Моделирование цифровых двойников

Интересная статья о суррогатных моделях

Состязательное машинное обучение

Атаки на системы машинного обучения и борьба с ними.

О сетевой пространственной близости

Новая архитектура для сервисов, использующих информацию о местоположении - итоговая работа

Интерпретация и объяснения в машинном обучении

Understanding Machine Learning Interpretability

vs. Top 5 techniques for Explainable AI

Еще о EDA

Exploratory Sensor Data Analysis in Python

См. также другие публикации, посвященные EDA

Как оценить объяснения

Метрики для оценки объяснений в системах машинного обучения

ML инструменты

рекомендации по хранилищам

AI в роли пилота

Еще о военных применениях ИИ - The Rise of A.I. Fighter Pilots

Сдвиг распределения

Исследовательская группа в Бостоне, занимающаяся задачами distribution shift

Глубинное обучение в кибербезопасности

A Survey of Deep Learning Methods for Cyber Security

Открытая наука, том 10, номер 1

Очередной номер журнала INJOIT появился на сайте Киберленинка. В этом номере опубликована, в частности, очередная статья из нашего нового цикла работ, посвященного устойчивому машинному обучению.

Это том 10, номер 1 за 2022 год. По данным elibrary.ru, журнал INJOIT занимает второе место в разделе Кибернетика и второе в разделе Автоматика и вычислительная техника

/via Лаборатория ОИТ

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

Задача коммивояжера

Новый алгоритм обхода графов

Байесовские модели и Python

Книга в открытом доступе: Байесовские модели и Python

См. также другие публикации по теме Байес

Байес и анализ трафика

Анализ веб-трафика и байесовский вывод

AI Red Team

Добрые хакеры для AI проектов и инфраструктуры

Про интервью

Фантастистеский ресурс - книга в 400 страниц, рассматривающая вопросы на рабочих интервью по deep learning

См. также другие публикации, посвященные рабочим интервью

ML в реальном времени

Машинное обучение в реальном времени

См. также другие ссылки, посвященные обработке данных в реальном времени

Измерение неопределенности

Что можно извлечь из неразмеченных данных?

Предсказательные модели в медицине

Как должны выглядеть предсказательные модели в медицине

Машинное обучение - боевые применения

Настоящая статья посвящена прикладным аспектам применения систем машинного обучения. Очевидно, что области практического применения такого рода решений постоянно увеличиваются. Основным двигателем здесь является то, что с практической точки зрения машинное обучение рассматривается как синоним для понятия искусственный интеллект, внедрению которого в развитых странах посвящены специальные программы. Естественно, что среди таких внедрений рассматриваются и военные применения. Причем здесь можно отметить интересную особенность. Если раньше, военные области служили толчком для развития техники, заказывался поиск решений для военной техники и т.д., то в данном случае все, скорее, движется в обратном направлении. Сначала появляются новые решения (разработки), использующие машинное (глубинное) обучение, а затем их начинают использовать, в том числе, и в военных системах. В статье приводится обзор опубликованных военных программ использования искусственного интеллекта в военной сфере, который составлен с целью представить именно технологии и решения в области машинного обучения, которые применяются (используются) для военных систем.

Отсюда

См. также другие публикации по теме военных применений машинного обучения

Фильтр Калмана

Хорошая иллюстрация работы фильтра Калмана

См. также эту публикацию