Первый фильм Роберта Земекиса - Лифт, 1972
Видео улучшено с помощью GAN.
Видео улучшено с помощью GAN.
Всем привет, давно занимаюсь программированием, но вот нейросетями увлёкся недавно. Начал было копать библиотеку tensorflow и даже сделал свою первую простенькую нейросеть по классификации одежды. Но потом я решил поизучать модели, генерирующие хоть что-то(фото, текст и т.д.). Вычитал, что для этого лучше всего подходят GAN модели. Но достаточного количества информации по их созданию(по крайней мере на современной версии tensorflow). Просьба объяснить, как вытворять подобное.
Всем привет! Пытаюсь решить примерно такую прикладную задачку по DS:
У меня есть датафрейм, в котором представлены покупки покупателей в январе и феврале:
train = pd.DataFrame(data=[['a,b,c,d'], ['a,b,c,h']], columns=['January'])
train['February'] = 'b,c,f', 'a,b,d,f,g,h'
Также у меня есть датафрейм test, в котором представлены покупки других покупателей в январе.
test = pd.DataFrame(data=[['b,b,d,d'], ['c,d,b,f']], columns=['January'])
Считается, что поведение покупателей в первом и втором датафрейме является схожим.
Моя цель - подобрать и на основе датасета train обучить модель, которая сможет прогнозировать покупки покупателей из датафрейма test.
'a', 'b' и тд - конкретные товары. Перечень товаров у нас в магазине ограничен (сотни наименований), и почти не меняется (для упрощения задачи).
Количество купленных товаров не важно, считаем, что покупатели покупают их в количествах, единицы. Можно представить, что это кафе, в котором один и тот же посетитель ест одно и то же блюдо 1-2-3 раза в месяц, не больше.
PS: товары можно разнести по колонкам, типа колонки 'a', 'b' и тд, а в строках значения 0 или 1, соответственно 0 означает, что данный покупатель этот товар в этом месяце не покупал, 1 означает, что покупал. В итоге тогда нужно получить аналогичные колонки, которые покажут, какие товары какие посетители будут покупать. Точно прогноза хотя бы выше, чем чистый рандом, уже будет ценна.
Для бОльшего упрощения задачи можно считать, что в обоих датафреймах одни и те же покупатели, id совпадает, но в первом датафрейме - покупки за январь и февраль, а во втором - покупки тех же покупателей, скажем, за март.
1) NVIDIA Jetson Nano
Jetson Nano — набор инструментов для начала изучения ИИ и робототехники на практике. Это компактный и мощный компьютер, который позволяет параллельно запускать несколько нейронных сетей в приложениях для классификации изображений, распознавания объектов, сегментации и обработки речи. Это идеальное решение для создания прототипа нового продукта на базе ИИ. Стоит такой набор примерно 25 000 рублей. ссылка на источник.
2) Модуль распознавания объектов
Механизированный модуль B01, способен распознавать объекты, жесты, захватывать движения и анимацию лица, подсчитать и выделить количество машин на дороге и многое другое. Стоит такой около 30 000 руб. ссылка
3) Комплект NVIDIA Jetson Orin NX 16 ГБ
Самый совершенный компьютер с ИИ для небольших автономных машин малой мощности. Стоит такой набор около 110 000 руб. ссылка
4) Роботизированная машина
Робот Pi-4b Mecanum с множествами функций. Стоит такой около 38 000 руб. ссылка
5) Бионическая собака-робот
Набор для сборки собаки-робота с искусственным интеллектом. Стоит такая около 65 000 руб. ссылка
6) Вездеход
Гусеничный робот-вездеход с ИИ, стоит такой около 50 000 руб. ссылка
7) Лидар
Сканер-дальномер Slamtec RPLIDAR S3M1 - может выполнить сканирование пространства на все 360 градусов вокруг себя в пределах 40 метров. Стоит такой около 39 000 руб. ссылка на источник
8) Манипулятор
Роботизированная рука-сортировщик с ИИ. Стоит такая около 40 000 руб. ссылка
9) Балансирующий робот
Интеллектуальный автомобиль, который может передвигаться вертикально на 2х колесах. Стоит такой около 31 000 руб. ссылка
10) Камера CM4 AI
AI-камера на базе Raspberry Pi CM4 со степенью защиты IP67, оснащена объективом и светодиодной подсветкой, которая использует вычислительный модуль Raspberry Pi 4 для запуска приложений компьютерного зрения с использованием OpenCV, Pythong и Qt. Стоит такая где-то 28 000 руб. ссылка на источник
11) Датчики геофона
Набор для сборки самого передового сейсмографа с тремя ортогонально расположенными датчиками геофона, для миллисекундной точности и качества данных при регистрации сейсмической активности всех величин, как вертикальных, так и боковых. Стоит такой набор около 155 000 руб . ссылка
12) Лидар Tele-15
Новый лазерный дальномер создан с целью обнаружения препятствий на больших расстояниях. Данная система позволит четче «видеть» препятствия и уклоняться от них, даже при движении на больших скоростях. Стоит такая система около 161 000 руб. ссылка
13) STEMlab 125-14
Имеет два 14-битных входа со скоростью 125 Мбит/с и два 14-битных выхода, Xilinx Zynq 7010 FPGA и предлагает удаленный доступ с пользовательским интерфейсом онлайн-приложения, доступным через Ethernet или Wi-Fi. Может использоваться в качестве осциллографа и генератора сигналов, анализатора спектра, логического анализатора, измерителя LCR*, потокового, SDR или векторного анализатора цепей. Стоит такой около 149 000 руб. ссылка
14) Автопилот CUAV X7 + Pro
Полётный контроллер использует высокопроизводительный процессор серии STM32H7. В нем интегрированы высокоточные промышленные датчики и сенсоры сверхнизких температур. Контроллер имеет лучшую производительность, более быстрый процессор и больший размер памяти. Стоит такой около 144 000 руб. ссылка
15) Грузовой робот
Умный робот способный перевозить грузы до 2 кг. Стоит такой около 142 000 руб. ссылка
16) Sipeed Lichee Cluster
Кластерный компьютер допускает установку семи вычислительных модулей Lichee Module 4 Model A (LM4A). Они наделены чипом Xuantie C910 (RV64GCV) с четырьмя ядрами RISC-V, нейропроцессорным блоком (NPU) производительностью до 4 TOPS, энергоэффективным ядром Xuantie E902, графическим узлом Imagination 3D (50 Гфлопс) и DSP Xuantie C906. Стоит такой 140 000 руб. ссылка на источник
17) Рука с ИИ
Робот-платформа UltraArm с ИИ может писать, рисовать и выполнять лазерную гравировку. Стоит такой около 110 000 руб. ссылка
18) Ultimate Discovery 2
Набор для тестирования и отлаживания широкого спектра схем. Стоит такой около 107 000 руб. ссылка
19) Модуль позиционирования
C-RTK 9Ps — это модуль высокоточного позиционирования от компании CUAV, предназначенный для определения местоположения в пространстве. Точность статического позиционирования RTK — до 1 см, а измеренная динамическая точность — около 6 см. стоит такой около 118 000 руб. ссылка
20) Набор Raspberry Pi 4B 4GB RAM
Мини-компьютер для создания различных устройств: для проектирования системы «умного дома» и роботов, планшетных ПК или других продуктов DIY. Также может быть использован как обычный настольный или мобильный ПК. Стоит такой около 9700 руб. ссылка на источник.
Без геологических моделей невозможна добыча полезных ископаемых ни на одном из месторождений. В основном, эти модели создаются вручную, а это – долгий процесс.
Ученые МИСИС разработали технологию для обработки нужной информации с помощью нейросети.
Они создали программу для построения модели месторождения в 3D-формате, которая включает в себя блоки, обозначающие различные породы.
Для создания модели в web-приложение загружается таблица с анализом проб керна и назначаются параметры блока. Полученная информация обрабатывается нейросетью, которая создает трехмерное изображение, скачиваемое в разных форматах.
По информации Involta.media, разработанное ПО интерпретирует данные гораздо точнее и быстрее человека.
Проверка системы проводилась с помощью метода кросс-валидации для проверки надежности машинного обучения. Точность достигла 97,65%.
Добрый день! Нужна помощь с проектом по анализу 2D архитектурных планов. Эти планы изначально в формате PDF (сохраненные из CAD программ), я конвертирую изображения в PNG для дальнейшего подсчета размеров и поиска геом. обьектов в OpenCV. После конвертации при 300 DPI и масштабе 1:100 размер одного пикселя примерно 8,47 mm.
Мне нужно измерить ширину дверных проемов, чтобы убедиться, что они соответствуют определенному требованию.
Конечный результат тот же 2D план, но с аннотациями измерений каждого проема двери. Кроме того, проемы дверей, которые не соответствуют требуемой ширине, должны быть выделены красным цветом. У дверей часто нет никаких обозначений (см. картинку) поэтому поиску только по геом. признакам.
Мне также нужно также измерить расстояние между мебелью и стенами для обеспечения доступности для инвалидных колясок.
Я пробовала использовать OpenCV для этой задачи, но столкнулась с проблемами при идентификации проемов дверей. Возможно нужно тренировать модель для этого проекта. Любая помощь будет очень ценна. Я готова заплатить за помощь в решении задачи.
Спасибо!
в форме математических закономерностей перетекания одних чисел, проявляющих себя на поверхности явлений, в другие.
Но если физики силятся не потерять связь с глубинной сущностью наблюдаемых явлений, увязывая численные результаты с рассуждениями о цепочках причинно-следственных связей или давая другие интерпретации числам в понятиях за пределами языка математики, то нумерологи полностью отбрасывают эту связь как несущественный элемент анализа, отдавая всё внимание математическим закономерностям внутри рассматриваемых числовых рядов.
Наивысшего технологического развития нумерология достигла в 21-м веке в форме
инструментов построения прогнозных математических моделей на основе больших массивов данных, или, по-простому, в форме технологий бигдаты и ML.
короткая версия: дата саентисты — современные нумерологи.