какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще?
машинное обучение -- кажется, что там не такой уж высокий порог входа. или я ошибаюсь?
Здравствуйте, sin_cos, Вы писали:
_>какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще? _>машинное обучение -- кажется, что там не такой уж высокий порог входа. или я ошибаюсь?
Я думаю ты правильно написал. Мой список: безопасность, все виды AI и распределенные/параллельные вычисления.
Здравствуйте, sin_cos, Вы писали:
_>какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще?
Финансы и всё что там будет использоваться.
Здравствуйте, sin_cos, Вы писали:
_>машинное обучение -- кажется, что там не такой уж высокий порог входа. или я ошибаюсь?
И да, и нет. Сейчас можно взять мощный framework от гигантов отрасли, готовую архитектуру нейросети и в 20 строк на Питоне решить задачу, о которой раньше и не думали. В этом смысле порог входа снизился: машинное обучение массово идёт решать задачи, о которых раньше и не думали или решение которой требовало сложных математических моделей. Сейчас смартфон по фотографии скажет сколько стоит этот же товар в других магазинах. Распознает производителя платья. Найдёт человека вконтакте по фото из метро. Это сейчас могут сделать даже студенты в качестве курсовой/диплома. И это круто!
Но также появляются новые задачи, которые пока таким способом не решаются. Или требуют слишком больших ресурсов, а надо впихнуть в мобильное железо. И тут приходят на помощь умные бородатые дядьки, многие с диссертациями и начинают толпой месяцами биться над задачей.
Здравствуйте, sin_cos, Вы писали:
_>какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще?
Промышленная автоматизация. Порог входа очень высокий.
Только денег там нет
Здравствуйте, landerhigh, Вы писали:
L>Здравствуйте, sin_cos, Вы писали:
_>>какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще?
L>Промышленная автоматизация. Порог входа очень высокий. L>Только денег там нет
в системах управления летательных апаратов и ПЛ деньги теперь есть
Здравствуйте, sin_cos, Вы писали:
_>какие специализации с высоким порогом входа по вашему мнению будут или уже востребованы? разумеется, где деньги есть. безопасность и квантовые вычисления? что еще?
Ты спрашиваешь про рынок вообще или про отдельные вакансии?
Если заниматься анализом безопасности программ, то там можно много денег зарабатывать. А можно и не зарабатывать, потому что вакансий по теме оооооочень мало.
Если есть очень денежный рынок в целом, то порог входа туда неизбежно падает.
_>машинное обучение -- кажется, что там не такой уж высокий порог входа. или я ошибаюсь?
В ml порог входа низкий, но получить пользу на "входном уровне" почти нереально.
Здравствуйте, senglory, Вы писали:
N>>Но также появляются новые задачи, которые пока таким способом не решаются. S>Например?
Насколько я понимаю, у нейросетей пока проблемы с эмуляцией памяти. Например, автоматический перевод, когда сети посимвольно скармливается текст. Раньше такой проблемы вообще не было.
Здравствуйте, Nuzhny, Вы писали: N>Насколько я понимаю, у нейросетей пока проблемы с эмуляцией памяти. Например, автоматический перевод, когда сети посимвольно скармливается текст. Раньше такой проблемы вообще не было.
у всего машинелернинга основная проблема — дороговизна вычислительный мощей если ставить в продакшен
несколько лет смотрел выступление товарища из Яндекса, который говорил что хранение 1 доп. байта на сайт обходится компании в 10 тыщ баксов. не помню уже толи вообще, толи в месяц. тут примерно та же система, только хранить нужно уже совсем не 1 байт, и ставить в продакшен хотя бы сотни совсем не слабых компов. короче, тут легко только на "эксперименты" профукать миллионы долларов. а если еще добавить сюда тормознутость всяких этих фреймворков "с низким порогов вхождения", то это только увеличивает цифру подобных расходов в разы
Здравствуйте, senglory, Вы писали:
N>>Но также появляются новые задачи, которые пока таким способом не решаются. S>Например?
Например, данных очень мало (не по объему, а по сути) и стандартные методы дают результат бинарного классификатора не сильно лучше чем рандомное бросание монетки.
Или более изощренный пример — нужен классификатор, а размеченных для обучения данных нет и нет возможности их получить. Зато есть данные от похожей задачи но напрямую применить не получается. Задача — скрести ежа с ужом. Т.е. перетренеруй работающий классификатор под другую задачу.
Здравствуйте, senglory, Вы писали:
S>>в системах управления летательных апаратов и ПЛ деньги теперь есть
S>Нах они нужны, если сидеть будешь 10 лет, а то и пожизненно крепостным холопом его величества?
а не пох где сидеть ?
я пару недель назад встречался с другом, он живет не в мск и спб и уровень жизни у него выше чем у многих европейцев/американцев например
Здравствуйте, Nuzhny, Вы писали:
N>Здравствуйте, sin_cos, Вы писали:
_>>машинное обучение -- кажется, что там не такой уж высокий порог входа. или я ошибаюсь?
N>И да, и нет. Сейчас можно взять мощный framework от гигантов отрасли, готовую архитектуру нейросети и в 20 строк на Питоне решить задачу, о которой раньше и не думали. В этом смысле порог входа снизился: машинное обучение массово идёт решать задачи, о которых раньше и не думали или решение которой требовало сложных математических моделей. Сейчас смартфон по фотографии скажет сколько стоит этот же товар в других магазинах. Распознает производителя платья. Найдёт человека вконтакте по фото из метро. Это сейчас могут сделать даже студенты в качестве курсовой/диплома. И это круто!
Это не сматрфон делает, а бекэнд. Смартфон фоточку только отправляет и результат получает.
На данный момент только 60% всех фильтров в Prisma могут работать в автономном режиме, но разработчики обещают, что до конца месяца все стили будут доступны для использования без подключения к Интернету. Так как теперь обработка выполняется непосредственно на самом устройстве, то скорость этого процесса напрямую зависит от мощности центрального процессора. По словам соучредителя Prisma Арама Айрапетяна, обработка снимка на Galaxy S7 происходит примерно за 2 секунды, тогда как Xiaomi Redmi Note 3 справляется за 5 секунд.
Здравствуйте, Nuzhny, Вы писали: N>Здравствуйте, Sharov, Вы писали: S>>Это не сматрфон делает, а бекэнд. Смартфон фоточку только отправляет и результат получает. N>Android-версия Prisma заработала в оффлайне: N>
Скрытый текст
N>
N>На данный момент только 60% всех фильтров в Prisma могут работать в автономном режиме, но разработчики обещают, что до конца месяца все стили будут доступны для использования без подключения к Интернету. Так как теперь обработка выполняется непосредственно на самом устройстве, то скорость этого процесса напрямую зависит от мощности центрального процессора. По словам соучредителя Prisma Арама Айрапетяна, обработка снимка на Galaxy S7 происходит примерно за 2 секунды, тогда как Xiaomi Redmi Note 3 справляется за 5 секунд.
Не знал, интересно. Но о нейронке тут речь не идет. Там куча GPU нужно.
Здравствуйте, Sharov, Вы писали: S>Не знал, интересно. Но о нейронке тут речь не идет. Там куча GPU нужно.
Нейронка
Image artistic style transfer, neural doodles and texture synthesis
Дмитрий Ульянов, аспирант Сколтеха
Пятница, 14 октября 2016
В эту пятницу на спецсеминаре выступит аспирант Сколтеха Дмитрий Ульянов. Доклад будет посвящён быстрому переносу стиля с одного изображения на другое (скажем, перерисовать фотографию в стиле картины Ван Гога). Эту задачу впервые предложили решать нейросетями всего год назад (!). Этот процесс занимал десятки минут на самых мощных видеокартах. Полгода назад Дмитрий и другие исследователи нашли способ, как делать то же самое за секунды при помощи feedforward сети. Ещё через несколько месяцев вышло популярнейшее приложение Prisma, которое может сделать стилизацию изображения за пару секунд на мобильном телефоне. В общем, применение глубинного обучения в художественных целях развивается захватывающим дух темпом. Тем интересней послушать доклад от непосредственного участника событий.
Так что можно лично сходить и убедиться.
В любом случае нейронки ускоряют сейчас со всех сторон:
1. Переход от float32 к float16 привёл к практически двукратному ускорению.
2. Ведутся исследования к переходу от float к binary! Т.е. весами будут являться 0 или 1.
3. Есть техника сжатия нейросетей, которая способна уменьшить размер на порядок, а скорость работы увеличить в 3-4 раза: "The total size of AlexNet decreased from 240MB to 6.9MB, which is small enough to be put into on-chip SRAM, eliminating the need to store the model in energy-consuming DRAM memory."
4. Есть ещё dropout.
