Ml and its bright future
0 likes73 views
Документ содержит информацию о машинном обучении и его применении через облачные API, такие как Cloud Vision, Cloud Natural Language и Cloud Speech. Приводятся определения, примеры использования и ссылки на дополнительные ресурсы для разработки и обучения моделей. Также рассматриваются аспекты распознавания изображений, текста и речи с помощью готовых решений и библиотек, таких как TensorFlow.
![50
[glacier]
Google Photos](https://image.slidesharecdn.com/mlanditsbrightfuture-180911001524/85/Ml-and-its-bright-future-50-320.jpg)
Ml and its bright future
- 2. Светлое будущее с Machine Learning Сергей Мелехин
- 3. Определение “A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E.” Mitchell, T. (1997). Machine Learning. McGraw Hill. p. 2. ISBN 0-07-042807-7
- 4. Суть
- 5. Суть Y = f(X) hΘ (X) ≈ Y
- 6. Куда бежать? В порядке увеличения трудозатрат (1) Использование готовых сервисов и API (2) Дообучать готовую модель (3) Разрабатывать и обучать собственные модели Более гибко, но больше усилий
- 7. Cloud Machine Learning APIs See, Hear and Understand the world
- 10. Лица Лица, части лица, эмоции OCR Распознавание текста Классификация Определяет объекты на картинке Логотипы Распознаёт известные логотипы Палитра Выдаёт палитру доминирующих цветов NSFW Распознаёт разные неприличности Cloud Vision API
- 11. Vision API: Определение объектов Image Detected Items Vision API Р JSON запрос с изображением или URL Получение результата в JSON Запрос к REST API1 2 3
- 12. Confidential & ProprietaryGoogle Cloud Platform 12 Cloud Natural Language API Разделение текста на предложения, выделение частей речи и зависимостей в предложении. Выделение объектов вроде личностей, организаций, событий, мест и т.д. Определение эмоциональной окраски текста. Синтаксический анализ Выделение объектов Анализ эмоциональной окраски
- 13. 1313 Natural Language API Demo https://cloud.google.com/natural-language
- 14. Confidential & ProprietaryGoogle Cloud Platform 14 Cloud Speech API Распознавание речи для голосового взаимобедйствия с вашими приложениями или Speech to Text преобразования. Распознаёт более 80 языков мира. Возвращает предварительные результаты по мере поступления данных. Отвфильтровывайте неприемлимый контент. Аудио может подаваться напрямую с микрофона устройства, либо в виде файлов в различных форматах, например FLAC, AMR, PCMU and linear-16. Справляется с зашумлённым сигналом и не требует дополнительного шумоподазвления. Аудио файлы могут содержаться прямо в запросе, либо находиться на Google Cloud Storage (в будущих релизах). Распознавание речи Словарный запас Фильтрация Потоковое распознавание Раскознавание в реальном времени Зашумлённый сигнал Гибкий API
- 15. 1515 Cloud Speech API Demo https://cloud.google.com/speech/
- 16. Чего ещё почитать? Codelabs codelabs.developers.google.com/codelabs/cloud-vision-intro/index.html codelabs.developers.google.com/codelabs/cloud-speech-intro/index.html codelabs.developers.google.com/codelabs/cloud-nl-intro/index.html For Developers cloud.google.com/vision/ cloud.google.com/speech/ cloud.google.com/natural-language/ cloud.google.com/translate/ Stack Overflow
- 18. Face API Лица, глаза, улыбки... Barcode API 1D и 2D штрихкоды Text API Распознавание текстов Common Mobile Vision API Поддержка быстрого определения и отслеживания объектов прямо на устройстве NEW!
- 19. Googly Eyes Android App Video credit Google 1. Объявляем Face Detector и получаем части лица 3. Для каждого лица рисуем глаза FaceDetector detector = new FaceDetector.Builder() .setLandmarkType(FaceDetector.ALL_LANDMARKS) .build(); SparseArray<Face> faces = detector.detect(image); for (int i = 0; i < faces.size(); ++i) { Face face = faces.valueAt(i); for (Landmark landmark : face.getLandmarks()) { // Draw eyes 2. Получаем список лиц на картинке
- 20. Face API Photo credit developers.google.com/vision
- 21. Простой Java API image detected items Detector 1. Создаём объект detector 2. detectedItems = detector.detect(image) Photo credit developers.google.com/vision
- 22. Text Detection Тексты на языках с латиницей Распознаёт структуру текста. Photo credit Getty Images
- 24. Распознавание штрихкодов 1D barcodes EAN-13/8 UPC-A/E Code-39/93/128 ITF Codabar 2D barcodes QR Code Data Matrix PDF-417 AZTEC UPC DataMatrix QR Code PDF 417 Video and image credit Google
- 25. Combined Vision & Translation
- 26. Примеры и документация Googly Eyes Code Sample github.com/googlesamples/android-vision/tree/master/visionSamples/googly-eyes Codelabs codelabs.developers.google.com/codelabs/face-detection/ codelabs.developers.google.com/codelabs/mobile-vision-ocr/ Mobile Vision Developers developers.google.com/vision/ GitHub Code Samples github.com/googlesamples/android-vision Stack Overflow Ищите и задавайте вопросы с тегом android-vision
- 27. ● Open source ML библиотека ● Оптимизирована для Deep Learning ● Для исследований и production ● Лицензия Apache 2.0
- 28. Hello World Image from https://github.com/mnielsen/neural-networks-and-deep-learning ?
- 29. Что видим мы Что “видит” компьютер
- 32. Множество примеров на tensorflow.org
- 33. Codelab - goo.gl/xGsB9d Video - goo.gl/B2zYWN TensorFlow for Poets
- 35. Claude Monet - Bouquet of Sunflowers Images from the Metropolitan Museum of Art (with permission) Image by @random_forests
- 37. Граф потока данных Модель задаётся в виде направленного ациклического графа ● Граф задаётся на языке высокого уровня (обычно Python) ● Граф компилируется и оптимизируется ● Граф выполняется на доступных устройствах (CPU, GPU) ● Данные (в виде тензоров) проходят через вершины графа ● TensorFlow вычисляет градиенты автоматически
- 38. Архитектура ● Ядро на C++ ● Биндинги на Python и C++ Core TensorFlow Execution System CPU GPU Android iOS ... C++ front end Python front end ...
- 39. Raspberry Pi DatacentersYour laptop Android iOS Портируемый и масштабируемый
- 40. /Serving Open-source решение для хостинга моделей
- 41. http://googleresearch.blogspot.com/2016/05/announcing-syntaxnet-worlds-most.html
- 42. spotted salamander fire salamander retriever Распознавание изображений с помощью Inception https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html
- 45. Image source: Wikimedia + = A Neural Algorithm of Artistic Style http://arxiv.org/abs/1508.06576 ?
- 46. Image source: Wikimedia + = A Neural Algorithm of Artistic Style http://arxiv.org/abs/1508.06576
- 47. Image source: Wikimedia + = A Neural Algorithm of Artistic Style http://arxiv.org/abs/1508.06576 goo.gl/fyDxhC
- 52. Smart reply in Inbox by Gmail 10% of all responses sent on mobile
- 53. tensorflow.org github.com/tensorflow Хотите знать болше? Coursera by Andrew Ng https://www.coursera.org/learn/machine-learning# Бесплатный курс на Udacity Deep Learning, goo.gl/iHssII Специализация на Coursera по-русски: https://www.coursera.org/specializations/machine-learning-data-analysis Инструкции, видео MNIST for Beginners, goo.gl/tx8R2b TF Learn Quickstart, https://goo.gl/6k2BaX TensorFlow for Poets, goo.gl/bVjFIL ML Recipes, goo.gl/KewA03 TensorFlow and Deep Learning without a PhD, goo.gl/pHeXe7 Хочу всё знать!