Как ничего не забыть в своем ML-проекте Недавно мне рассказали забавную историю. Крупная нефтяная компания поставила перед специалистами по обработке данных задачу: они должны были следить за соблюдением водителями грузовиков инструкций по технике безопасности при транспортировке бензина (в частности, если они курили в кабине). Через некоторое время специалисты по данным представили решение - аппаратный модуль, который выглядел идеально: он записывал видео, оценивал их с помощью нейронных..

В этом посте содержится часть лекций Цели и показатели успеха нашего курса Машинное обучение в производстве . Остальные главы смотрите в содержании . С упором на машинное обучение многие проекты сосредоточены на оптимизации моделей машинного обучения для обеспечения точности. Однако при построении производственных систем компоненты машинного обучения способствуют достижению общей цели системы. Для успешного создания продуктов важно понимать как цели всей системы, так и цели..

При наличии массивных данных и вычислений машинное обучение (ML) и другие области искусственного интеллекта быстро развиваются. ИИ стал требованием времени и потребностью часа. Чтобы не отставать, почти каждая компания либо открывает новый отдел Data Science / Machine Learning, либо быстро расширяется за счет множества проектов в стадии разработки. Теперь у нас больше конкурсов и хакатонов машинного обучения, чем когда-либо в истории. Каждый день появляются новые курсы, полностью..