مجموعة مختارة من المقالات حول التعلم الآلي: دراسات الحالة والأدلة والبحوث لشهر أبريل 2020

ما زلنا نختار المنشورات التي تساعد على خفض عتبة دخول المجال ML. كما كان من قبل ، فإنه يجمع في المقام الأول أدوات مفتوحة المصدر ، ونماذج مدربة مسبقًا ، وواجهة برمجة تطبيقات عالية المستوى.

Blender

Facebook AI قدم أكبر خلاط شات بوت مفتوح المصدر . يعتمد على نموذج يحتوي على 9.4 مليار معلمة ، مما يجعله أكبر نظام موجود. هذا هو أول برنامج دردشة مفتوح النطاق يجمع بين مجموعة متنوعة من مهارات المحادثة في نظام واحد: فهو قادر على التعبير عن التعاطف وإظهار الفردية. وفقًا لمؤلفي الدراسة ، فإن Blender أفضل من جميع النواحي من Meena ، التي أعلنت عنها Google في وقت سابق من هذا العام ، لكنها لم يتم إثباتها.

حصيرة الخلفية

غالبًا ما يُستخدم التعلم الآلي لإزالة الخلفية من الصور. إذا كانت النتائج مع الصور الثابتة جيدة جدًا لفترة طويلة ، وهناك حتى خدمات كاملة مثل remove.bg ، الآن يمكن تحقيق ذلك أيضًا للفيديو - لم تعد هناك حاجة إلى chromakey! ظهرت أداة مجانية تقوم بعمل ممتاز لإزالة الخلفية من الفيديو. للحصول على النتيجة المرجوة ، تحتاج إلى التقاط صورة خلفية بدون شخص ، ثم تقوم خوارزميات التعلم الآلي بسحرها. النتائج مذهلة ، في المنشور يمكنك رؤية المعايير.



دي انسداد

خوارزميات تعلم الآلة الحالية قادرة على تحليل فقط الأجزاء الظاهرة من الكائنات. هذا يؤدي إلى تفسير غير كامل للمشهد.
الآن ظهر إطار عمل المصدر المفتوح، وهو قادر على تكملة أجزاء مخفية من عرض الكائنات في الصورة. تعتمد الأداة على نموذج تم تدريبه دون مشاركة المعلم.



يعد TensorFlow Profiler

Performance عاملاً رئيسيًا في أبحاث التعلم الآلي. كلما تم تدريب النموذج بشكل أسرع ، كلما أمكن إجراء المزيد من التكرارات ، مما يقلل من النفقات العامة. هذا مهم جدا في التنمية الصناعية. ومع ذلك ، ليس من الواضح دائمًا ما يجب تحسينه ، ويستغرق البحث عن رقاب ضيقة بعض الوقت. الآن بالنسبة لـ TensorFlow ، هناك مجموعة من الأدوات المصممة لحل هذه المشكلة.

ضوضاء كمية

أصبحت نماذج التعلم الآلي الحديثة أكثر ضخامة وتحتوي على ملايين المعلمات. ومع ذلك ، هناك حاجة ملحة لتشغيل هذه النماذج على الأجهزة الضعيفة. في محاولة لحل هذا التناقض ، ظهرت أداة مفتوحة المصدر توفر أقصى ضغط للنماذج بدون أي خسارة في الأداء. في المستقبل ، سيسمح لك هذا بتشغيل التطبيقات محليًا على الأجهزة المحمولة وشرائح إنترنت الأشياء.

TensorFlow Lite

ومع ذلك ، هناك بالفعل العديد من النماذج التي تم تحسينها للأجهزة الضعيفة. يوضح هذا المنشور كيفية استخدام TensorFlow Lite لتجميع منتج كامل دون خبرة في التعلم الآلي. يتم تجديد عدد نماذج ما قبل التمرين في المستودع باستمرار ، لذلك لا يوجد شيء يمنعك من إنشاء تطبيقات محمولة الآن ، وفي قلبها ستكون هناك نماذج للتعلم الآلي.

نقل النمط هل

تتذكر تطبيق Prisma ، الذي نقل النمط الفني إلى صور المستخدمين باستخدام شبكة عصبية؟ لن تفاجئ أي شخص الآن ، ولكن الآن يمكنك تجميع المنشور الخاص بك لنظامي التشغيل Android و iOS. يصف المنشور كيف تم تحسين هذه التقنية من أجل دعم TensorFlow lite بواسطة الأجهزة المحمولة غير القوية. بالمناسبة ، في أبريل ، ظهرت نفس الميزة في تطبيق Google Arts & Culture.



المكافأة:

نشرت جامعة ستانفورد دورة محاضرات مفتوحة في عام 2018 ، والتي يمكن مشاهدتها الآن على Youtube .

بدلاً من الاستنتاج:

استنادًا إلى المكتبات من اختيار مارس ، قمنا بتجميع مشروع صغير يتيح لك التحكم في واجهة الويب باستخدام كاميرا ويب عادية ، وتحدثنا عنها بالتفصيلعلى حبري. ربما ستلهم الأدوات في هذه المجموعة أيضًا بعض القراء لإيجاد حل لبعض المشاكل الفعلية. سيكون من الرائع أن تقرأ عن هذا. في غضون ذلك ، هذا كل شيء ، شكرا لكم على اهتمامكم!