Machine Learning

 

кому учить? кого учить?

 

  1. Создать документ Фамилия-NG

  2. Познакомиться с материалами на странице (переходя по ссылкам!)

  1. Повторить материал Искусственные нейронные сети и Машинное обучение

  2. Познакомиться с игрой Quick, Draw!

    • предназначена для обучения нейронной сети распознавать объекты на простых рисунках

    • задача игрока-пользователя: нарисовать шесть простых объектов. На каждый из них отводится по 20 секунд, за которые нейросеть пытается угадать, что рисует человек.

    • После каждой игры скетчи пользователей добавляются в базу данных нейросети.

    • Пользователю показывают, как то же самое рисовали другие люди и объясняют, почему сеть не смогла распознать его рисунок.

  3. Сыграть в Quick, Draw!, сохранить подписанные Фамилией скетчи в Фамилия-NG

  4. Посмотреть (или почитать) Доклад Романа Власова (Яндекс) Классификация рукописных рисунков, команда которого заняла 4 место в конкурсе Google по созданию классификатора изображений из Quick, Draw!

  5. Попробовать AutoDraw (ИИ превращает небрежные наброски в хорошо отрисованные изображения. Больше деталей — лучше результат! Аставить в документ  Фамилия-G подтверждающий скрин (подписанный Вашей Фамилией) и  и свою оценку.

  6. Познакомиться и сыграть с Handwriting with a Neural Net. Пробуем писать в том числе свою фамилию. Скрины сохраняем в Фамилия-NG

  7. Попробовать нейросетевое моделирование музыки в дуете. Описать свои впечатления в Фамилия-NG

  8. Попробовать  Thing Translator. Скрин с результатом распознавания и свою вставить в  Фамилия-NG.
     В случае, если видеокамера на компьютере недоступна: познакомиться с другими нейросетевыми экспериментальными инструментами на ресурсе. Выбрать один из неиспользованных инструментов, поработать с ним, вставить в документ  Фамилия-G подтверждающий скрин (подписанный Вашей Фамилией).

  9. Задать свой вопрос на английском языке Talk to Books (отвечает на любые вопросы цитатами из 100 000 книг). Вставить в документ  Фамилия-G подтверждающий скрин (подписанный Вашей Фамилией)  и свою оценку (по русски!)

  10. Попробовать Cyborg Writer (дописывает слова и предложения на английском в стиле известных писателей. ИИ на движке TensorFire. Вставить в документ  Фамилия-G подтверждающий скрин (подписанный Вашей Фамилией) и свою оценку (по русски!)

  11. Попробовать сыграть в Semantris (нужно подсказывать ИИ слова (на английском), записывая примерное определение или ассоциацию и выбивая блоки разных цветов. Для любого из режимов (аркада и блоки) вставить в документ  Фамилия-G подтверждающий скрин (подписанный Вашей Фамилией).

  12. Поэкспериментировать с нейросетевыми сервисами Microsoft:

  • CaptionBot (автоматически генерирует релевантные подписи (вербальные модели) к фото (все снимки которые вы загрузите будут сохранены для дальнейшего обучения системы!).

  • How-Old.net (угадывает возраст человека по фото)

вставить в  Фамилия-NG подтвержадющие скрины с Вашими оценками успешности работы нейросетей (0-100 баллов)

  1. Попробовать работу с нейросетью Yseop (автогенерация новостей, отчетов, писем). Настройками данных (в боковой панели) отредактировать финансовую статью (обновляется автоматически после настроек) о «showed a substantial expansion (динамичном росте) превратить в текст о «резком падении». Подтверждающий и подписанный Фамилией скрин в Фамилия-G

  2. Познакомиться с сайтом https://openai.com, прочесть материал и кратко (в 5 тезисах) изложить его суть в  Фамилия-G

  3. Познакомиться с материалом. Смоделировать (с помощью состязательной реккурентной нейросети) двух попутчика себе для путешествия. Его фото, цель, маршрут и задачи путешествия вставить в Фамилия-G  На This Cat Does Not Exist  моделируемые фото несуществующих кошек. Оценить в Фамилия-G  успешность переноса на другие образы по 100-бальной системе.

  4. Познакомиться с тем как та же технология и сеть превращает простейшие наброски в красивые пейзажи (кратко + технология). Подумать, велика ли разница между превращениями набросков текста в изящные литературные произведения (в любом стиле и на любом языке ;)

  5. Познакомимся с Али Фахади, его публикацими и проектами.

  6. Принять предложение Али Фахади (ведущий разработчик проекта) с коллегами из Института искусственного интеллекта Аллена (Ai2) сыграть для обучения ИИ в Iconary:

    • Смысл Iconary: получить детальное понимание художественного контекста, которое даст ИИ понимание "общих смыслов".

    • Iconary гораздо полезнее для совершенствования искусственного интеллекта, чем го или шахматы, так как для них требуется более развитый интеллект.

    • Iconary можно использовать как новый вид теста Тьюринга: участники могут попытаться угадать, кто их товарищ по команде — человек или машина.

    • Людям-игрокам дается описание предмета или действия (75 000 фраз и словарь на 20 000 слов), которое нужно нарисовать покомпонентно и смоделировать (сконсткуировать, собрать) фразу из эмодзи в выпадающем меню.

    • Например:  «человек рубит дрова» - следует не рисовать фигурку, держащую топор, втиснутый в бревно, а изображать по частям: фигурку человека, изображение топора и дров по отдельности, после чего воспользоваться меню из  1200 иконок.

    • Затем алгоритм анализирует рисунок, пытаясь эту фразу угадать.

    • В игре два режима — легкий и сложный.

    • Формируется рейтинг лидеров, чтобы пробудить дух соперничества среди игроков:)

      •

    1. Познакомиться с проектом (обучающими материалами (включая видеоролики), командой разработчиков...

    2. Сыграть и игру Iconary (попробовав оба режима) и в Фамилия-NG описать свой опыт как краткий сторителлинг (текст + подписанные фамилией скрины).

    3. Сохранить Фамилия-NG в формате PDF и отослать преподавателю письмо с отзывом о работе.

 

 

kmp