Überblick
- Präsentieren 11 Data-Science-Videos, die Ihre aktuellen Fähigkeiten verbessern und erweitern
- Wir haben diese Videos in drei Bereiche eingeteilt: Verarbeitung natürlicher Sprache (PNL), Generative Modelle und Reinforcement Learning.
- Erfahren Sie, wie die Konzepte in diesen Videos funktionieren und erstellen Sie Ihr eigenes Data-Science-Projekt!!
Einführung
Ich liebe es zu lernen und zu verstehen Datenwissenschaft Konzepte durch Videos. Ich habe einfach keine Zeit, Bücher und Textseiten zu lesen, um verschiedene Ideen und Themen zu verstehen. jedoch, Durch Videos bekomme ich einen viel besseren Überblick über die Konzepte und wähle dann die Themen aus, über die ich mehr erfahren möchte.
Die hohe Qualität und Vielfalt der auf Plattformen wie YouTube verfügbaren Themen überrascht immer wieder. Ich habe vor kurzem durch ein Video von dem erstaunlichen XLNet-Framework für NLP erfahren (die ich unten für deinen Verzehr erwähnt habe). Dies half mir, das Konzept zu verstehen, sodass ich mehr über XLNet erfahren konnte!!
Ich glaube fest daran, dass Struktur sehr wichtig ist, wenn wir ein Konzept oder Thema lernen. Auch ich folge diesem Ansatz jedes Mal, wenn ich einen Beitrag schreibe. Deshalb habe ich diese Videos in ihre jeweiligen Domains kategorisiert, hauptsächlich Natural Language Processing (PNL), Generative Modelle und verstärktes Lernen.
Dann, Sind Sie bereit, in diese faszinierenden Videos einzutauchen und die Breite der Datenwissenschaft zu erkunden??
Ohne weitere Präambeln, Hier gibt es 11 erstaunliche Data-Science-Videos:
- Verarbeitung natürlicher Sprache (NLP)
- XLNet erklärt
- Wie funktioniert Google Duplex?
- POEMPORTRAITS von Google: Kombination aus Kunst und künstlicher Intelligenz
- Generative Modelle
- Verstärktes Lernen
- Bringen Sie dem Computer das Fahren bei
- Finden Sie heraus, wie AlphaGo Zero funktioniert
- Google DeepMind AI lernt laufen
- KI lernt spielen 2048
- ERSTE
- Adobe entwickelt KI zur Erkennung von Gesichtern mit Photoshop
XLNet erklärt
XLNet ist derzeit das beliebteste Framework im NLP. Du einfach sollte Überlegen Sie, was es ist und wie es funktioniert, wenn Sie eine Karriere in diesem Bereich aufbauen möchten. Ich bin vor kurzem auf dieses Video gestoßen und wollte es so schnell wie möglich mit der Community teilen.
XLNet ist das NLP-Framework der nächsten Generation. Es hat Googles BERT in übertroffen 20 NLP-Aufgaben und erzielte Spitzenergebnisse in 18 von ihnen. Das ist sehr, sehr beeindruckend.
Sehen Sie sich hier unseren Beitrag zu XLNet und seinen leistungsstarken Funktionen an.
Das folgende Video bietet eine klare Erklärung des ursprünglichen XLNet-Forschungsbeitrags. Notiz: Möglicherweise müssen Sie vorab einige NLP-Konzepte kennen, um das Innenleben von XLNet wirklich zu verstehen.
Wie funktioniert Google Duplex?
Erinnern Sie sich, als Sundar Pichai die Bühne betrat und die ganze Welt in Raserei versetzte, als er Google Duplex in seiner Keynote auf der Google-Suchmaschine I vorstellte? / Ö 2018? Ich erinnere mich, wie ich mit totalem Erstaunen die superrealistischen Anrufe hörte, die die KI machte.
Es dauerte eine Weile, bis die Data Science- und NLP-Community eine Erklärung dafür fand, wie Google Duplex wirklich funktioniert.. Es ist ziemlich mächtig und hat das Potenzial, die Art und Weise, wie wir mit Maschinen interagieren, zu verändern..
Dann, die millionen-dollar-frage: Hat Google Duplex den Turing-Test bestanden?? Du entscheidest, nachdem du dieses Video gesehen hast:
POEMPORTRAITS von Google: Kombination aus Kunst und künstlicher Intelligenz
Ich bin Künstler und die Aussicht, jede Kunstform mit Künstlicher Intelligenz zu kombinieren, ist äußerst attraktiv. In einer Welt, in der es so viel Angst um KI gibt, diese Bewerbungen sind mehr als willkommen.
POEMPORTRAITS AI von Google wurde in Poesie des 19. Jahrhunderts mit NLP-Techniken geschult. Sie können einen Beitrag leisten und ein Wort spenden, um Ihr eigenes POEMPORTRAIT zu erstellen. Sehen Sie, wie dieses unglaubliche Konzept funktioniert:
Generative Modelle
Tauchen Sie ein in verschiedene automatische Encoder!
Hier ist einer unserer Lieblingsexperten für Reinforcement Learning, Xander Streenbrugge, von seinem wunderbaren ArxivInsights-Kanal.
Variations-Autoencoder (Ach) sind leistungsstarke generative Modelle mit vielfältigen Anwendungen. Sie können menschliche Gesichter erzeugen oder Ihre eigene Musik synthetisieren oder VAE verwenden, um Bildrauschen zu entfernen.
Dieses Video gefällt mir richtig gut. Xander beginnt mit einer Einführung in die grundlegenden automatischen Encoder und geht dann zu entwirrtem VAE und Beta-VAE über. ziemlich technisch, aber schön und prägnant erklärt, im typischen Xander-Stil.
Xander wird dieses Jahr zum DataHack Summit zurückkehren, damit Sie ihn persönlich hören und treffen können.
Gesichtsanimation aus Audio erstellen
Das Video hat mich sofort angezogen, als ich den Titel gelesen habe. Dies ist das beste generative Modell!! Sie können nicht nur Gesichtsanimationen aus Audio generieren, aber es kann auch unterschiedliche Emotionen für das gleiche Audio erzeugen. Und Gesichtsausdrücke sehen unglaublich natürlich aus.
Wenn Sie Two Minute Papers nicht folgen, er vermisst es. Regelmäßig, Videos produzieren, die die neuesten Entwicklungen leicht verständlich analysieren. Es ist ein Juwel von einem Kanal.
MuseNet hat gelernt, wie man Mozart komponiert, Bon Jovi und mehr
Ein weiterer Eintrag aus der Two Minute Papers-Datei.
Das MuseNet von OpenAI ist ein tiefes neuronales Netzwerk, das Musikkompositionen mit verschiedenen Instrumenten generiert und verschiedene Stile kombiniert. Verwendet dieselbe unbeaufsichtigte Allzwecktechnologie wie GPT-2 und die Ergebnisse sind erstaunlich.
Haben Sie noch nie von GPT-2 gehört?? Es ist ein NLP-Framework auf Augenhöhe mit XLNet. Sehen Sie hier, wie MustNet funktioniert:
Verstärktes Lernen
Bringen Sie bei, wie man einen Computer fährt
Selbstfahrende Autos haben mich schon immer fasziniert. Das Ausmaß des autonomen Fahrzeugprojekts ist überwältigend. Es gibt so viele Komponenten, sowohl auf der Hardwareseite als auch auf der Data Science Seite, die angepasst werden müssen, damit dieses Projekt funktioniert.
Dies ist ein perfektes Video für Anfänger, um mehr über genetische Programmierung und Verstärkungslernen zu erfahren und wie sie verwendet werden, um leistungsstarke Anwendungen zu erstellen. Simons Persönlichkeit hat mich bis zum Schluss gefesselt.
Und ich teste das Projekt definitiv alleine.
Finden Sie heraus, wie AlphaGo Zero von Google DeepMind funktioniert
Noch ein tolles Video von Xander. Erklärt den beliebten Google DeepMind-Beitrag über AlphaGo Zero.
AlphaGo Zero ist ein Remake des ursprünglichen AlphaGo-Programms, das den menschlichen Champion Lee Sedol umfassend besiegt hat.. Ich empfehle, unseren Beitrag zur Baumsuche in Monte Carlo zu lesen, den Algorithmus hinter AlphaGo, bevor Sie mehr über AlphaGo Zero erfahren.
AlphaGo Zero verwendet Reinforcement Learning, um die weltbesten Go-Spieler zu schlagen, ohne menschliche Spieldaten zu verwenden.
“AlphaGo Zero übertraf die Stärke von AlphaGo Lee in drei Tagen mit dem Gewinn 100 Spiele zu 0, erreichte die Stufe des AlphaGo Masters in 21 Tage und übertraf alle alten Versionen in 40 Tage”.
Quelle: Wikipedia
Google DeepMind AI lernt laufen
Dieses Video macht Spaß und ist informativ. Genau die Art von Videos, die ich mag, wenn ich neue Dinge lerne!! Es hat Spaß gemacht, der KI beim Laufen zuzusehen. Aber zur selben Zeit, Ich war beeindruckt von der Kraft des Reinforcement Learning.
Das Video analysiert 3 Posts, um zu erklären, wie KI das Laufen gelernt hat und überraschend einfach zu verstehen ist.
KI lernt spielen 2048
Hast du das Spiel schon mal gespielt 2048? Es macht super süchtig, wenn man den Dreh raus hat. Früher habe ich Spiele leicht beendet, aber nicht mehr. Ein Data Science-Enthusiast sein, Ich werde meinem Computer beibringen, es mit Hilfe dieses erstaunlichen Videos abzuspielen.
Dies ist ein weiteres Beispiel für den Einsatz genetischer Programmierung und evolutionärer Algorithmen..
BONUS: Adobe entwickelt KI zur Erkennung von Gesichtern mit Photoshop
Adobe ist Marktführer bei Bild- und Videobearbeitungssoftware. Andere Firmen haben es versucht, aber nicht viele haben das Niveau von Adobe erreicht.
Letzten Monat, Adobe kündigte seine Forschungsanstrengungen an, um manipulierte Bilder zu erkennen. Es war an der Zeit, dass jemand das tut!! Bald wird es unmöglich sein, die Echte von der Fälschung zu unterscheiden, wenn man bedenkt, wie schnell GANs die Welt erobert haben.
Stellen Sie sich vor, Donald Trump fordert Kim Jong Un zum Atomkrieg heraus und behauptet dann, es sei eine Schande und ignoriert jede Verantwortung!! Wir müssen verhindern, dass diese Situationen Realität werden. Dieses Video zeigt, wie der Algorithmus von Adobe funktioniert und versucht, gefälschte Bilder zu bekämpfen:
Abschließende Anmerkungen
Ich liebe es, über die neuesten Forschungsergebnisse in der Datenwissenschaft zu lernen, maschinelles Lernen und künstliche Intelligenz. Aber es fällt mir schwer die Beiträge zu lesen. Es kostet viel Zeit und Mühe, etwas, das nicht alle Data-Science-Profis haben. Ich bin sicher, viele von euch haben damit zu kämpfen. Das Konsumieren von Videos ist der ideale Weg, um sich einen Überblick über diese Konzepte zu verschaffen..
Dann, Sie können auswählen, wo Ihre Interessen liegen, und versuchen, ein Projekt oder einen Blogbeitrag darüber zu entwickeln. Creme, ist eine wunderbare Möglichkeit, neue Data-Science-Konzepte zu erlernen und zu verankern.
Was sind einige Ihrer Lieblingskanäle oder -videos zum Thema Data Science?? Lass uns in den Kommentaren unten diskutieren.
