Редакция Нетологии выбрала главное из свежих статей о Data Science: как развиваются камеры глубины, какие шаги нужно сделать начинающему дата сайентисту и что сделать, чтобы уберечь дом от не самых приятных подарков домашнего питомца.
30 самых удивительных проектов по машинному обучению, Rusbase
В Mybride проанализировали проекты с открытым исходным кодом и отобрали 30 лучших. Все проекты можно посмотреть в подборке.
FastText
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1813.png)
Что это. Библиотека для изучения вложений слов и текстовой классификации.
Кто создал. Facebook Research.
Face Recognition
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1417.png)
Что это. API для распознавания лиц.
Кто создал. Адам Гейтгей, специалист по машинному обучению.
Fast Style Transfer in TensorFlow
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image577.png)
Что это. Передача стиля с TensorFlow.
Кто создал. Логан Энгсторм, аспирант Массачусетского технологического института.
Facets
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image616.jpg)
Что это. Визуализации для датасетов машинного обучения.
Кто создал. Google Brain.
Style2Paints
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1615.png)
Что это. ИИ-раскраска изображений.
Кто создал. Style2paints.
Камеры глубины — тихая революция (когда роботы будут видеть) Часть 1, habr
В блоге 3Dvideo на Хабре опубликовали две статьи, в которых рассказали о камерах глубины, позволяющих роботам видеть лучше.
В последнее время производство камер глубины переживает революцию.
Развиваются направления:
- Structured Light камеры — у которых есть проектор и камера.
- Time of Flight камеры — основаны на измерении задержки отраженного света.
- Depth from Stereo камеры — построение глубины из стерео.
- Light Field Camera — камеры светового поля.
- Solid State Lidars — камеры, основанные на Lidar-технология: работают в несколько раз дольше и выдают прямоугольную картинку.
Способ 1. Structured Light камеры
Структурированный свет — простой и дешевый способ измерения глубины.
Идея проста: ставят проектор, который создает горизонтальные и вертикальные полосы, и камеру, снимающую картину с полосками:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image857.png)
Даже самым дешевым проектором и смартфоном можно измерить глубину статических сцен:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1133.png)
В 2010 году Microsoft выпустили бюджетный (150$) сенсор глубины MS Kinect, что привело к революции и инвестициям.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image946.png)
Kinect работает так: инфракрасный проектор дает псевдослучайный набор точек:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image213.png)
Другим массовым продуктом со встроенной камерой глубины структурированного света был iPhone X:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image206.png)
В компании Texel создали платформу с четырьмя камерами Kinect и программным обеспечением, которая дает интересный результат:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image4-min.gif)
Способ 2. Time of Flight камеры
Этот способ измерения глубины сложнее — он основан на измерении round-trip задержки света. Картинка получается достаточно низкого разрешения, но с высокой кадровой частотой.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image102.gif)
Такие камеры получили развитие с производством промышленных роботов. Еще их используют для домашних продуктов, например, охранных камер.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1910.png)
Способ 3. Depth from Stereo камеры
Главное достоинство таких камер — их можно использовать на улице. Солнечный свет не портит снимки, а делает результат лучше.
Тема автономных автомобилей привела инвестиции в построение глубины из стерео:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1323.png)
Камеры глубины — тихая революция (когда роботы будут видеть) Часть 2, habr
Способ 4. Light Field камеры глубины
Главная идея таких камер — зафиксировать в каждой точке двумерный массив световых лучей, сделав каждый кадр четырехмерным. Это дает много возможностей, но снижает разрешение снимка.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image13.gif)
Способ 5. Камеры на lidar технологиях
Лазерные дальномеры стоят недорого и дают высокую точность, поэтому их стали активно использовать. Лидары хорошо проявили себя в автопилотах машин. Поэтому крупные компании инвестируют в их развитие.
Изначально лидары вращались, давая несколько раз в секунду подобный результат:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1231.png)
Из-за движущихся частей это было неудобно и дорого. Сейчас бум исследований и производства постепенно снижает цену лидаров.
Производители разработали Solid State Lidar, который дешевле, надежнее и дает прямоугольную картинку:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image387.png)
- Научитесь получать данные для анализа без помощи разработчиков
- Овладеете инструментами, которые упростят работу с отчётами
- Найдёте общий язык с разработчиками
Руководство по Data Science для начинающих, Towards Data Science
Автор рассказал, какие шаги должен сделать начинающий специалист, чтобы работать в Data Science.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image158.jpg)
Шаг 0. Что есть что. Искусственный интеллект, машинное обучение, глубокое обучение, наука о данных — не одно и то же. Поймите разницу между ними перед погружением в сферу.
Шаг 1. Статистика, математика, линейная алгебра. Для серьезного понимания работы в Data Science понадобится знание теории вероятности, математический анализ, линейная алгебра и математическая статистика. Математические знания важны для того, чтобы анализировать результаты применения алгоритмов обработки данных.
Шаг 2. Программирование (Python). Знания основ программирования — большое преимущество начинающего дата сайентиста. Начните изучать один язык и сосредоточьтесь на всех нюансах программирования.
Шаг 3. Машинное обучение. Специалист должен разбираться в машинном обучении, так как оно позволяет обучать компьютеры самостоятельным действиям.
Шаг 4. Data Mining (Анализ данных) и визуализация данных. Знания в этих областях сделают специалиста конкурентоспособным.
Шаг 5. Практический опыт. Заниматься только теорией — скучно. Каждому специалисту нужно попробовать свои силы на практике. В этом поможет Kaggle — сайт, где постоянно проводятся соревнования по анализу данных.
Шаг 6. Подтверждение квалификации. Попробуйте свои силы в открытых заданиях и конкурсах, и начинайте искать работу.
- Научитесь работать с большими данными
- Расширьте знания в аналитике
- Перейдите на новый уровень в профессии
Инженер Amazon создал блокирующее устройство с ИИ, которое не пускает в дом кота с уличной добычей», habr
Бен Хэмм, инженер в Amazon, разработал блокиратор, который не дает его коту тащить домой мертвых крыс и птиц.
Котик приносил своему хозяину подарки, даже в самый неподходящий для этого момент. Чтобы избавиться от мертвых животных, Бен решил создать блокиратор, который закрывается, когда котик приносит домой добычу.
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image757.png)
Хэмм поставил камеру Amazon DeepLens над входом для обнаружения кота:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image1716.png)
За несколько месяцев сделал 23 000 снимков котика и разделил их на три модели для машинного обучения:
![Data Science-дайджест №8: главные статьи месяца](https://blog-prod-bucket.website.yandexcloud.net/uploads/2019/07/image2104.png)
Умный блокиратор понимает, когда котик возвращается домой с добычей, и закрывает кошачью дверцу.
Хотите написать колонку для Нетологии? Читайте наши условия публикации. Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к Телеграм-каналу Нетологии.