Crowdsource by Google: Building better products for everyone with machine learning

머신 러닝에 대해 들어 봤지만 무엇입니까? "기계 학습"은 컴퓨터가 몇 가지 예를보고 기술을 습득 할 수있게하는 기술입니다 규칙 세트 대신에

기계 학습을 통해 일상적인 작업을보다 쉽게 ​​수행 할 수 있습니다 좋아하는 사진 검색, 어떤 언어로든 사람과 대화하고 전 세계 어디든 가고 싶은 곳으로 정확하게 이동할 수 있습니다 기계는 어떻게 배우나요? 기계 학습에서 컴퓨터는 일련의 데이터를 통해 공통 패턴을 찾고 식별하고 학습합니다 예를 들어 컴퓨터에 많은 자동차 이미지를 보여 주면 어떤 그림에서든 자동차를 인식하는 방법을 배울 수 있습니다 우리가 보여주는 다양한 자동차 이미지는 더 잘 인식됩니다

따라서 Crowdsource 앱에 대한 귀하의 기여가 중요합니다 컴퓨터가 배울 수있는 정확한 예를 만들고 확인하는 데 도움이됩니다 이는 모든 사람에게 혜택을 줄 수있는 기능을 활성화합니다 이미지 레이블을 확인하면 Google 포토 및 Google 렌즈와 같은 앱이 사진을 분류하고 물체를 식별하는 데 도움이됩니다 문장의 정서에 라벨을 붙이면 Google지도 및 Google Play에서 사용자 언어로 리뷰를 구성하는 데 도움이됩니다

번역을 확인하면 Google Translate가 귀하의 언어로보다 정확한 번역을하도록 도와줍니다 덕분에 좋아하는 앱이 모두에게 도움이됩니다 전 세계 크라우드 소싱 커뮤니티의 일환으로 귀하의 국가 및 전 세계의 기고자들과 함께 수백만의 사례를 제공하고 있습니다 귀하의 답변은 수천 명의 다른 사용자의 답변과 결합되어“최상의”답변을 결정합니다이를“지상 진실”이라고합니다

실제 기술은 특정 기술을 습득 할 수있는 패턴을 찾는 기계 학습 모델에 적용됩니다 사진에서 자동차를 식별하는 방법 또는 한 언어에서 다른 언어로 번역하는 방법 등이 있습니다 기계가 배우는 것은 주어진 데이터에 의해 제한됩니다 세계의 작은 지역에서 온 이미지로 이미지 인식 알고리즘을 개발하면 세계의 해당 부분에서만 객체를 인식합니다 사진과 같은 앱이 모든 사람에게 잘 작동하려면 세계 각지의 이미지를 사용하여 기계를 훈련시켜야합니다

Crowdsource를 사용하면 교육 데이터에서 지역, 언어 및 의견을 나타냅니다 커뮤니티에 참여해 주셔서 감사합니다!

Data Science And Machine Learning Demo 2 I By Damodhar 9059868766 24th July 2019 I Tutorials

데이터 과학 및 기계 학습 데모 2 I Damodhar 9059868766 24th July 21019 I 자습서 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오

Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오

Damodhar 9059868766

Data Science And Machine Learning Class 02 I July 26th 2019 By Damodhar 9059868766 I Tutorials

데이터 과학 및 기계 학습 클래스 02 I July 26th 2019 저자 Damodhar 9059868766 I 자습서 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766 데이터 과학 및 기계 학습을위한 온라인 교육 VLR 교육에 대한 문의 9059868766

Supervised Learning, Unsupervised Learning & Reinforcement Learning explained by Ni Lao @ Mosaix

기술 부분에 대해 이야기 해 봅시다 그래서 기계 학습 카테고리에는 감독 학습, 감독되지 않은 학습, 그리고 강화 학습이 있습니다

기계 학습 알고리즘의 혁명을 통해 우리를 간단하게 안내 할 수 있습니까? 예, 그러고 싶습니다 그래서이 세 가지 개념은 매우 외국적인 것처럼 들리지만 실제로는 매우 강력한 개념입니다 그리고 모두가 조금씩 배우기 때문에 모든 사람들이 서로 관련 될 수 있어야합니다 매일 슈퍼 마리오 게임을 배우기를 원한다고 가정 해보십시오

감독 학습을한다면, 인간이 기계를 단계별로 가르 칠 필요가 있음을 의미합니다 무엇을해야 할 필요가 있습니다 그리고 슈퍼 마리오의 경우는 마치 앞에서 거북이를 본다면 뛰어 넘어야합니다 만약 너라면 너 앞에서 동전을 보면, 앞으로 나아가 야지 – 그런 종류의 지시, 그렇지? 그럼 많은 지침을 줄 필요가 있고 규칙을 많이 작성해야하고 인간의 라벨링 아무도 그렇게하지 않으면 효과가 없을 것입니다 또는 Google이나 Apple과 같은 많은 돈이있는 경우 작동합니다

그리고 나서 보강 학습이 있습니다 강화 학습의 아이디어는 전략을 탐색 할 기계를 갖추는 것입니다 그래서 당신은 매우 높은 레벨의 목표를 정의합니다 무대를 통과하거나 더 많은 동전을 얻는다고 가정 해 봅시다 그리고 기계는 다른 것들을 시도하고 실제로 어떤 것을 볼 것입니다

당신이 원하는 것을 제공합니다 그런 다음 전략을 강화하십시오 그리고 시간이 지남에 따라 거북이를 걷어차는 법을 배우게됩니다 그러나 이것은 또한 제한적입니다 우리가 한 일은 아주 좋았습니다

AlphaGo 나 Atari Games와 같았습니다 인간이 탐험하지 못한 공간을 탐험하고 새로운 전략을 찾는다 기본적으로 인간을 초월 할 수 있습니다 그러나 두 가지 문제가 있습니다 하나는 – 먼저, 기계가 검색 할 수있는 공간을 찾아야합니다

그것은 큰 문제입니다 Go는 스페이스가 보드이기 때문에 더 쉽습니다 그러나자가 운전 차량이나 슈퍼 마리오 게임과 같은 다른 경우에는 다음과 같이 정의해야합니다 학습을위한 더 많은 수퍼 공간 극단적 인 경우를 가정 해 보겠습니다

규칙은 게임의 전체 이미지를 기반으로합니다 성능을 달성하기 위해 무한한 규칙을 작성해야한다는 것입니다 두 번째 문제는 사람들이 너무 많은 학습 이론을 강화에 적용하지 않았다는 것입니다 학습, 그래서 최적화 절차는 효율적이지 못하고, 수렴하는데 아주 오랜 시간이 걸리고, 좋은 성능을 얻으려면 많은 양의 데이터를 가져 가야합니다 낭비 적이기 때문에 시간이 지남에 따라 개선 할 수 있습니다

세 번째는 감독되지 않은 훈련입니다 저는 그것이 강화 학습에서의 문제를 해결하는 열쇠라고 생각합니다 예를 들어 ImageNet 데이터 세트와 같은 이미지 분류의 경우 수천 개의 고양이 이미지에서 고양이 답을 가르치고 싶습니까? 그러나 이것을 아이에게 가르치고 싶다면, 아이가 필요합니다 그러므로 어린이들에게 "고양이"라는 단어를 가르치기 전에 이미 그 표현이 있습니다 모든 고양이는 서로 가깝고 다른 동물들과 아주 멀리 떨어져 있습니다

맞습니까? 그래서 모든 부모님은 거기에 레이블을 붙이는 것입니다 그래서 많은 학습이 이미 끝났습니다 그렇기 때문에 수퍼바이저 교육이 기계 학습에 중요한 이유입니다

Powered by TensorFlow: helping paleographers transcribe medieval text using machine learning

세레나 아미미치 :이 책을 페이지별로 살펴 봅니다 그리고 무엇이든지 해독하고, 읽고, 필사하는 것을 시도합니다

엄청난 시간이 걸립니다 고고학자들의 군대가 필요합니다 ELENA NIEDDU : 기계 학습에 대해 가장 흥분되는 것은 무엇입니까? 우리가 최대 10 개의 문제를 해결할 수 있었고, 15 년 전에 우리는 풀 수없는 생각을했습니다 ELENA NIEDDU : 어떤 종류의 기계 학습 모델을 사용하기 전에, 우리는 먼저 데이터를 수집해야했습니다 당신은 인터넷에 개와 고양이의 수천 개의 이미지가 있습니다

그러나 고대 원고의 이미지는 거의 없습니다 crowdsourcing을위한 자체 웹 응용 프로그램을 만들었습니다 그리고 우리는 고등학생들이 데이터를 수집하는 것을 포함했습니다 나는 일반적으로 기계 학습에 관해 많이 알지 못했다 그러나 나는 TensorFlow를 만드는 것이 매우 쉽다는 것을 알았습니다

환경 우리가 알아 내려고 할 때 Keras가 최고의 솔루션이었습니다 생산 모델은 TensorFlow 레이어에서 실행됩니다 인터페이스 우리는 바이너리 분류, 완전히 연결된 네트워크

마지막으로, 우리는 길쌈 신경 네트워크 및 다중 클래스 분류 ELENA NIEDDU : 단일 문자 인식에 관해서는, 95 %의 평균 정확도를 얻을 수 있습니다 세리나 아미미치 : 이것은 엄청난 영향을 미칠 것입니다 단기간에, 우리는 엄청난 양의 역사적 정보가있다 유효한

ELENA NIEDDU : 문제를 푸는 것이 재미 있다고 생각합니다 그것은 나 자신에 대한 게임이며, 내가 얼마나 잘할 수 있는지를 보여줍니다

Powered by TensorFlow: utilizing deep learning to better predict extreme weather

KARTHIK KASHINATH : 극한의 날씨가 변화하고 있습니다 더 극심한 강우량, 심한 홍수, 산불이 있습니다

라디오 서명이 있어요, [INAUDIBLE] 극단적 인 사건을보다 정확하게 예측할 수 있음 우리가 지금 직면하고있는 큰 도전의 종류입니다 매일 100 테라 바이트의 기후 데이터가 있습니다 위성으로부터, 관측으로부터, 모델로부터

따라서 기후 데이터는 큰 데이터 문제입니다 우리는 빠른 것을 필요로합니다 모든 데이터를 빠르고 정확하게 탐색 할 수 있습니다 그리고 깊은 학습은 거의 완벽하게 문제를 해결할 수 있습니다 기후 과학

THORSTEN KURTH : 많은 NERSC 사용자가 TensorFlow를 사용하고 있습니다 더 인기있는 프레임 워크 중 하나입니다 TensorFlow를 사용하여 신속하게 반복합니다 다른 모델을 통해 다른 레이어 매개 변수 이 특별한 기후 프로젝트를 위해, 깊은 학습 모델을 만들기 위해, 우리는 분할 모델 (segmentation models) 성공할 것으로 입증 된 예를 들어, 우리의 위성 이미지 분할 작업

그리고 TensorFlow를 사용하여 모델을 향상시킵니다 성능이 좋은 일련의 모델을 찾을 때까지 이 특정 작업에 충분합니다 그러나 데이터의 양, 데이터의 복잡성, 네트워크는 14 테라 플롭이 필요했습니다 따라서 워크 스테이션에서이 작업을 수행하려는 경우, 훈련하는 데 몇 달이 걸릴 것입니다 MIKE HOUSTON : 이러한 문제를 진정으로 해결하려면 가장 큰 계산 자원 행성에서 사용할 수 있습니다

Summit 슈퍼 컴퓨터와 같은 시스템, 그것은 총 크기의 두 개의 테니스 코트입니다 내 말은,이게 최첨단 기술이야 일반적인 노트북보다 1 백만 배나 빠릅니다 33 exaflops

워크 스테이션에서하는 일을 상상해보십시오 그러나 지금은 그 힘의 27,000 배가 있다고 상상해보십시오 우리는 지금 그것을 할 수 있습니다 THORSTEN KURTH : 실제로 얼마나 좋은지 놀랐습니다 저울

1,000 노드, 2,000 노드 5,000 노드 MIKE HOUSTON : 이번이 처음이었습니다 누구든지이 규모에서 AI 애플리케이션을 실행합니다 기후 과학자들이 알아내는 대신 고조파 코드를 작성하는 방법, 그들은 파이썬에서 자연스럽게 표현할 수 있습니다

TensorFlow에서 모든 고성능 코드를 얻을 수 있습니다 대부분의 HPC 사람들은 TensorFlow 내에서 익숙합니다 KARTHIK KASHINATH : 이제 우리는 인공 지능은 실제로 예측에 기여할 수 있습니다 이 극한의 기상 이변들 MIKE HOUSTON : 전통적인 HPC와 AI를 결합하면, 우리는 우리가 해결할 수 없다고 생각했던 것들을 다룰 수 있습니다

핵융합로 연구, 질병 이해 알츠하이머 병처럼, 암, 맞지? 참 놀랍군 THORSTEN KURTH : 우리는 과다 활동 TensorFlow와 같은 프레임 워크를 사용하면 대규모로 확장 할 수 있습니다 멋진 공연을 얻을 수 있습니다 목표를 달성하십시오 KARTHIK KASHINATH : 유전학, 신경 과학, 우주론, 고 에너지 물리학, 그것은 나를 위해 대단히 흥미 롭습니다

Powered by TensorFlow: Airbnb uses machine learning to help categorize its listing photos

[음악 재생] ANDREW HOH : 에어 비앤비는 온라인 시장입니다 우리는 500 만개가 넘는 다른 집들이 있습니다

수천만에 달하는 81,000 개의 도시에서 아마도 가장 큰 사진을 만들 수 있습니다 오늘날 세계에서 가정의 이미지 모음 손님이 집을 선택하기로 결정하면, 그들의 결정에서 가장 큰 영향 중 하나 다양한 이미지 세트입니다 그러나 많은 시간, 주인이 걸릴 것입니다 한 방의 많은 사진들 다른 방의 사진을 찍는 것을 잊어 버리십시오 SHIJING YAO : 자막 추가 옵션도 있습니다

하지만 많은 경우에 완전히 벗어났습니다 앤드류 호 : 아니 알프레도 루크 : 우리는 도전에 직면했습니다 이 사진들에 실제로 무엇이 있는지 확인하는 것 사이트에 제대로 표시하십시오 그것은 기계 학습이 탁월한 영역입니다

진정한 도전은 규모 중 하나였습니다 우리는 통과해야 할 이미지가 50 억 개가 넘었습니다 이 모든 것을 실제로 통과하려면 몇 달이 걸릴 것입니다 ANDORW HOH : TensorFlow를 사용하여 우리는 프로세스를 가속화하고 전달할 수있다 합리적인 모델

빅 헤드는 에어 비앤비의 기계 학습 플랫폼입니다 우리는 그것을 다른 ML에 매우 불가 지하게 만드는 아이디어를 가지고있었습니다 프레임 워크를 사용하여 TensorFlow가 모델을 교육 할 수있게되었습니다 그리고 Bighead는 모델 수명주기, 기능 관리 및 TensorFlow 검색 모델 결과를 제공하는 데 도움이됩니다 SHIJING YAO : 당신이 생각하기에 앞서 어떤 도구를 사용할지, 당신이 먼저 생각하고있다

사용할 모델에 대해서 그리고 우리는 이것에 대한 연구를했습니다 ResNet 50은 최첨단 기술 중 하나였습니다 모델을 수행합니다 우리는 이것을 기본 아키텍처로 사용했습니다

ALFREDO LUQUE : TensorFlow의 크로스 API를 사용했습니다 분산 GPU 계산 및 서비스 중 일부를 제공합니다 이것은 궁극적으로 파이프 라인으로 이끌었다 수억 명을 돌파 할 수있는 이미지를 매우 빠르게 ANDREW HOH : 그래서 최종 목표는 기본적으로 이러한 이미지 분류를 사용하여 사진의 첫 번째, 초기 세트 그들이 보는 차고의 그림 만이 아니다

욕실 하지만 그것은 거실의 거실 일 수도 있고, 그리고 침실과 수영장 미래의 응용 프로그램은 다른 객체를 감지 할 수 있습니다 가정에서 사용자가 웹 사이트에서 검색하기로 결정한 경우 특정 어메니티 유형의 경우, 우리는 실제로 그것을 버블 링 할 수 있습니다

표면에 SHIJING YAO : 에어 비앤비가 오늘 어떻게 운영되는지 알고 싶다면, 이유는 기계 때문이었습니다 기계 학습이 거의 모든 곳에서 이루어지기 때문에 학습 회사에서 검색 순위, 가격, 예측 예약 알프레도 루크 : 우리는 수백 가지 모델을 보냈습니다 그래서 계속 성장할 것으로 기대됩니다

ANDREW HOH : 그리고 많은 새로운 프레임 워크가 나오고 있습니다 우리는 더 나은 경험을 할 수있다 우리 손님들과 더 나은 사업 결정을 위해서 [음악 재생]