مجموعة مختارة من المقالات حول التعلم الآلي: الحالات والأدلة والدراسات لشهر مارس 2020

يبدو أنه لا يمكن نشر وظيفة واحدة دون ذكر الفيروس التاجي ، ولن تكون هذه المجموعة استثناءً.

منذ نهاية شهر يناير ، كان عدد المستودعات المفتوحة التي تذكر COVID-19 بالمئات . يمكنك العثور على مجموعات البيانات والنماذج والمرئيات فيها.

هناك الكثير من المنشورات حول استخدام خوارزميات التعلم الآلي لمكافحة انتشار COVID-19 ، لكن القليل منها يسمح لك بالتعرف على شفرة المصدر.

لم يتم تضمين هذه المواد في الاختيار ، لأنه هنا ، كما هو الحال في العددين السابقين ، يتم جمع المنشورات المصممة لخفض عتبة دخول المجال ML. يتم إيلاء المزيد من الاهتمام للأدوات التي تجرد سلوك النماذج المعقدة في واجهات برمجة التطبيقات عالية المستوى التي يمكنك البدء في تطبيقها الآن.

التنبؤات الحسابية لهياكل البروتين المرتبطة بـ COVID-19

نشر Google DeepMind نتائج دراسته حول التنبؤ ببنية البروتينات الفيروسية. لهذا ، تم استخدام DNN AlphaFold مفتوح المصدر . قد تكون هذه المعلومات مفيدة في تطوير أدوية جديدة. ومع ذلك ، كما يوضح DeepMind على موقعه على الإنترنت ، لم يتم التحقق من هذه البيانات تجريبيًا ، ولا يمكن للمرء التأكد من دقة الهياكل.

تعلم الآلة لتحديد COVID-19 عن طريق الأشعة السينية للصدر

أحد مبدعي COVID-CXRيخبرنا كيف نبدأ في استخدام التعلم الآلي للتنبؤ بالحالات الشديدة من عدوى فيروس التاجي باستخدام الأشعة السينية للصدر. يوجد في الداخل تعليمات حول كيفية إعداد مجموعة بيانات وتنفيذ المعالجة المسبقة وإجراء تدريب نموذجي. يتم التركيز بشكل كبير على شرح التوقعات التي تقدمها الشبكة العصبية. يتكون الشرح من صورتين مرتبطتين. يتم تمييز المناطق باللون الأخضر أو ​​الأحمر للإشارة إلى ما ساهم في التنبؤ.

5 مجموعات بيانات COVID-19 يمكن استخدامها الآن.

هنا يمكنك العثور على بيانات المرضى ، وبيانات التوزيع الجغرافي ، وحتى مجموعة مختارة من ملايين التغريدات التي تشير إلى الفيروس.

مواد أخرى لا تتعلق بالفيروس التاجي

في الوقت الحقيقي ،

قدم البحث في Google أداتان خفيفتان تعملان بشكل كامل في المتصفح. وبالتالي ، لا تترك البيانات جهاز المستخدم ، مما يضمن أمانه. يستمد

Facemesh الشكل الهندسي التقريبي ثلاثي الأبعاد لسطح الوجه من الصورة أو دفق الفيديو ، مما يعني أنه يمكن أن يعمل مع كاميرا عادية بدون مستشعر عمق ( عرض ). يتعرف

Handpose على اليدين في دفق الفيديو ، واستنادًا إلى واحد وعشرين معلمًا (مفاصل الأصابع والنخيل) ، يحدد موقع أجزاء اليد ( تجريبي ).

سيسمح لنا المزيد من تطوير هذه الأدوات بالتعرف على العواطف والإيماءات ، وربما تغيير الطريقة التي نتفاعل بها مع المحتوى على الإنترنت.

التعرف في الوقت الحقيقي على كائنات الحجم

تركز معظم دراسات التعرف على الكائنات على التنبؤ بكائنات ثنائية الأبعاد ، بينما يفتح التنبؤ ثلاثي الأبعاد مجموعة واسعة من التطبيقات من المركبات غير المأهولة إلى الواقع المعزز.

قدم منشئو إطار عمل المصادر المفتوحة Mediapipe أداة Objectron الجديدة ، التي تحسب مربعات الإحاطة ثلاثية الأبعاد للكائنات في الوقت الفعلي على الأجهزة المحمولة. إذا كنت الآن يمكنك اختبار تطبيقات الهاتف المتحرك على نماذج تدريب للاعتراف الكراسي و الأحذية .

باستخدام BERT في متصفح يستخدم Tensorflow.js

استنادًا إلى نموذج MobileBERT Q&A ، قام مؤلفو المقالة بإنشاء ملحق لـ Chrome، الذي يعمل مثل بحث الصفحة ، مع اختلاف أنه يمكنك طرح سؤال ، وستحاول الإضافة العثور على إجابة عليه.

على سبيل المثال ، في مقال عن سرطان البحر ، طرح المؤلفون سؤالًا: "كيف تتحرك السرطانات" ، وأبرزت الخوارزمية جزءًا من النص "عادة ما تتحرك السرطانات بشكل جانبي". في الصفحة التي تحتوي على وصفة اللازانيا ، سأل المؤلفون عن الوقت الذي يستغرقه الخبز ، والذي تلقوا إجابة عليه: 25 دقيقة.

تم تقديم أمثلة أقل نجاحًا أيضًا ، ولكن إمكانية استخدام هذا النموذج مرئية بالفعل.



هذا كل شيء ، شكرا للمشاهدة!