• 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”.
  • Летний университет для иностранных студентов в УрФУ

    В этом году у меня выдалось очень насыщенное лето. Мы провели в УрФУ в рамках “Летней суперкомпьютерной академии”, организованной МГУ, трек по нейронным сетям, я руководил лабораторией по машинному обучению школы Технолидер и Лифт в будущее, а также вел занятия в Летнем университете УрФУ для иностранных студентов. Рассказ о лете начну с последнего мероприятия, тем более что УрФУ сделал отличное видео о нем.

    Читать дальше

  • Установка Keras с TensorFlow в Anaconda

    Keras TensorFlow Anaconda

    Библиотека TensorFlow от Google стремительно развивается и завоевывает популярность. Более того, Google решил включить Keras в TensorFlow. Поэтому я адаптирую все примеры курса “Программирование глубоких нейронных сетей на Python” для TensorFlow. Но сначала нужно установить эти библиотеки и настроить их на совместную работу. Как и в случае с Theano, самый простой и удобный способ сделать это – использовать диструбутив Python Anaconda.

    Читать дальше

  • Математика глубоких нейронных сетей

    Участники курса “Программирование глубоких нейронных сетей на Python” часто задают мне вопрос, что нужно почитать, чтобы разобраться с математикой глубоких нейронных сетей. Вот список книг и статей, которые я рекомендую.

    Читать дальше

  • Распознавание человека на фотографии с помощью dlib

    Глубокие нейронные сети можно использовать для проведения биометрической идентификации человека по лицу. Такая идентификация удобна, потому что она выполняется быстро и не требует от человека каких-либо специальных действий. Кроме того, лицо у человека всегда с собой, его нельзя забыть дома или потерять.

    Идентификация по лицу применяется во многих системах безопасности и обслуживания. Давайте рассмотрим пример из банковской отрасли. Клиент приходит в банк и показывает паспорт. Сотруднику банка нужно определить, что паспорт принадлежит именно этому человеку. Эта задача называется верификацией. Она не так проста, как может показаться, потому что люди в жизни иногда выглядят совсем не так, как на фотографии в паспорте. Например, я с возрастом изменился (хотя и не очень сильно):

    Мое фото на паспорте и с web-камеры

    Примеры более серьезных изменений можно найти на сайте adme.ru.

    Задачу верификации можно решать автоматически, если сфотографировать клиента на web-камеру (это сейчас делают многие банки) и сравнить полученное изображение с фотографией в паспорте. Давайте посмотрим как это можно сделать с помощью глубоких нейронных сетей.

    Читать дальше

  • Приглашаем принять участие в конференции Ural-PDC 2017

    В этом году мы в третий раз проводим молодежную конференцию Ural Workshop on Parallel, Distributed, and Cloud Computing for Young Scientists (Ural-PDC 2017). Конференция организована совместно Институтом математики и механики УрО РАН и Уральским федеральным университетом. Конференция пройдет 19 октября 2017 г. в УрФУ. Приглашаем студентов, аспирантов и молодых ученых принять участие в конференции.

    Труды конференции будут опубликованы в CEUR Workshop Proceedings (индексируется Scopus). Ссылки на труды конференции предыдущих лет: ceur-ws.org/Vol-1513/ (2015 г.) и ceur-ws.org/Vol-1729/ (2016 г.).

    Читать дальше

  • Учебный план программы "Анализ данных"

    По бюрократическим причинам у нас пока не получается выложить на официальный сайт УрФУ учебный план новой образовательной программы “Анализ данных”, которая создана совместно со Школой Анализа Данных компании Яндекс (ШАД). Поэтому выкладываю учебный план сюда.

    Читать дальше

  • Анализируем изображения с помощью нейронных сетей

    В курсе “Глубокое обучение на Python” мы научились обучать нейронные сети для распознавания рукописных цифр и объектов из набора данных CIFAR-10. Давайте посмотрим, как применять эти нейронные сети для анализа своих изображений.

    Читать дальше

  • Как поступить в магистратуру "Анализ Данных" УрФУ и ШАД Яндекса

    Ситуация с новой магистратурой по анализу данных, организованной совместно УрФУ и Школой Анализа Данных компании Яндекс, несколько запутанная. Рассказываю, что нужно сделать, чтобы поступить.

    “Анализ данных” - это не самостоятельная магистерская программа, а так называемая траектория в программе по направлению 02.04.01 - Математика и компьютерные науки. Программа называется “Современные проблемы компьютерных наук”. В этой программе есть две траектории – “Анализ данных” и “Компьютерная биомедицина”. Обе траектории очень интересные и многие курсы у них общие (машинное обучение, прикладная статистика, компьютерное зрение и некоторые другие).

    Читать дальше

  • Как стать Data Scientist'ом: советы от Кейти Мэлоун

    Продолжаю разбираться с тем, как можно изучить Data Science. Уже писал о своем представлении и о рекомендациях Рейчел Томас из fast.ai, сегодня расскажу о советах Кейти Мэлоун (Katie Malone) из подкаста Software Engineering Radio Intro to Machine Learning.

    Кейти Мэлоун работает Data Scientist’ом в компании Civis Analytics. Она - один из инструкторов очень интересного курса Intro to Machine Learning на Udacity, который я рекомендую всем, кто хочет стать Data Scientist’ом. У Кейти есть ученая степень PhD in Physics от Стэнфордского университета, ранее она работала в ЦЕРН с данными большого адронного коллайдера.

    Читать дальше


Подпишитесь на RSS