Est-ce le futur encore? L'apprentissage par machine utilise le monde réel | shoppingmaroc.net


À présent, nous savons tous que l'apprentissage automatique modifie notre quotidien. Les recommandations de vente au détail, les logiciels de reconnaissance vocale et les résultats des moteurs de recherche ne sont que quelques exemples d'utilisation quotidienne de l'apprentissage automatique.

Bien que ce soient des cas d'utilisation qui changent la vie, utilisé? Il est temps d'approfondir certaines des innovations les plus créatives et les plus éclectiques du monde réel.

Apprenez à marcher

DeepMind a exploré la locomotion et a créé un bonhomme qui a appris à marcher et à courir et passer à travers l’apprentissage automatique complexe. Des créations humanoïdes, parallèlement à des modèles ressemblant à des insectes, ont appris les mouvements délicats pour escalader les escaliers et manœuvrer sur des terrains accidentés.

Bien que les résultats puissent parfois sembler absurdes, ils montrent que

Sur leur blog, DeepMind déclare: «Le contrôle flexible et adaptatif des corps simulés est un élément clé de la recherche en IA. Notre travail vise à développer des systèmes flexibles qui apprennent et adaptent les compétences pour résoudre les tâches de contrôle moteur tout en réduisant l'ingénierie manuelle nécessaire pour atteindre cet objectif. Les travaux futurs pourraient étendre ces approches pour permettre la coordination d'un plus grand éventail de comportements dans des situations plus complexes. "

Prédire la qualité du vin

Accablé par les choix de vin? Laissez un robot décider. Le tutoriel de FreeCodeCamp sur l'apprentissage automatique a tout ce qu'il faut pour enseigner une machine au vin. (Bonus: le tutoriel enseigne aux côtés des mèmes de Game of Throne. Bientôt, vous aussi, vous boirez et vous saurez des choses.) Le tutoriel est une procédure pas à pas que même les débutants peuvent suivre pour créer leur propre modèle de prédiction. code source ici et commencez à planifier votre carte des vins inspirée de ML.

Finding Waldo

Depuis 1987, les enfants recherchent Waldo (ou Wally comme il est connu au Royaume-Uni) dans les livres d'images populaires Where's Waldo ? . Le pull rayé rouge et blanc est emblématique et accrocheur, même pour un robot. Redpepper a développé un robot utilisant le service AutoML Vision de Google pour rechercher et repérer Waldo en quelques secondes.

Des images de Waldo ont été introduites dans la machine pour apprendre ses paramètres et le reconnaître dans une foule. Le robot effectue ensuite une recherche sur les visages en les comparant aux images envoyées via Google Auto ML Vision, à la recherche d’un indice de confiance supérieur à 95%. Une fois trouvé, il abaisse un doigt sur la page, contrôlé par un périphérique Raspberry Pi utilisant la bibliothèque PYARM et bingo- il y a Waldo.

VOIR AUSSI: L'état de l'apprentissage automatique en 2018

Traduction image en image

Vous voulez transformer la vague de chaleur estivale en une scène d'hiver effrayante? Que diriez-vous de transformer un cheval en zèbre, en un chat en chien, en une photo dans un classique Monet? Facile. Une équipe de UC Berkeley a utilisé PyTorch pour développer un logiciel qui utilise l'apprentissage automatique pour transformer des objets similaires en un autre.

Le résumé du projet indique: «Nous présentons une approche pour apprendre à traduire une image d'un domaine source X en cible domaine Y en l'absence d'exemples appariés. Notre objectif est d'apprendre une correspondance G: X → Y telle que la distribution des images de G (X) soit indiscernable de la distribution Y en utilisant une perte contradictoire. Comme ce mappage est fortement sous-contraint, nous le couplons avec une cartographie inverse F: Y → X et introduisons une perte de cohérence du cycle pour pousser F (G (X)) ≈ X (et vice versa). "

]

Les options sont illimitées, créant même des cas de défaillance hilarants tels que Zebra Poutine. Voyez ce que vous pouvez faire avec le code sur GitHub.

Cacher à votre patron

Tous les cas d'utilisation de machine learning ne sont pas licites. Hiroki Nakayama a créé BossSensor pour faciliter le relâchement au travail.

La stratégie est la suivante: "Tout d'abord, laissez l'ordinateur apprendre le visage du boss avec un apprentissage en profondeur. Ensuite, installez une caméra Web sur mon bureau et changez d’écran lorsque la caméra Web capte son visage. «L’apprentissage automatique a permis de reconnaître le visage du patron en collectant suffisamment d’images à travers la vidéo afin de les reconnaître. (Plus la quantité d'images est grande, plus le capteur sera sûr de le détecter). Ensuite, un modèle d'apprentissage automatique a été construit. Afin de tromper le patron, l'écran bascule vers un éditeur de texte de programmation lorsqu'il s'approche de l'écran de Nakayama.

Continuez, essayez-le et consultez le dépôt. Tout ce dont vous avez besoin est une webcam, Python3.5, OSX, Anaconda, et beaucoup de photos de votre patron. Zack Nado a créé un programme d'apprentissage automatique qui génère des images du chat de bande dessinée populaire Pusheen.

Nado a utilisé un Generative Adversarial Network (GAN) pour générer de nouvelles images similaires à celles du système. Il explique sur son blog comment le GAN fonctionne comme deux programmes internes:

  • "le discriminateur apprend les failles dans les images créées par le générateur afin de pouvoir capturer des images réelles des faux
  • le générateur apprend à générer des images similaires aux vraies afin que le discriminateur ne puisse pas faire la différence "

Les résultats sont aussi adorables qu'impressionnants. Vous pouvez générer vos propres chats et jouer avec les numéros GAN pour faire de votre rêve Pusheens.

 Apprentissage automatique

(J'aime beaucoup la création à deux têtes dans la rangée supérieure.) [19659030] VOIR AUSSI: Pourquoi de nombreux outils d 'apprentissage automatique sont – ils ouverts? ML pour les batteurs est une application qui prend un échantillon audio et détermine s'il s'agit d'une grosse caisse, d'une caisse claire ou d'un autre échantillon de batterie. Il possède actuellement une précision de 87%.

La formation des ordinateurs à la classification des sons pose problème depuis un certain temps. Sobot écrit que bien que le cerveau humain soit bon pour classer l'audio du tambour, l'IA nécessite un entraînement intensif. Il a créé un arbre de décision complexe à travers lequel un échantillon est analysé, déterminant les niveaux et la fréquence de sonie de l'échantillon.

 Apprentissage automatique

Source: Peter Sobot

Récupérer le code sur GitHub!

même l'apiculture peut tirer profit de l'apprentissage automatique. Mat Kelcey a trouvé un moyen de compter les abeilles qui entraient et sortaient dans sa ruche en utilisant un Raspberry Pi et un panneau solaire. Il a suivi les données de chaque abeille et a vu à quelle heure ils étaient les plus actifs et quand ils rentraient tous chez eux.

Quelle est la prochaine étape pour cette technologie à la mode? Kelcey prévoit de suivre les abeilles sur plusieurs images avec plusieurs caméras et de porter son projet sur la caméra embarquée de je vois (avec une capacité de 120 images par seconde).

Tout le code est disponible sur GitHub, au cas où

Avoir une conversation téléphonique

Let's face it – personne n'aime avoir à faire des appels téléphoniques. Pour de nombreuses personnes handicapées, cela peut même être impossible. L'apprentissage automatique est en train de changer le jeu pour cette tâche réelle.

Google Duplex est un système d'IA qui permet de faire des appels téléphoniques et des sons aussi naturels qu'une voix humaine. Il peut vous aider à planifier des rendez-vous, comme une coupe de cheveux ou une couleur, ou à réserver une table dans un restaurant.

Google Duplex crée une conversation au son naturel, difficilement reconnaissable comme une voix IA. Il insère des battements de silence, crée des déclarations complexes, ajoute des sons de remplissage tels que «umm» et «hmm», et sonne de manière naturelle. Il a appris à gérer les interruptions et à élaborer des réponses aux demandes de précisions. Ne nous croyez pas sur parole, écoutez les échantillons sur le blog et saluez l'avenir de l'IA.

Connaissez-vous d'autres joyaux du monde de l'apprentissage automatique? ? Nous aimerions entendre parler de vos favoris!


raspberry pi 3 maroc
Acheter raspberry pi 3 ICI

Source

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *