Visión general
- Presentando 11 videos de ciencia de datos que mejorarán y expandirán su conjunto de habilidades actual
- Hemos categorizado estos videos en tres campos: procesamiento del lenguaje natural (PNL), modelos generativos y aprendizaje por refuerzoEl aprendizaje por refuerzo es una técnica de inteligencia artificial que permite a un agente aprender a tomar decisiones mediante la interacción con un entorno. A través de la retroalimentación en forma de recompensas o castigos, el agente optimiza su comportamiento para maximizar las recompensas acumuladas. Este enfoque se utiliza en diversas aplicaciones, desde videojuegos hasta robótica y sistemas de recomendación, destacándose por su capacidad de aprender estrategias complejas.....
- ¡Aprenda cómo funcionan los conceptos de estos videos y cree su propio proyecto de ciencia de datos!
Introducción
Me encanta aprender y comprender Ciencia de los datos conceptos por medio de videos. Simplemente no tengo tiempo para leer libros y páginas de texto para comprender diferentes ideas y temas. En cambio, obtengo una descripción mucho mejor de los conceptos por medio de videos y después selecciono los temas sobre los que quiero aprender más.
La gran calidad y diversidad de temas disponibles en plataformas como YouTube nunca deja de sorprender. Recientemente aprendí sobre el increíble marco XLNet para NLP por un video (que mencioné a continuación para su consumo). ¡Esto me ayudó a comprender el concepto para poder explorar más sobre XLNet!
Creo firmemente que la estructura es muy necesaria cuando estamos aprendiendo cualquier concepto o tema. Además sigo ese enfoque cada vez que escribo un post. Es es por ello que que he categorizado estos videos en sus respectivos dominios, principalmente Procesamiento del lenguaje natural (PNL), Modelos generativos y Aprendizaje reforzado.
Entonces, ¿está listo para sumergirse y explorar la extensión y amplitud de la ciencia de datos por medio de estos fascinantes videos?
Sin más preámbulos, aquí hay 11 increíbles videos de ciencia de datos:
- Procesamiento del lenguaje natural (NLP)
- XLNet explicado
- ¿Cómo funciona Google Duplex?
- POEMPORTRAITS de Google: combinación de arte e inteligencia artificial
- Modelos generativos
- Aprendizaje reforzado
- Enseñar a la computadora a conducir
- Descubra cómo funciona AlphaGo Zero
- Google DeepMind AI aprende a caminar
- La IA aprende a jugar 2048
- PRIMA
- Adobe desarrolla IA para detectar caras con Photoshop
XLNet explicado
XLNet es el marco más popular en PNL en este momento. Tu simplemente debe tenga en cuenta lo que es y cómo funciona si desea forjarse una carrera en este campo. Me encontré con este video recientemente y quería compartirlo con la comunidad lo antes factible.
XLNet es el marco de PNL de última generación. Ha superado al BERT de Google en 20 tareas de PNL y logró resultados de vanguardia en 18 de ellas. Eso es muy, muy impresionante.
Asegúrese de consultar nuestro post sobre XLNet y su poderosa capacidad aquí.
El siguiente video proporciona una explicación clara del post de investigación original de XLNet. Nota: Es factible que deba conocer algunos conceptos de PNL de antemano para comprender verdaderamente el funcionamiento interno de XLNet.
¿Cómo funciona Google Duplex?
¿Recuerdas cuando Sundar Pichai subió al escenario y puso al mundo entero en un frenesí cuando presentó Google Duplex en su discurso de apertura en el buscador de Google I / O 2018? Recuerdo haber escuchado con total asombro las llamadas súper realistas que hacía la IA.
La comunidad de ciencia de datos y PNL tardó un poco en hallar una explicación de cómo funciona verdaderamente Google Duplex. Es bastante poderoso y tiene el potencial de cambiar la forma en que interactuamos con las máquinas.
Entonces, la pregunta del millón de dólares: ¿Google Duplex pasó la prueba de Turing? Tú decides después de ver este video:
POEMPORTRAITS de Google: combinación de arte e inteligencia artificial
Soy un artista y la perspectiva de combinar cualquier forma de arte con la Inteligencia Artificial es extremadamente atractiva. En un mundo donde existe tanto miedo en torno a la IA, estas aplicaciones son más que bienvenidas.
POEMPORTRAITS AI de Google se ha entrenado en la poesía del siglo XIX usando técnicas de PNL. Puedes contribuir y donar una palabra para generar tu propio POEMPORTRAIT. Mira cómo funciona este increíble concepto:
Modelos generativos
¡Sumérjase en los codificadores automáticos variacionales!
Aquí está uno de nuestros expertos favoritos en aprendizaje por refuerzo, Xander Streenbrugge, de su maravilloso canal ArxivInsights.
Los Autoencoders Variacionales (VAE) son potentes modelos generativos con diversas aplicaciones. Puede generar rostros humanos o sintetizar su propia música o usar VAE para borrar el ruido de las imágenes.
Me gusta mucho este video. Xander comienza con una introducción a los codificadores automáticos básicos y después pasa a VAE y beta-VAE desenredados. Bastante técnico, pero explicado de forma hermosa y concisa, en el estilo típico de Xander.
Xander volverá a DataHack Summit este año para que pueda escucharlo y conocerlo en persona.
Crear animación facial a partir de audio
Inmediatamente me atrajo el video cuando leí el título. ¡Esto es lo mejor de los modelos generativos! No solo puede generar animación facial a partir de audio, sino que además puede generar diferentes emociones para el mismo audio. Y las expresiones faciales se ven increíblemente naturales.
Si no está siguiendo Two Minute Papers, se lo está perdiendo. Con regularidad, producen videos que analizan los últimos desarrollos de manera fácil de comprender. Es una joya de canal.
MuseNet aprendió a componer Mozart, Bon Jovi y más
Otra entrada del archivo Two Minute Papers.
MuseNet de OpenAI es una red neuronalLas redes neuronales son modelos computacionales inspirados en el funcionamiento del cerebro humano. Utilizan estructuras conocidas como neuronas artificiales para procesar y aprender de los datos. Estas redes son fundamentales en el campo de la inteligencia artificial, permitiendo avances significativos en tareas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la predicción de series temporales, entre otros. Su capacidad para aprender patrones complejos las hace herramientas poderosas... profunda que genera composiciones musicales con diferentes instrumentos y combina diferentes estilos. Utiliza la misma tecnología no supervisada de uso general que GPT-2 y los resultados son sorprendentes.
¿Nunca has oído hablar de GPT-2? Es un marco de PNL a la par con XLNet. Vea cómo funciona MustNet aquí:
Aprendizaje reforzado
Enseñar a conducir una computadora
Los coches autónomos siempre me han fascinado. La magnitud del proyecto de un vehículo autónomo es asombrosa. Hay tantos componentes, tanto del lado del hardware como del lado de la ciencia de datos, que deben alinearse para que este proyecto funcione.
Este es un video perfecto para que los principiantes aprendan sobre la programación genética y el aprendizaje por refuerzo y cómo se usan para crear aplicaciones poderosas. La personalidad de Simon me mantuvo enganchado hasta el final.
Y definitivamente estoy probando el proyecto por mi cuenta.
Descubra cómo funciona AlphaGo Zero de Google DeepMind
Otro gran video de Xander. Explica el popular post de Google DeepMind sobre AlphaGo Zero.
AlphaGo Zero es una versión nueva del programa AlphaGo original que venció al campeón humano Lee Sedol de manera integral. Recomiendo leer nuestro post sobre Monte Carlo Tree Search, el algoritmo detrás de AlphaGo antes de proceder a aprender sobre AlphaGo Zero.
AlphaGo Zero utiliza Reinforcement Learning para vencer a los mejores jugadores de Go del mundo sin usar datos de juegos humanos.
«AlphaGo Zero superó la fuerza de AlphaGo Lee en tres días al ganar 100 juegos a 0, alcanzó el nivel de AlphaGo Master en 21 días y superó todas las versiones antiguas en 40 días».
Fuente: Wikipedia
La IA de Google DeepMind aprende a caminar
Este video es divertido e informativo. ¡Exactamente el tipo de video que me gusta cuando estoy aprendiendo cosas nuevas! Fue divertido ver a la IA aprender a caminar. Pero al mismo tiempo, me dejó maravillado por el poder del aprendizaje por refuerzo.
El video analiza 3 posts para intentar explicar cómo la IA aprendió a caminar y es sorprendentemente simple de comprender.
La IA aprende a jugar 2048
¿Has jugado alguna vez al juego 2048? Es súper adictivo una vez que lo dominas. Solía terminar fácilmente los juegos antes, pero ya no. Siendo un entusiasta de la ciencia de datos, voy a entrenar a mi computadora para que la reproduzca con la ayuda de este increíble video.
Este es otro ejemplo del uso de programación genética y algoritmos evolutivos.
BONIFICACIÓN: Adobe desarrolla IA para detectar caras con Photoshop
Adobe es líder del mercado en software de manipulación de imágenes y videos. Otras compañías lo han intentado, pero no muchas se han acercado al nivel de Adobe.
El mes pasado, Adobe anunció sus esfuerzos de investigación para detectar imágenes manipuladas. ¡Ya era momento de que alguien hiciera eso! Pronto será imposible distinguir lo real de lo falso, dada la rapidez con que las GAN se han apoderado del mundo.
¡Imagínese a Donald Trump desafiando a Kim Jong Un a una guerra nuclear y después afirmando que fue una farsa y haciendo caso omiso de toda responsabilidad! Necesitamos evitar que esas situaciones se conviertan en realidad. Este video muestra cómo funciona el algoritmo de Adobe e intentó combatir las imágenes falsas:
Notas finales
Me encanta conocer las últimas investigaciones en ciencia de datos, aprendizaje automático e inteligencia artificial. Pero me cuesta leer los posts. Necesita mucho tiempo y esfuerzo, algo que no todos los profesionales de la ciencia de datos disponen. Estoy seguro de que muchos de ustedes luchan con lo mismo. Consumir videos es la forma ideal de obtener una descripción general de estos conceptos.
A continuación, puede seleccionar dónde se encuentran sus intereses e intentar desarrollar un proyecto o una publicación de blog al respecto. Créame, es una manera maravillosa de aprender y arraigar nuevos conceptos de ciencia de datos.
¿Cuáles son algunos de sus canales o videos favoritos sobre ciencia de datos? Discutamos en los comentarios a continuación.
