Category: it

Category was added automatically. Read all entries about "it".

Информационно-развлекательный портал

Информационно-развлекательный портал: http://luckyea.ucoz.ru/

Добро пожаловать в мой блог!

Посмотрев на метки вы можете понять о чем я пишу в этом блоге.

Мои страницы:
Twitter
Facebook
Добавляйтесь!

Содержание блога:
2014 год (по темам)
2015 год
январь
февраль
март
апрель
май
июнь
июль

Спортивные трансляции в режиме онлайн вы можете увидеть здесь: http://luckyea77.livejournal.com/175626.html
В этой записи много ссылок на сайты, ведущие прямые трансляции по разным видам спорта, а также этот пост содержит более 20ти спортивных каналов.

Записи со ссылками на посты с лекциями и уроками в этом блоге: http://luckyea77.livejournal.com/714447.html

При написании статей в данном блоге используются только общедоступные открытые источники информации в сети интернет. Источниками информации служат следующие ресурсы: hi-news.ru, hightech.fm, forbes.ru, rb.ru, naked-science.ru, nplus1.ru, popmech.ru, wikipedia.org, youtube.com, rambler.ru, yandex.ru, mail.ru, rbk.ru, autostat.ru, riarating.ru, livejournal.com, vestifinance.ru, renen.ru, altenergiya.ru, kot.sh, vedomosti.ru, elektrovesti.net, energosovet.ru, ffin.ru, 2045.ru, alternativenergy.ru, futurenow.ru, knowrealty.ru, aif.ru, secretmag.ru, womanonly.ru, 3dnews.ru, greenevolution.ru, dmrealty.ru, nature-time.ru, dailytechinfo.org, svpressa.ru, pskovstroyka.ru, sport-express.ru, kinopoisk.ru, rg.ru, hightech.plus, tadviser.ru, ntinews.ru, asi.ru, data-economy.ru, futurerussia.gov.ru

Моя точка зрения может не совпадать с авторами видео, изображений, статей, интервью и комментариев к записям. Я не несу ответственности за мнения, высказанные в комментариях читателей.





Мой френдмарафон: http://luckyea77.livejournal.com/151094.html

Самые популярные метки моего блога:
Технологии3D-принтерЭлектроэнергия
РоссияМирБокс
РоботМедицинаЗарплата
АвтоБудущееРейтинг
ФутболИскусственный интеллект
ЭкономикаКомпьютерная игра
ИнтернетВиртуальная реальность
МузыкаФильмПрограммирование



Смотрите также:
Обучение программированию онлайн
Интерактивные курсы веб-программирования (19 бесплатных курсов)



Рассказать друзьям или разместить в своём блоге:
promo luckyea77 june 21, 2015 20:04 30
Buy for 10 tokens
В этой записи я буду давать ссылки на посты с лекциями и уроками в этом блоге: Учебные материалы и тесты: 11 ресурсов для бесплатного образования Проект "Лучшие кадры лучшей страны" Онлайн-курсы по высоким технологиям и инновациям Дистанционное образование в России (среднее профессиональное…

Как знания в области больших данных позволяют топ-менеджерам добиваться роста бизнеса

Компания может называться data-driven только тогда, когда ее данные становятся новым активом. Причем переосмыслить их ценность в первую очередь должно руководство бизнеса. Мы задали пять вопросов экспертам школы по работе с данными SkillFactory, чтобы понять, зачем бизнесу необходимо работать с данными и может ли топ-менеджер переложить эти обязанности на своих подчиненных.


Данные помогают менеджменту принимать оптимальные стратегические и тактические решения

Почему бизнесу нужно быть data-driven?

Как говорил Питер Друкер, мы не можем управлять тем, что не можем измерить, поэтому интуитивные решения в 21-м веке уступают Data Driven Decisions. А умение собирать и анализировать данные, делать на их основе прогнозы — необходимая компетенция любого управленца.

И хотя 90% бизнесов принимают решения интуитивно, не работают с данными, в современном мире нельзя игнорировать эту работу и оставаться при этом конкурентоспособным. Менеджерам важно поддерживать свои скиллы на конкурентном уровне, иначе со временем они станут не нужны. Предприниматели должны обеспечивать бизнесу выживание.

Если раньше работу с Big Data осваивали только большие корпорации, то сейчас это верно и для малого бизнеса: просто у крупных игроков данных копится больше, соответственно, и способы их обработки будут отличаться. Приведем обезличенный пример кейса по когортному анализу клиентов. На третий год существования интернет-магазина его выручка начала падать. Благодаря анализу базы продаж разложили график выручки по когортам клиентов, где каждая когорта — месяц, в который пришел клиент. В итоге увидели, что проблем с притоком новых клиентов нет, он даже растет, просто за последний год новые клиенты стали покупать меньше.

На самом деле проблема была в другом — упала частота покупок отдельным клиентом. Когда бизнес проанализировал пользователей с высоким Retention rate и частотой покупок, то увидели четкую картину: за какими товарами эти люди чаще всего возвращаются. Затем интернет-магазин запустил автоматическую рассылку по всем покупателям с этими товарами с обновлением раз в 2 недели. В результате повторная продажа выросла на 30%, а частота покупок на 15%. Таким образом за счет data driven management удалось сохранить бизнес и увеличить продажи.
Collapse )

Microsoft Edge вырвался на второе место в мире по популярности

2 апреля 2020 года стало известно о том, что браузер Edge, выпущенный Microsoft одновременно с ОС Windows 10, занял второе место в общемировом рейтинге настольных обозревателей по количеству пользователей. Согласно статистике NetMarketShare за март 2020 г., суммарная доля Edge на рынке браузеров составила 7,59% (второе место) против 7,37% в феврале 2020 г. (третье место) и 5,2% в марте 2019 г. (четвертое место).

Как сообщалось, статистика учитывает популярность всех существующих версий Edge для ПК и ноутбуков – на момент публикации материала Microsoft развивала его модификацию на движке Blink, плюс существует версия для настольных ПК на проприетарном движке EdgeHTML. Показатели мобильных версий Edge под iOS и Android в статистику не включены.

Оказавшись на втором месте, Edge сместил на третье браузер Mozilla Firefox, который еще в феврале 2020 г. удерживал вторую строчку с 7,57-процентной долей. В марте 2020 г. она сократилась до 7,19%, а в марте 2019 г. она была равна 9,27%.


Collapse )

Cortical Labs разрабатывает гибридный чип из живых нейронов



Один из самых многообещающих подходов к разработке искусственного интеллекта — имитация работы человеческого мозга. Однако австралийский стартап пошел еще дальше, создав миниатюрный мозг из биологических нейронов, подключенных к специальному чипу.

Австралийская компания Cortical Labs надеется, что в будущем гибридный минимозг сможет выполнять те же задачи, которые под силу современным алгоритмам машинного обучения, но потребляя при этом намного меньше энергии, пишет Fortune. Пока его вычислительная мощность приближается к мозгу стрекозы, и ближайшая цель исследователей — научить его играть в аркадную игру Pong.

Это довольно высокая планка — Pong была одной из игр, на которой специалисты из DeepMind некогда тренировали и демонстрировали возможности своей искусственной нейросети, чем и привлекли внимание компании Google, купившей их в 2014 году.

Cortical Labs использует два метода создания своего гибридного чипа: либо получает нейроны из эмбрионов мышей, либо превращает клетки человека в стволовые и выращивают из них человеческие нейроны. Эти нейроны затем помещают в питательную среду поверх чипа из оксида металла, содержащего 22 000 электродов. С их помощью чип можно запрограммировать играть в Pong.

Если технология стартапа окажется жизнеспособной, она позволит решить одну из главных проблем глубокого обучения — крайне высокое потребление энергии. К примеру, ИИ AlphaGo, созданный DeepMind и победивший лучших игроков в го в 2016 году, потребляет один мегаватт энергии во время партии. Этого хватило бы на то, чтобы обеспечить электричеством 100 домов в день. Для сравнения, человеческий мозг для решения той же задачи потребляет около 20 ватт, то есть в 50 000 раз меньше.

Устройство для чтения мыслей человека почти готово

В это трудно поверить, но кажется, скоро мир перестанет быть прежним. Все то, что мы видели в фантастических фильмах и думали, что это чистейшая выдумка — начинает приходить в нашу жизнь. Например, на днях, в научном журнале Nature вышла потрясающая статья, судя по которой человечество уже вплотную подошло к чтению мыслей друг друга. И хотя устройство еще не готово для повседневного использования, все идет к тому, что скоро это перестанет быть фантастикой. И хотя может показаться, что вступление сильно преувеличено, на самом деле это не так. Так что же это за устройство, и как оно работает? Давайте разбираться.


Устройство для чтения мысле ближе, чем можно себе представить

Что нужно сделать, чтобы прочитать мысли человека?

Итак, для начала нам понадобится аппарат ECoG. Это почти как ЭЭГ (когда на голову надевают «шапочку» с электродами), с той лишь разницей, что электроды устанавливаются непосредственно на кору головного мозга. Для этого в черепе необходимо просверлить дырки или сделать трепанацию. Звучит жутковато, но так точность измерений значительно увеличивается. С помощью этого прибора ученые считывали мозговые волны во время эксперимента.
Collapse )

Робот-курьер, VR для инкассаторов, цифровой аватар и другие инновации, разработанные в лабораториях


По состоянию на 2019 год в Сбербанке действуют 10 инновационных лабораторий

В годовом отчете, опубликованном в марте 2020 года, Сбербанк подвел итоги второго года работы своих инновационных лабораторий. В 2019 году их стало на две больше за счет появления лабораторий нейронаук и поведения человека, а также клиентского опыта и новых способов продаж. О результатах работы этих двух новых лабораторий Сбербанк в отчете пока не сообщает.

Лаборатория робототехники

В 2019 году были завершены приемо-сдаточные испытания роботизированного участка пересчета наличности, получено три патента, говорится в отчете Сбербанка. Изобретение нацелено втрое повысить производительность труда кассово-инкассаторских центров при пересчете банкнот.

В отчетном году также был проведен пилот по доставке корреспонденции автономным офисным роботом-курьером «Глеб». Платформы Navigation-As-A-Service и Robot-As-A-Service предлагают роботизированные решения по логистике внутри помещений.

Было также завершено тестирование экзоскелета ExoChair Mk3 в рамках опытного внедрения в секторе логистики и учета документов архивного центра в Томилино. При внедрении изобретения будет повышена производительность труда сотрудников архивно-логистических центров, снизится вероятность заболеваний опорно-двигательного аппарата и утомляемость сотрудников, чья работа связана с физическими нагрузками.


Лаборатория робототехники Сбербанка разрабатывает решения для применения в разных процессах банка (фото - Robotrends.ru)
Collapse )

Продовольственные рынки начали использовать блокчейн для закупки только качественных продуктов

В конце марта 2020 года региональный руководитель одного из продовольственных рынков Китая начал использовать платформу отслеживания сельскохозяйственной продукции на основе блокчейна, искусственного интеллекта, больших данных и облачных вычислений. Платформа, используемая Бюро по надзору за рынком при муниципалитете Гуанчжоу (Guangzhou Municipality Market Supervision Bureau), должна отслеживать поток продуктов и позволяет администрации закупать только качественные продукты питания.

В 2018-2019 гг. в Гуанчжоу отмечались многочисленные нарушения безопасности, касающиеся пищевых продуктов. Несмотря на строгий надзор за продуктами питания, физически невозможно проверить качество каждой упаковки, поэтому данную задачу переложили на блокчейн-платформу, которая охватывает 8018 предприятий на 90 сельскохозяйственных рынках по всему городу.


Региональный руководитель одного из продовольственных рынков Китая начал использовать платформу отслеживания сельскохозяйственной продукции на основе блокчейн
Collapse )

ИИ IBM генерирует плавное видео из стоп-кадров



Сама технология создания видео из статических картинок была создана уже какое-то время назад, большой вклад в ее разработку внесли, в частности, специалисты DeepMind. Новизна подхода IBM в том, что их ИИ создает очень плавное, естественное видео, в котором сохраняется связность кадров.

Значительная часть работы в синтезе видео выполняют генеративно-состязательные сети, то есть двухчастные системы, состоящие из генераторов, создающих примеры, и дискриминаторов, которые пытаются отличить их от реальных образцов. Это очень эффективный подход, но его проблема в так называемом коллапсе режима (mode collase), когда генератор создает ограниченный набор примеров (или даже один и тот же пример) вне зависимости от поступающих данных, пишет Venture Beat.

Система Navsynth, разработанная в IBM, состоит из переменной, представляющей характеристики видео-контента, переходной переменной, генератора и рекуррентной модели машинного обучения. Она разбивает видео на статические (свойственные всем кадрам) и переходные (динамические) компоненты.

Для испытаний системы команда использовала три общедоступных набора данных: Chair-CAD, состоящую из почти 1400 трехмерных моделей стульев; Weizmann Human Action с людьми в разных позах; и более 20 000 видео игры в гольф.

По сравнению с видео, созданными несколькими другими базовыми моделями, Navsynth генерирует «визуально более приятные» изображения, которые сохраняют связность кадров. Более того, оно продемонстрировала способность к интерполяции кадров, то есть форме обработки видео, в которой промежуточные кадры создаются между существующими. Так движение выглядит более плавным.

ИИ подбирает материалы для новых батарей за пять недель вместо 50 лет



Список теоретически пригодных для производства того или иного изделия материалов — например, батарей — может включать миллионы вариантов, а их анализ на соответствие множеству требований может занимать годы и даже десятки лет. Исследователи из США, обратившись к машинному обучению, нашли способ значительно ускорить процесс подбора верных компонентов. Причем им хватило для обучения ИИ нескольких сот образцов, вместо сотен тысяч и миллионов, и всего 4 цикла повторения.

Ученые из MIT разработали многоэтапный процесс тренировки нейронной сети, который позволяет сравнивать свойства различных материалов. В качестве демонстрации возможностей подхода они нашли восемь наиболее многообещающих веществ для проточных батарей из трех миллионов кандидатов. Этот процесс, проводись он традиционным аналитическим методом, занял бы 50 лет. Но машине на всесторонний анализ и отбор потребовалось всего пять недель, пишет MIT News.

Поиски велись среди так называемых комплексных соединений, которые могут существовать в обширном числе различных форм. Для того чтобы предсказать свойства любого из миллионов этих металлов, требуется либо проводить ресурсоемкую и долгую спектроскопию, либо долгое и сложное компьютерное моделирование каждого материала или комбинации материалов.

Вместо этого исследователи взяли небольшое число возможных материалов и использовали их для того, чтобы научить нейронные сети распознавать отношения между химическим составом и физическими свойствами. Затем это знание применили для выработки критериев, которым должны отвечать материалы нового поколения. Проведя четыре последовательных итерации этого процесса, нейросеть постепенно достигла точки, когда последующие повторения цикла не приводили к значимым улучшениям.

Обычно обучение нейронных сетей требует очень большого числа данных, от тысяч до миллионов примеров, но команда из MIT использовала итеративный подход, основанный на оценке эффективности материала по модели Парето, который ускорил процесс и дал надежные результаты на базе всего нескольких сотен образцов.

Кроме того, на каждом этапе итерации система быстро оценивала степень уверенности в прогнозе, которая помогала уточнить выбор образцов. «Мы разработали лучшую технику квалификации неопределенности, чтобы точно понимать, когда именно эти модели могут подвести», — заявила профессор Хизер Кьюлик, руководитель проекта.

Чем занимаются дирекция по большим данным X5 Retail Group

X5 Retail Group нарастила штат дирекции по большим данным до 340 человек, следует из годового отчета компании, опубликованного в марте 2020 года. Создана дирекция была в марте 2018-го. В X5 Retail Group привели TAdviser данные, что за 2019 год численность ее сотрудников выросла на 200 человек.

«Мы планируем дальнейшее усиление команды и найм профессионалов с необходимыми компетенциями. Расширение связано с развитием и внедрением новых проектов, - сообщили TAdviser в компании.»

В годовом отчете подчеркивается, что качество и доступность данных – один из ключевых факторов успеха для компании, и Х5 Retail Group уделяет большое внимание организации и культуре управления данными.

«Дирекция по большим данным внедряет культуру управления, основанного на данных, и процессы управления данными, в которые вовлечены все бизнес-подразделения и функции, - указано там же.»


В дирекции по большим данным разрабатываются и развиваются несколько десятков сервисов для внутреннего использования и внешних потребителей (фото - retail.ru)
Collapse )