За пояснить

Практика использования SHAP для объяснения моделей ML

См. также другие публикации, посвященные SHAP

Убедительность или правдоподобие?

Интересные суждения о сложности моделей. Так ли хорошо, когда много параметров?

AI патенты

Перспектиные направления в AI - что это сейчас и как искать с точки зрения патентных заявок

Куда и откуда ездят?

Интересная техническая статья - исследование городской мобильности от Lyft

Машинное обучение на графах

Коллекция учебников по Graph ML из Стенфорда

Поиск аномалий

Толковое введение в поиск аномалий (для различных данных)

См. также другие материалы по поиску аномалий

Как атаковать систему ML

Еще один хорошо структурированный материал по атакам на системы ML. Автор представляет компанию Adversa

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

Дата-центрический ИИ

Работа с данными (например, с разметкой) улучшает ML системы больше, чем работа с моделями - Data-centric AI

Анализаторы кода

Source Code Security Analyzers. Впечатляющий список. Там же на странице ссылки на Byte Code Scanners и Binary Code Scanners

Безопасные вычисления

Confidential computing - что это такое

Дипфейки

Современное состояние механизмов определения Deepfake

Состязательные атаки

Пример физической атаки - ослепление дронов

Европейский отчет по фальсификации Digital ID

Открытые ресурсы, собранные под эгидой DARPA по борьбе с состязательными атаками. И, собственно, сам проект GARD. В частности, есть учебный курс по состязательным атакам и устойчивости от Google.

Обзор безопасности систем ИИ

Состязательные атаки - введение

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

AI для AI

Deep Learning система для построения Deep Learning систем

авторство: Boris Knyazev

Мониторинг систем машинного обучения

Серия статей по ML мониторингу

См. также другие публикации по мониторингу

Другие рекомендации

Интересная модель для рекомендательных систем - подбор одежды по окружающей среде. Ищутся визуальные дополнения - Complete the Look

Про elibrary

Контент там, ко всему прочему, еще и очень медленно индексируется. Вот последний номер INJOIT

Машинное обучение и управление

Совместное использование DNN и оптимального управления. Интересная идея - глубинное обучение используется для цифровой оценки неопределенности.

Интерпретируемое машинное обучение

Пользователи и разработчики понимают это по-разному

Открытая наука том 10, номер 2

Очередной номер журнала INJOIT появился на сайте Киберленинка.

Это том 10, номер 2 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

О неопределенности в deep learning

Неопределенность можно определить как отсутствие знаний или уверенности в чем-либо. Это неизбежная часть жизни и вездесуща как в естественных, так и в искусственных системах. В контексте глубокого обучения существует два основных типа неопределенностей:

1) Алеаторическая (случайная) неопределенность: это неопределенность из-за случайности данных.
2) Эпистемическая неопределенность: это неопределенность из-за отсутствия знаний об истинных параметрах модели.

Отсюда

Обучение с учителем

Обзор Supervised Machine Learning Algorithms

INJOIT vol. 10, no. 2

Вышел второй номер журнала INJOIT в 2022 году. И десятый год издания журнала.

Темы статей:

• Минимальные расширения цветных звездных графов
• Оценка распространения LTE сигнала на трассе со сложным рельефом и смешанным лесом
• Novel Simple Approach to Digital Signal Processing of Sinusoids with MATLAB Using Discrete Fourier Transform
• Comparison Analysis of Round Robin Algorithm with Highest Response Ratio Next Algorithm for Job Scheduling Problems
• The Analysis of integration of Ethnobotanical Data to Information System
• Bluetooth Mesh в IoT
• Социальные кластеры в городе

Архив журнала находится здесь.

/via Лаборатория ОИТ

Введение в вероятностное программирование

Еще один тольковый учебник по вероятностному программированию с примерами на PyMC3

См. также другие публикации по теме Probabilistic programming

Все найдет и напишет код

Нейросеть-программист от Google - AlphaCode

P.S. и интересное обсуждение на YC

Дискретное вейвлет-преобразование

Учебник по Дискретному вейвлет-преобразованию

См. также следующую публикацию по Wavelet Zoo

Федеративное обучение

Хороший обзор федеративного обучения - подход к машинному обучению, в которой несколько объектов (клиентов) сотрудничают в решении проблемы машинного обучения при координации центрального сервера или поставщика услуг. Необработанные данные каждого клиента хранятся локально, не обмениваются и не передаются; вместо этого для достижения цели обучения используются целенаправленные обновления, предназначенные для немедленной агрегации.

LAR - регрессия

Самая старая и концептуально простая надежная процедура — это LAR-регрессия (наименьшие абсолютные остатки). LAR минимизирует сумму абсолютных остатков — более очевидная и более интуитивная цель, чем метод наименьших кважратов. И применение этого подхода на практике