Tensor flow. Smooth dive

Сентябрь 13, 2022

Главная
Алгебра
Tensor flow. Smooth dive

Содержание

2. Agenda Будет: немного истории ИИ ИИ и облако, что скрывается за магией TensorFlow Кейсы из бизнеса
3. About the speaker: Лозовской Сергей Начальник отдела ИТ рязанского филиала РГС. Опыт в разных областях ИТ
4. Искусственный интеллект Машинное обучение Роботы Творчество Работа с языками Символьное моделирование
6. ИИ во времени. Алан Тьюринг. В 1950 году сформулировал понятие ИИ, имитационную игру и позже тест
7. Задача судьи: определить кто машина Задача машины: запутать судью Задача игрока-человека: не дать запутать судью.
8. ИИ в лицах сегодня. Боится ИИ. Верит в захват мира терминаторами Верит, что в ИИ спасение
9. Знакомьтесь. Первый, кто прошел тест Тьюринга. Всегда 13 лет. Одесса. Очень интересуется миром и пытается его
12. Математическая модель персептрона, предложенная Фрэнком Розенблаттом в конце 1950-х
16. 0 1 w=0,5 w=0,5 w= - 0,5
17. 0 1 w=0,5 w=0,5 w= - 0,5 x = 1*0.5 + 0*0.5 + 0*(-0.5)=0.5
18. 0 1 w=0,5 w=0,5 w= - 0,5 x = 1*0.5 + 0*0.5 + 1*(-0.5)=0
19. 0 1 w=0,5 w=0,5 w= - 0,5 x = 1*0.5 + 1*0.5 + 0*(-0.5)=1
20. 0 1 w=0,25 w=0,25 w=0 w=0.9 w= - 0,4 w=0,5 w=-1 w= 1
21. 0 1 w=0,25 w=0,25 w=0 w=0.9 w= - 0,4 w=0,5 w=-1 w= 1 x1 = 1
22. 0 1 w=0,25 w=0,25 w=0 w=0.9 w= - 0,4 w=0,5 w=-1 w= 1 x1 = 1
23. 0 1 w=0,25 w=0,25 w=0 w=0.9 w= - 0,4 w=0,5 w=-1 w= 1 x2 = 0*
24. 0 1
25. 0 1
28. Human Brain - 10^11 Octopus - 1,5 * 10^8 Frog - 10^7 Cat - 3 *
29. Что же такое обучение? Обучить - найти оптимальные веса, при которых модель правильно делает предсказания. Методы
30. Обучение с учителем: Работа с обучающей выборкой Работа с тестовой выборкой
31. Где взять датасеты? http://visualgenome.org http://peipa.essex.ac.uk/pix/mias/all-mias.tar.gz https://landsat.usgs.gov/landsat-8 http://openbiometrics.org (tool) https://www.nist.gov/itl/iad/image-group/emnist-dataset
32. Облако vs Земля сеть 10^3 нейронов 2 * 10^6 связей (в полносвязных слоях) 55 000 символов
37. Почему GCP? Поставляется много коробочных решений Бесплатное пользование Compute Engine Google сделали кубернетис и TensorFlow
38. Автоматическое нахождение образов Классификация найденных образов TensorFlow. Что умеет? Может обучать генеративно-созидательные сети Может работать не
41. Применение Машинного обучения в продуктовом ритейле
43. Умные магазины уже вчера!
44. Входной порог. Высшая математика. (Pre-intermediate) Теория вероятностей и мат. статистика Программирование (желательно python3) Технический английский
45. Повышаем экспертизу! Coursera. Machine learning and Data Analysis Edx. Data Science with Python ($255) Coursera.Data Engineering
48. Скачать презентацию

Слайд 2

Agenda
Будет:
немного истории ИИ
ИИ и облако, что скрывается за магией TensorFlow
Кейсы из

бизнеса
Как познакомиться с ML
Не будет:
разбор кода
погружение в выш.мат
Вопросы можно задавать по ходу доклада.

Слайд 3

About the speaker:
Лозовской Сергей
Начальник отдела ИТ рязанского филиала РГС.
Опыт в разных

областях ИТ 7 лет
Опыт в системах ИИ 1,5 года.

Слайд 4

Искусственный интеллект
Машинное обучение
Роботы
Творчество
Работа с языками
Символьное моделирование

Слайд 5

Слайд 6

ИИ во времени.
Алан Тьюринг.
В 1950 году сформулировал понятие ИИ, имитационную

игру и позже тест Тьюринга

Виталий Стафеев.
В 60-е работал над проектом машины имитирующей работу мозга животного.

Не работал с ИИ. НО! В начале 2 половины ХХ века сделал ПК персональным и дал возможность каждому купить его.

Слайд 7

Задача судьи: определить кто машина
Задача машины: запутать судью
Задача игрока-человека: не дать

запутать судью.

Слайд 8

ИИ в лицах сегодня.
Боится ИИ. Верит в захват мира терминаторами
Верит, что

в ИИ спасение человечества. Говорит что создал сетку на 7 млрд нейронов

Не верят. Делают.

Слайд 9

Знакомьтесь. Первый, кто прошел тест Тьюринга.
Всегда 13 лет. Одесса. Очень интересуется

миром и
пытается его познать

Слайд 10

Слайд 11

Слайд 12

Математическая модель персептрона, предложенная Фрэнком Розенблаттом в конце 1950-х

Слайд 13

Слайд 14

Слайд 15

Слайд 16

0
1
w=0,5
w=0,5
w= - 0,5

Слайд 17

0
1
w=0,5
w=0,5
w= - 0,5
x = 10.5 + 00.5 + 0*(-0.5)=0.5

Слайд 18

0
1
w=0,5
w=0,5
w= - 0,5
x = 10.5 + 00.5 + 1*(-0.5)=0

Слайд 19

0
1
w=0,5
w=0,5
w= - 0,5
x = 10.5 + 10.5 + 0*(-0.5)=1

Слайд 20

0
1
w=0,25
w=0,25
w=0
w=0.9
w= - 0,4
w=0,5
w=-1
w= 1

Слайд 21

0
1
w=0,25
w=0,25
w=0
w=0.9
w= - 0,4
w=0,5
w=-1
w= 1
x1 = 1 * 0.25 + 0 *0

+ 1*0.25 = 0.5

x2 = 1 * 0.5 + 0 * 0.9 + 1 * (-0.4) = 0.1

x = 1 * (-1) + 0 *1 = -1

Слайд 22

0
1
w=0,25
w=0,25
w=0
w=0.9
w= - 0,4
w=0,5
w=-1
w= 1
x1 = 1 * 0.25 + 1 *0

+ 1*0.25 = 0.5

x2 = 1 * 0.5 + 1 * 0.9 + 1 * (-0.4) = 1

x = 1 * (-1) + 1 * 1 = 0

Слайд 23

0
1
w=0,25
w=0,25
w=0
w=0.9
w= - 0,4
w=0,5
w=-1
w= 1
x2 = 0* 0,5 + 1* 0.9 +

1* (-0.4) = 0.5

x1 = 0 * 0.25 + 1 * 0 + 0 * 0.25 = 0

x = 1 * 1 +0 * (-1) = 1

Слайд 24

0
1

Слайд 25

0
1

Слайд 26

Слайд 27

Слайд 28

Human Brain - 10^11
Octopus - 1,5 * 10^8
Frog - 10^7
Cat

- 3 * 10^6
Bee - 10^6
_______________
2011 - 10^6
2015 - 1.1 * 10^7
2018 - 10^9

что такое обучение

Слайд 29

Что же такое обучение?
Обучить - найти оптимальные веса, при которых
модель правильно

делает предсказания.
Методы обучения:
Без учителя
С учителем
Остальные методы (не отличаются интересом и
простотой реализации)

Слайд 30

Обучение с учителем:
Работа с обучающей выборкой Работа с тестовой выборкой

Слайд 31

Где взять датасеты?
http://visualgenome.org
http://peipa.essex.ac.uk/pix/mias/all-mias.tar.gz
https://landsat.usgs.gov/landsat-8
http://openbiometrics.org (tool)
https://www.nist.gov/itl/iad/image-group/emnist-dataset

Слайд 32

Облако vs Земля
сеть 10^3 нейронов
2 * 10^6 связей (в полносвязных слоях)
55

000 символов в MNIST
6 000 прогонов обучения для 1 символа
Полное обучение = 3 * 10^14 тактов.

Intel Core i9 9980XE 4.5Ггц = 4.5 *10^9 Гц
~160 000 RUB

~3*10^6 секунд=~3* 11,57 суток в одном ядре. =~2 суток на 18 ядрах

Слайд 33

Слайд 34

Слайд 35

Слайд 36

Слайд 37

Почему GCP?
Поставляется много коробочных решений
Бесплатное пользование Compute Engine
Google сделали кубернетис и

TensorFlow

Слайд 38

Автоматическое нахождение образов
Классификация найденных образов
TensorFlow. Что умеет?
Может обучать генеративно-созидательные сети
Может

работать не только с образами, но и другими объектами

Можно запускать как локально, так и в облаке

Слайд 39

Слайд 40

Слайд 41

Применение Машинного обучения в продуктовом ритейле

Слайд 42

Слайд 43

Умные магазины уже вчера!

Слайд 44

Входной порог.
Высшая математика. (Pre-intermediate)
Теория вероятностей и мат. статистика
Программирование (желательно python3)
Технический

английский

Слайд 45

Повышаем экспертизу!
Coursera.
Machine learning and Data Analysis
Edx. Data Science with Python

($255)

Coursera.Data Engineering on Google Cloud Platform

Coursera.
Applied Data Science with Python

Слайд 46