Акселерометр в телефоне

Контекстно-зависимые приложения с ипользованием данных акселерометра

Анализ матриц корреспонденции

Анализ матриц корреспонденции метро: Evaluation Indexes and Correlation Analysis of Origination–Destination Travel Time of Nanjing Metro Based on Complex Network Method

VR на практике

Интересный обзор - приложения виртуальной реальности в конкретной медицинской области

Агрегатор для Jupyter Notebooks

Elyra - pipeline for Jupyter Notebooks

Расстояние в анализе данных

Измерение расстояний в data science - преимущества, недостатки, подводные камни

Витрина в озере

Архитектуры данных - озеро, хранилище, витрина

Состязательные атаки - демонстрация

Демонстрация работы состязательных атак непосредственно в браузере. Интересно, что все работает исключительно на клиентской стороне, сервера - нет. Отсюда

См. также другие публикации по теме adversarial, посвященные устойчивому машинному обучению

Этюды на Python

Упражнения на Python. Классная идея!

См. также другие публикации, посвященные Python

Чем сердце успокоится

Так долго продолжаться не будет. Деплоймент моделей машииного обучения не может быть столь запутанным.

Вот, что про это думает Google: Five Principles for Machine Learning to Go Mainstream

Все должно превратиться в нормальное программное обеспечение.

И еще о SHAP

SHAP для табличных данных

См. также другие публикации, посвященные SHAP

Графовые сети

Алгоритмы на графовых нейронных сетях

См. также другие публикации, посвященные графовым нейронным сетям

Алгоритмы ML

Сжато - об основных алгоримах машинного обучения

Другие публикации по теме алгоритмы

Интерпретируемые модели

Интерпретируемые модели в машинном обучении - 1

Интерпретируемые модели в машинном обучении - 2

Интерпретируемые модели в машинном обучении - 3

См. также другие публикации, посвященные ответу на вопрос почему для систем машинного обучения

Как машины видят нас

Xinming Huang - домашняя страница профессора WPI с интересными работами по семантической сегментации данных лидаров

Здесь есть пример сегментации и датасет для тестирования

Стандарты для цифровых двойников

Как описывать цифровых двойников

Открытые модели ML

Интересный материал - модели машинного обучения как программное обеспечение с открытым кодом

Поездки на метро

В московском метро существуют предпочтения пассажиров по маршрутам. Для многих станций конечная точка маршрута известна с большой вероятностью. Отсюда

В живом режиме

Interactive Tools for machine learning, deep learning, and math. Можно, например, посмотреть как работает GAN непосредственно в браузере.

См. также другие публикации об интерактивных моделях

Моделирование сдвига данных

Реальные данные для систем машинного обучения часто оказываются отличными от тех, на которых тренировали модель. В работе предлагается способ расширения тренировочного набора данных "сдвинутыми" элементами.

Измерение причины

Causal inference - как это измерить?

См. также другие публикации, посвященные каузальности

Качество систем машинного обучения

Важная тема - как оценивать качество систем машинного обучения? Это имеет прямое отношение к использованию ML в критических приложениях

102-й пример машинного обучения

В дополнение к практическим примерам использования ML - хороший учебный пример, полностью рассматривающий построение модели машинного обучения с использованием PyCaret

Дети цветов

Универсальный патч (цветок), который выглядит естественно, но при этом обманывает _любой_ классификатор изображений на основе глубинного обучения. Это то, чем в итоге заменят камуфляж на военной технике :)

Вот здесь есть видео с процессом.

Что там, на краю?

AI Edge - обзорная статья

Что они собираются делать?

Интересный патент по определению намерений пользователя на основании его сессии (лога событий)

Темная сторона ML

Цена ошибки в модели предсказания для временных рядов. По данным Bloomberg, компания Zillow потеряла 381 миллион долларов после того, как модель данных "вышла из строя".

FSOD

Few Shots Object Detection - распознавание объектов по небольшому числу примеров. Результаты пока не превышают 25%

О мультиколлинеарности

Поиск зависимостей между "независимыми" переменными

Как все это объяснить?

Прододжая тему объяснения результатов машинного обучения и ответов на вопрос "почему": обзор инструментов интерпретации моделей машинного обучения

101 пример - машинное обучение на практике

Классная идея - 101 пример использования машинного обучения на практике. Список подобранных статей по практическим аспектам применения ML

GLOM

Новая архитектура для обработки визуальной информации в нейронных сетях. И это - не трансформеры

NLP конвейер

Готовый NLP pipeline (для английского языка)

Качество данных

Библиотеки Python для проверки качества данных. Важный элемент пайплайна в машинном обучении