Аналитика и Data Science Нетология

Data Science-дайджест №8: главные статьи месяца

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

Что это. Библиотека для изучения вложений слов и текстовой классификации.

Кто создал. Facebook Research.

Face Recognition

Data Science-дайджест №8: главные статьи месяца

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

Что это. Передача стиля с TensorFlow.

Кто создал. Логан Энгсторм, аспирант Массачусетского технологического института.

Facets

Data Science-дайджест №8: главные статьи месяца

Что это. Визуализации для датасетов машинного обучения.

Кто создал. Google Brain.

Style2Paints

Data Science-дайджест №8: главные статьи месяца

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

Даже самым дешевым проектором и смартфоном можно измерить глубину статических сцен:

Data Science-дайджест №8: главные статьи месяца

В 2010 году Microsoft выпустили бюджетный (150$) сенсор глубины MS Kinect, что привело к революции и инвестициям.

Data Science-дайджест №8: главные статьи месяца

Kinect работает так: инфракрасный проектор дает псевдослучайный набор точек:

Data Science-дайджест №8: главные статьи месяца

Другим массовым продуктом со встроенной камерой глубины структурированного света был iPhone X:

Data Science-дайджест №8: главные статьи месяца

В компании Texel создали платформу с четырьмя камерами Kinect и программным обеспечением, которая дает интересный результат:

Data Science-дайджест №8: главные статьи месяца

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

Такие камеры получили развитие с производством промышленных роботов. Еще их используют для домашних продуктов, например, охранных камер.

Data Science-дайджест №8: главные статьи месяца

Способ 3. Depth from Stereo камеры

Главное достоинство таких камер — их можно использовать на улице. Солнечный свет не портит снимки, а делает результат лучше.

Пример уличного использования

Тема автономных автомобилей привела инвестиции в построение глубины из стерео:

Data Science-дайджест №8: главные статьи месяца

Data Science-дайджест №8: главные статьи месяца

редакция блога нетологии

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

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

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

курс

SQL и получение данных

Узнать больше

  • 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

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

Хэмм поставил камеру Amazon DeepLens над входом для обнаружения кота:

Data Science-дайджест №8: главные статьи месяца

За несколько месяцев сделал 23 000 снимков котика и разделил их на три модели для машинного обучения:

Data Science-дайджест №8: главные статьи месяца

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.

Data Science-дайджест №8: главные статьи месяца