◢ #ainews
Cześć! Zapraszam na jedenaste zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. Quantum Machine Learning and the Power of Data
https://ai.googleblog.com/2021/06/quantum-machine-learning-and-power-of.html
INFO: Era komputerów kwantowych zbliża się do nas nieubłaganie. Czy będzie to rewolucja dla świata sztucznej inteligencji? Dosyć ciekawy i krótki artykuł na ten temat prosto ze stajni Google AI
bp-lukasz - ◢ #ainews ◣
Cześć! Zapraszam na jedenaste zestawienie najciekawszych lin...

źródło: comment_1624521625hL3Gu9v1uWZTEgHFwxbTDl.jpg

Pobierz
  • 7
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Poniedziałek powinien być tylko dla chętnych ( ͡° ͜ʖ ͡°)

Przygotowaliśmy dla was listę wydarzeń IT, Startup i UX na nadchodzący tydzień ( ͡°
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

◢ #ainews
Cześć! Zapraszam na dziesiąte zestawienie najciekawszych linków ze świata sztucznej inteligencji

1. Reverse Engineering Deep Fake
https://ai.facebook.com/blog/reverse-engineering-generative-model-from-a-single-deepfake-image/
INFO: Facebook opracował własny deep fake detector. W artykule można zobaczyć jaką architekturę zastosowano i jakie są
bp-lukasz - ◢ #ainews ◣
Cześć! Zapraszam na dziesiąte zestawienie najciekawszych lin...

źródło: comment_1623917612LQN5vEZr577n6vEeRyGEtn.jpg

Pobierz
  • 8
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

◢ #ainews
Cześć! Zapraszam na dziewiąte zestawienie najciekawszych linków ze świata sztucznej inteligencji ( )

1. Powstał najdokładniejszy jak do tej pory skan fragmentu ludzkiego mózgu
https://ai.googleblog.com/2021/06/a-browsable-petascale-reconstruction-of.html
INFO: Naukowcy z Google i Harvardu zeskanowali fragment mózgu o wielkości zaledwie 1mm. Skan został wykonany przy pomocy mikroskopu elektronowego z rozdzielczością 4nm. Całość zawiera 130 milionów synaps, kilkadziesiąt tysięcy neuronów i zajmuje aż 1,4 petabajta! Z pewnością jest to duży
bp-lukasz - ◢ #ainews ◣
Cześć! Zapraszam na dziewiąte zestawienie najciekawszych lin...

źródło: comment_1623311265bz4umpRftZZubnwxWRjKbP.jpg

Pobierz
  • 3
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

◢ #ainews
Zapraszam na ósme zestawienie AiNews. Ostatnie przerosło moje oczekiwania co do liczby plusów i nowych obserwatorów - dzięki za zaufanie!

1. Flawless AI Demo - czyli przeniesienie dubbingu w filmach na wyższy poziom
https://www.youtube.com/watch?v=QIfS7FXs-54
INFO: Trzymam mocno kciuki za ten projekt. Polecam obejrzeć to krótkie demo, bo efekty według mnie są fenomenalne!
bp-lukasz - ◢ #ainews ◣
Zapraszam na ósme zestawienie AiNews. Ostatnie przerosło moj...

źródło: comment_1622793319BhFBgrFZA3FYc343byULuV.jpg

Pobierz
  • 5
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

sytuacja jest taka: dwa serwery, każdy z nich ma 8x GPU od Nvidii (dwa nvlink, po jednym na serwer), każdy serwer na debianie. Da się to zwritualizować by 16 GPU było widoczne jako jeden zasób? Wiem że są rzeczy typu Bright Cluster Manager, chociaż to jest raczej scheduler, a ja chciałbym mieć skrypty używające wielu GPU w tym samym czasie. Ktoś działał w tym temacie? Sprzęty są do #machinelearning NIE
  • 3
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

http://www.rocksclusters.org/ ?


@PiesLat2230: używam rocks cluster os od chyba 2015 lub wcześniej do wirtualizacji klastra obliczeniowego (bazującego na CPU)), gdzie można przekierunkować procesy na różne maszyny. Ale to nie znaczy że zasoby sprzętowe z wielu maszyn są widoczne z jednego miejsca. Z mojego doświadczenia Rocks jest do czegoś innego, bo bazując na HPC wymaga dedykowanych skryptów i nie pozwala z maszyny A sięgać bezpośrednio do sprzętu maszyny B (poza CPU,
  • Odpowiedz
Chciałbym zacząć się uczyć jakiś nowych rzeczy w programowaniu. Myślałem nad pythonem , chmurami, analiza danych może jakiś machine learning. Pojęcie o programowaniu mam. Jak tu zacząć temat. Polecacie jakieś kursy czy coś? Może jakiś solidniejszy projekt do zrobienia który pozwolił by zachaczyc mi o te działki ?

#programowanie #programista15k #python #cloud #machinelearning
  • 2
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@yras8: Twój model przyjmuje jakieś dane i zgaduje dla nich jakiś wynik. Funkcja kosztu mierzy, jak daleko jest ten zgadywany wynik od prawdziwego wyniku. Minimalizując tę odległość zmieniamy parametru modelu w taki sposób, że zgaduje on wyniki coraz bliżej prawdziwych.
  • Odpowiedz