость – мой канал на YouTube с учебными курсами по информационным технологиям и компьютерным наукам набрал 20 тыс. подписчиков!

    Хочу сказать спасибо всем, что смотрите мои видео! Отдельное спасибо тем, кто помогает мне распространить материалы курса в социальных сетях и на других ресурсах.

    К сожалению, развитие канала идет значительно медленнее, чем я планировал. Мне пришлось занимать другими проектами: подготовкой документов для аккредитации в университете и научным редактирование перевода на русский язык книги по глубоким нейронным сетям. Об этой книге я обязательно расскажу подробнее, когда она выйдет. Но в результате мне не хватало времени на то, чтобы записывать новые видео.

    В последнее время ситуация изменилась и я стараюсь находить время на запись видео почти каждую неделю. Сейчас обновляю курс по Компьютерным сетям, перезаписываю старые лекции с плохим звуком, а также исправляю ошибки. На очереди продолжение курса по Глубоким нейронным сетям, а именно их применению для задач обработки текстов. Недавно я организовывал учебный курс на эту тему для сотрудников Сбербанка.

    Еще одна новость – презентации по видео я теперь выкладываю на свой сайт. Пока выложил не все, но скоро рядом с каждой ссылкой на видео будет ссылка на презентацию.

    20 тысяч подписчиков – это серьезный рубеж для меня. Но я надеюсь, что со временем канал наберет 100 тыс. подписчиков! Еще раз спасибо всем, что смотрите!

  • Анализ признаков, извлеченных нейросетью

    Мы продолжаем рассматривать, как использовать предварительно обученные нейронные сети для решения новых задач, а не тех, на которых они обучались. Популярный подход – замена классификатора предварительно обученной сети на новый и дообучение сети на новом наборе данных. Такой подход работает хорошо, но требует больших вычислительных ресурсов для дообучения.

    Альтернативный вариант, который мы рассмотрим в этой статье – извлечение признаков из изображений с помощью предварительно обученной глубокой нейронной сети (по-английски такие признаки называются deep features) и последующий анализ уже этих признаков, а не исходных изображений. Как правило, объем признаков значительно меньше, чем изображений, из которых они извлечены, поэтому сеть обучается гораздо быстрее. Часто при таком подходе удается обучить нейронную сеть за разумное время даже без GPU.

    Читать дальше

  • Неприятности с Роскомнадзором закончились

    Давно не писал сюда, т.к. Роскомнадзор заблокировал IP-адреса Netlify, где хостится этот сайт. Я расстроился из-за того, что можно вот так запросто помножить на ноль результаты не одного года моих трудов. Контента на сайте не так много, основное, что есть – это материалы учебных курсов по компьютерным сетям и глубокому обучению.

    Я уже давно задумывался о том, чтобы делать англоязычный контент проект. Аудитория на английском гораздо больше, и рынок для продажи услуг консалтинга гораздо шире. Когда закончится семестр в университете и появится больше свободного времени, создам сайт на английском языке и буду активно писать туда.

    Первоначально я планировал полностью забросить русскоязычный сайт. Думал продолжать писать сюда, пока новый проект будет в режиме learning by doing, а потом оставить только англоязычный сайт.

    Но теперь, похоже, блокировка с сайта снята. В статистике количество посещений сайта поднялось до того уровня, каким оно было до блокировок. Я немного остыл и решил все же продолжить активно писать по русски. Я считаю важным делать полезный контент именно на русском языке.

    На случай проблем с сайтом, видео курсов по прежнему доступны на YouTube, а примеры кода на GitHub и Google Colab. Все не заблокируют!

  • Впечатления от DUMP-2018

    Конференция DUMP-2018

    В прошлую пятницу ходил на конференцию DUMP. Впечатления положительные. В отличие от предыдущих лет, в этот раз большую часть времени провел на секции Менеджмента, т.к. сейчас я активно занимаюсь внедрением Scrum. На другие секции тоже заходил, но ненадолго. Расскажу о том, что показалось наиболее интересным и полезным.

    Читать дальше

  • Пять проблем в работе команды

    В связи со сменой работы у меня появилась новая область интересов: Scrum и организация командной работы. На самом деле это важная часть Soft Skills, которыми я давно интересовался. Однако ранее я недооценивал важность именно командной работы. Как пишет Джефф Сазерленд в книге “Scrum. Революционный метод управления проектами”, производительность хорошего и плохого разработчика может отличаться в 10 раз, а производительность хорошей и плохой команды – на несколько порядков. Поэтому не имеет смысл оптимизировать работу отдельных людей, нужно заниматься организацией правильной и эффективной работы команды в целом.

    Какие проблемы могут возникнуть в командной работе? Об этом есть отличная книга Патрика Ленсиони “The Five Dysfunctions of a Team” (в русском переводе “Пять пороков команды”). Недавно я эту книгу прочитал и она мне очень понравилась как по содержанию, так и по форме изложения.

    Читать дальше

  • Keras и TensorFlow в облаке с GPU бесплатно от Google Colaboratory

    Если у вас не получается установить Keras и TensorFlow, или у вас нет GPU от NVIDIA, то для вас есть отличная новость от Google. Для распространения технологий машинного обучения и глубоких нейронных сетей Google сделал доступной свою облачную платформу Colaboratory. Эта среда, похожая на Jupyter Notebook, в которой уже установлены библиотеки TensorFlow и Keras, а также доступны GPU NVIDIA K80. Есть все, что нужно для обучения глубоких нейросетей. Использование этой платформы полностью бесплатно. Давайте рассмотрим, как можно выполнять заданий курса “Программирование глубоких нейронных сетей на Python” на Colaboratory.

    Читать дальше

  • Тонкая настройка нейронной сети

    Предварительно обученные нейронные сети можно использовать для решения не только тех задач, на которых они обучались, но и других, достаточно похожих, с помощью технологии переноса обучения (transfer learning). Для этого от предварительно обученной сети “обрезается” классификатор и вместо него добавляется новый, приспособленный для нашей задачи. Например, вместо классификатора, обученного на наборе данных ImageNet с 1000 классов, мы добавляли в нейронную сеть классификатор для распознавания собак и кошек, в котором всего два класса. Затем этот классификатор обучается на новых данных.

    Тонкая настройка сети (fine tuning) позволяет пойти дальше и еще больше увеличить качество работы предварительно обученной сети на новой задаче. Для этого обучается не только новый классификатор, который был добавлен в сеть, но и некоторые слои предварительно обученной нейронной сети. Это особенно эффективно, когда новый набор данных достаточно сильно отличается от исходного набора, на котором обучалась сеть.

    Читать дальше

  • Установка TensorFlow в Anaconda с помощью pip

    В Anaconda, самом популярном дистрибутиве Python для машинного обучения, анализа данных и научных вычислений, пакеты устанавливаются с помощью conda. К сожалению, данный подход не всегда работает при установке TensorFlow. Если у вас не получилось установить TensorFlow стандартными средствами Anaconda, можно попробовать использовать pip. Именно такой метод установки официально рекомендуется на сайте TensorFLow.

    Читать дальше

  • День ШАД в Уральском федеральном университете

    Приглашаем на День Школы анализа данных компании Яндекс в Уральском федеральном университете. На нём вы сможете поближе познакомиться со Школой анализа данных, понять, насколько она вам интересна, и определиться с поступлением.

    День ШАД в УрФУ состоится 7 апреля, по адресу г. Екатеринбург, ул. Тургенева, д. 4., ауд. 509. Начало в 12-50.

    Докладчики из Яндекса расскажут об условиях приёма и о программе, различиях между обучением в ШАД и в вузе, возможности совмещать учёбу в Школе с магистратурой, а также о карьерных перспективах после окончания.

    Кроме того, на мероприятии выступят выпускники и студенты — чтобы вы взглянули на Школу не только глазами преподавателей, но и со стороны учащихся. Полина Чикурова расскажет историю первокурсника. Выпускник Павел Гейн покажет, как можно использовать полученные в ШАД знания – решит несколько задач обработки текста методами машинного обучения. После выступлений вы сможете задать вопросы докладчикам.

    Если вы хотите прийти, обязательно зарегистрируйтесь на сайте до полудня 6 апреля (UTC+5). Любые вопросы о ШАД в Екатеринбурге присылайте на maisie@yandex-team.ru.

    Программа

    12-50. ШАД в Екатеринбурге. Маргарита Шадрина, Яндекс.

    Маргарита расскажет о правилах поступления и обучения в ШАД и ответит на основные организационные вопросы, которые возникают у абитуриентов. Вы узнаете:

    • кто может поступать в ШАД;
    • что нужно сдавать для поступления;
    • сложно ли учиться в ШАД и часто ли отчисляют;
    • сколько времени уходит на учёбу;
    • чем обучение в ШАД отличается от обучения в вузе;
    • что даёт обучение в ШАД для будущей карьеры;
    • как совмещать учёбу в магистратуре УрФУ и ШАД;
    • в чем разница между магистратурой УрФУ “Анализ Данных” и ШАД.


    13:30. История студента ШАД. Полина Чикурова, СКБ Контур.

    Полина учится на первом курсе магистратуры УрФУ “Анализ данных” и на первом курсе Школы анализа данных. Она расскажет историю первокурсника.

    14:00. Обработка текстов. Павел Гейн, Яндекс.

    Павел – выпускник ШАД 2016 года, разработчик в Яндексе. Покажет на примере, как можно использовать знания, полученные в ШАД, для решения прикладных задач.

  • Фестиваль Техноночь 2018 в Екатеринбурге

    Фестиваль Техноночь в Екатеринбурге

    В этом году я буду выступать на фестивале Техноночь в Технопарке Университетском. Расскажу о глубоких нейронных сетях. Приходите!

    10 февраля пройдёт ТехноНочь - ежегодное мероприятие для тех, кто интересуется новыми технологиями и инженерией. С 14:00 до 22:00 в Технопарке «Университетский» на Конструкторов 5 все желающие смогут принять участие в лекциях, мастер-классах и посмотреть на достижения уральских разработчиков и технологических предпринимателей. В центре внимания в этом году технологии будущего: машинное обучение, прототипирование, электронная инженерия, интернет вещей, блокчейн, кибербезопасность.

    Читать дальше


Подпишитесь на RSS