Гид

Маленький гид по большим данным

Как развиваются технологии больших данных и машинного обучения

24332
24332
О гиде
Популярное в последние годы машинное обучение не смогло бы стать таковым без больших данных. Накопленные объемы информации и вычислительные мощности позволяют по-новому исследовать мир, планировать работу и строить прогнозы. Вместе с учеными рассказываем, как большие данные меняют IT-культуру и помогают разрабатывать искусственный интеллект, почему нейронные сети не могут решить всех стоящих перед исследователями проблем, что такое майнинг данных и какие идеи лежат в основе инструментов Big Data.

Поделиться

Научный консультант гида
кандидат технических наук, доцент Факультета компьютерных наук НИУ ВШЭ

Большие данные: история вопроса

01
Борис Миркин — Анализ данных и искусственный интеллект

Как анализ данных повлиял на развитие машинного обучения и в чем состоят основные проблемы в развитии искусственного интеллекта

02
Тезаурус: История больших данных

Базовые понятия, чтобы разобраться в связи между анализом больших данных и разработкой искусственного интеллекта

03
Константин Воронцов — Прогресс нейронных сетей

Специалист по интеллектуальным системам о влиянии машинного интеллекта на экономику будущего и о технооптимизме

04
Культура анализа данных в эру машинного обучения

Какие рабочие места создает поток цифровой информации

05
Искусственный интеллект в мире фейков

Специалист по Computer Science Алексей Незнанов о появлении генеративных моделей, обработке музыки нейросетью и искусственных языках.

06
Есть ли альтернатива искусственным нейронным сетям?

Почему нейронные сети оказались эффективнее всех предыдущих алгоритмов машинного обучения

07
От Тьюринга к Лекуну: тест по истории машинного обучения

От Тьюринга к Лекуну: тест по истории машинного обучения

Следите за прогрессом

Сохраните гид в личном кабинете, чтобы отслеживать прохождение

Инструменты Big Data

08
Сколько в мире данных?

Зачем нужны технологии работы с большими данными?

09
Майнинг данных

Специалист по Computer Science Алексей Незнанов о проблемах искусственного интеллекта, видах майнинга данных и обработке данных в корпорациях

10
Ландшафт исследований в области глубокого обучения

Нейрофизиолог Михаил Бурцев о компьютерном зрении, рекуррентных нейронных сетях и комбинации разных методов обучения нейронных сетей

11
Нейросетевые архитектуры

Нейрофизиолог Михаил Бурцев о глубоких нейронных сетях, механике машинного перевода и нейросетевых моделях seq2seq

12
Обучение с подкреплением в реальных задачах

Специалист по машинному обучению Максим Кретов об изобретении искусственного интеллекта, типах задач и характеристиках человеческого познавательного процесса