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:
Facebook
Добавляйтесь!

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

Программное решение для сдачи и подготовки (в т.ч. игра "Кто хочет стать миллионером?") к экзаменам (электробезопасность, промышленная безопасность, сертификат 1С Профессионал и т.п.): https://luckyea77.livejournal.com/3661104.html

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.



При написании статей в данном блоге используются только общедоступные открытые источники информации в сети интернет. Источниками информации служат следующие ресурсы: hightech.plus, hightech.fm, tadviser.ru, hi-news.ru, rb.ru, ntinews.ru, forbes.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, 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: https://luckyea77.livejournal.com/3399966.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 июнь 19, 23:05 15
Buy for 10 tokens
Часть 1 Часть 2 Часть 3 Часть 4 Часть 5 Март 2018 года Индустриализация стала основным инструментом достижения экономического богатства стран, начиная с появления прядильных машин в конце XVIII века; при смене технологических укладов менялись местами мировые промышленные лидеры. Какой…

Фонд Минцифры распределил между 45 компаниями 4 млрд рублей на внедрение и разработку отечеств. ПО

Российский фонд развития информационных технологий (РФРИТ) 12 января 2021 года сообщил TAdviser итоги двух конкурсных отборов на получение грантов: поддержка проектов по внедрению отечественных ИТ-решений (ПП РФ № 550) и поддержка проектов по разработке отечественного программного обеспечения (ПП РФ № 1185). 45 компаний получат гранты на разработку и внедрение отечественного ПО в размере 4,3 млрд рублей.


Фонд Минцифры распределил между 45 компаниями 4 млрд рублей на внедрение и разработку отечественного ПО

Победителями конкурса по внедрению отечественных ИТ-решений стали 12 компаний. Среди них - «Почта России», «Татнефть» имени В.Д. Шашина, Концерн «Калашников», «Кузбассразрезуголь», Автомобильный завод «Урал», «ЭкоСтройРесурс», «Русатом Инфраструктурные решения» и другие.

Так, грант размером 299,9 млн рублей получит «Почта России». Средства будут потрачены на внедрение и развитие программно-аппаратного комплекса поддержки принятия решений на основе обработки и анализа данных эксплуатации транспортного парка федерального почтового оператора.

«Татнефть» получит 280 млн рублей на реализацию проекта «Интегрированная цифровая платформа для геолого-технологического мониторинга разработки нефтегазовых месторождений».

«Угольной компании "Кузбассразрезуголь"» выделен грант в размере 193 млн рублей на внедрение автоматической системы диспетчеризации и управления работой горнотранспортного оборудования.
Collapse )

Какой язык программирования выбрать в 2021?



Как за пару недель определиться с выбором языка программирования? Какие ЯП будут актуальны в ближайшие 10-15 лет? В этом видео Сергей Немчинский даст ответы на эти и другие вопросы связанные с выбором языка программирования.

Тайминг:
00:00 - вступление Сергея Немчинского
00:56 - 4 группы языков
01:57 - сначала выберите группу
04:31 - выпишите плюсы и минусы
07:40 - рекламная пауза
09:05 - JavaScript/TypeScript
11:58 - Java
13:15 - Python
14:41 - PHP
16:32 - C#
19:00 - C/C++
21:00 - Swift
23:12 - Kotlin
25:06 - Ruby
26:51 - SQL
Collapse )

Как устроен Linux внутри



На данном вебинаре разбирается внутреннее устройство дистрибутивов Linux.

Вебинар рассчитан на всех интересующихся компьютерными технологиями. Продолжительность 1–1,5 часа.

Спикер: Сергей Венецкий. Работает в стартапе, занимающимся компьютерным зрением. Основной язык — Python. Сергей интересуется созданием готовых продуктов на базе машинного обучения и готов поделиться опытом.

Google обучила языковую модель с триллионом параметров



Исследователи из Google разработали и испытали методы, позволяющие им обучать языковые модели, содержащие свыше 1,5 трлн параметров. У них получилась крупнейшая на сегодня модель, работающая в четыре раза быстрее, чем предыдущий рекордсмен компании — Т5-XXL. Экспериментальная модель Google почти в 10 раз превосходит по потенциалу и скорости обучения прорывной алгоритм GPT-3 от Open AI.

Параметры — важнейший элемент алгоритмов машинного обучения, особенно если речь идет о языковых моделях. Чем выше количество параметров, тем лучше справляется модель с генерацией текста. К примеру, у GPT-3, одной из самых крупных языковых моделей, 175 млрд параметров, поэтому она может проводить аналогии, создавать рецепты, писать стихи и кодировать.

Масштабное обучение — эффективный способ создания мощных языковых моделей. Простая архитектура, подкрепленная крупными наборами данных и большим количеством параметров, превосходит намного более сложные алгоритмы. Но эффективное, масштабное обучение — крайне ресурсоемкий процесс. Вот почему исследователи из Google разработали метод Switch Transformer, при котором используется только подкласс веса модели, или параметров, которые трансформируют входящие данные внутри модели, сообщает Venture Beat.

Switch Transformer основан на работе различных «экспертов» или моделей, специализирующихся на выполнении различных задач, внутри более крупной модели. Его новшество заключается в эффективном использовании умножения плотных матриц — математических операций, широко использующихся в языковых моделях. В режиме тренировки модели распределяют вес по нескольким устройствам, так что вес возрастает вместе с количеством устройств, но поддерживает поддающуюся управлению память и вычислительную нагрузку на каждом устройстве.
Collapse )

Электронный нос и компьютерное зрение помогли идеально пожарить курицу



Исследователи из Сколтеха — Сколковского Института Науки и Технологий — нашли способ использовать химические датчики и компьютерное зрение, чтобы выяснить, когда курица-гриль приготовлена ​​идеально.

Исследование Сколтеха поможет ресторанам контролировать и автоматизировать процессы приготовления пищи на своих кухнях. В будущем такие технологии могут стать частью домашних «умных» духовок. Статья с подробным описанием результатов этого исследования, поддержанного грантом Российского научного фонда, опубликована в журнале Food Chemistry.

Как узнать, что, например, курица готова к подаче? Дома можно посмотреть, понюхать еду, чтобы убедиться в идеальной готовности. Однако если вы шеф-повар ресторана или огромной промышленной кухни, полагаться на глаза и нос, чтобы обеспечить единообразные результаты, соответствующие стандартам, уже затруднительно. Вот почему ресторанная индустрия активно ищет дешевые, надежные и чувствительные инструменты для замены субъективного человеческого суждения, чтобы сделать контроль качества автоматизированным.

Профессор Альберт Насибулин из Сколтеха и Университета Аалто, старший научный сотрудник Сколтеха Федор Федоров и их коллеги внесли свой вклад в решение проблемы. Они создали «электронный нос» — набор датчиков, определяющих определенные компоненты запаха, чтобы «понюхать» готовящуюся курицу. Кроме того, исследователи создали алгоритм компьютерного зрения, чтобы система могла визуально изучить блюдо. Электронные носы проще и дешевле в эксплуатации, чем газовый хроматограф или масс-спектрометр, и даже было показано, что они способны обнаруживать различные типы сыров или выявлять гнилые яблоки или бананы из партии фруктов. С другой стороны, компьютерное зрение способно распознавать визуальные шаблоны.

Ученые решили объединить эти два метода для точного и бесконтактного контроля степени готовности еды. Они выбрали куриное мясо, популярное во всем мире, и приготовили на гриле много куриной грудки, чтобы «обучить» систему оценивать и предсказывать, насколько хорошо она была приготовлена.

Исследователи построили свой собственный «электронный нос» с восемью датчиками и поместили его в систему вентиляции. Также ученые сфотографировали курицу-гриль и передали информацию алгоритму.

Система смогла достаточно хорошо идентифицировать недоваренную, хорошо приготовленную и переваренную курицу, поэтому потенциально может автоматизировать контроль качества на кухне. Авторы исследования отмечают, что для использования их техники на других частях курицы, скажем, на ногах или крыльях, или для другого метода приготовления электронный «нос» и «глаза» придется переучивать на новых данных.

Модели ИИ от Microsoft и Google обошли человека в понимании логики текста



Авторы бенчмарка SuperGLUE опубликовали результаты последнего тестирования моделей обработки естественного языка. Модели Microsoft DeBERTa и Google T5 + Meena доказали понимание причинно-следственных связей в тексте и впервые обошли в этом человека. ИИ от Microsoft набрал 90,3 балла, ИИ от Google — 90,1 балла, в то время как усредненный результат человека в этом тесте составляет 89,8 баллов. Тестирование моделей DeBERTa и T5 + Meena проводились только на английском языке.

Тестирование SuperGLUE включало восемь сложных задач, связанных с пониманием контекста, структуры текста, причинно-следственных связей и альтернативных вариантов. В ходе последней серии испытаний ИИ анализировал короткие отрывки статей из Википедии, отвечал на вопросы со «спрятанными» в тексте ответами и подбирал аналогии. У обеих моделей — Microsoft и Google — это получилось лучше, чем у людей.

Важно отметить, что тест измеряет не интеллект как таковой, а логику, которая раньше давалась ИИ с большим трудом. А представители Microsoft добавили, что рекордный результат DeBERTa не делает модель хорошим собеседником для бытового диалога, но определяет важный момент на пути к созданию общего ИИ.

«DeBERTa, превосходящая человеческие характеристики на SuperGLUE, знаменует собой важную веху на пути к общему ИИ. В отличие от DeBERTa, люди чрезвычайно хорошо используют свои знания, полученные при выполнении различных задач, для решения новой задачи без демонстрации пути достижения результата или с минимальной демонстрацией», — объяснили авторы из Microsoft Research.

В качестве примера Microsoft привела сложный тест для понимания естественного языка, с точки зрения ИИ: «Ребенок стал невосприимчив к болезни. В чем причина? 1) Он избежал контакта с болезнью. 2) Он получил вакцину от болезни». Если раньше этот простой для человека вопрос, поставил бы ИИ в тупик, то теперь все изменилось. Большая часть теста SuperGLUE включала аналогичные задачи и DeBERTa успешно с ними справилась.

ИИ теперь выбирает материалы для добычи энергии, сенсоров и биомедицины



Новое исследование, проведенное учеными из Университета Торонто (США) и Северо-Западного университета, использовало машинное обучение для создания лучших строительных блоков при сборке каркасных материалов.

В новой работе говорится, что искусственный интеллект (ИИ) может помочь в разработке новых материалов для различных приложений. Например, при выделении диоксида углерода в процессах промышленного сжигания. Благодаря ИИ можно ускорить циклы проектирования материалов.

Для того, чтобы улучшить разделение химических веществ в промышленных процессах, группа исследователей определила лучшие ретикулярные каркасы (например, металлоорганические каркасы, ковалентные органические каркасы) для использования.

Такие каркасы можно рассматривать как специально разработанные молекулярные «губки»: они образуются на основе самосборки молекулярных строительных блоков в различные конфигурации. Так получается новое семейство кристаллических пористых материалов, их можно использовать для решения многих технологических задач.
Collapse )

ИИ обучается быстрее по алгоритмам, похожим на мышление человека



ИИ может функционировать как человеческий мозг, если он запрограммирован на использование схожих алгоритмов обучения для новых объектов.

В новом исследовании группа ученых объясняет, как новый подход значительно улучшает способность программного обеспечения ИИ быстро изучать новые визуальные концепции.

Мы можем заставить ИИ учиться гораздо лучше, если будем обучать их таким образом, каким информацию воспринимает наш мозг.
Максимилиан Ризенхубер, доктор философии, профессор нейробиологии Медицинского центра Джорджтаунского университета


Люди могут быстро и хорошо изучать новые визуальные концепции на основе немногочисленных данных — иногда достаточно лишь одного примера. Даже трех-четырехмесячные младенцы могут легко научиться распознавать зебр и отличать их от кошек, лошадей и жирафов. Но компьютерам обычно нужно «видеть» множество примеров одного и того же объекта, чтобы узнать, что это такое, объясняет Ризенхубер.

Поэтому необходимо было разработать программное обеспечение для определения взаимосвязей между целыми визуальными категориями, вместо того чтобы пытаться использовать более стандартный подход к идентификации объекта с использованием только низкоуровневой и промежуточной информации, такой как форма и цвет.
Collapse )