Машинное обучение

Атаки на системы машинного обучения

Как бы слабо ни была развита сегодня дисциплина обеспечения безопасности систем машинного обучения, благодаря достижениям исследователей ситуация исправится. И когда это произойдет, то самым слабым звеном в безопасности систем машинного обучения, как и в криптографии, окажется программное обеспечение, используемое для поддержки их работы.

Графы знаний как средство улучшения искусственного интеллекта

Интеллектуальные системы, работающие на основе алгоритмов машинного обучения, требуют больших объемов размеченных данных. Используя фактические сведения справочного характера, можно восполнять нехватку размеченных данных для обучения алгоритмов, причем для многих практических применений удобно организовывать справочные сведения в форме графа знаний. Объединение сведений из графов знаний с обучающими выборками позволяет существенно улучшить результативность работы алгоритмов машинного обучения, в том числе используемых в системах предоставления рекомендаций и анализа структуры сообществ. Графы знаний позволяют не только повысить точность работы таких систем, но и обеспечить объяснимость получаемых результатов.

Оценка моделей кредитного скоринга

Успех применения технологий машинного обучения в финансовых организациях во многом зависит не только от алгоритмов, адекватных прикладной задаче, но и от качества выбранных моделей, для оценки которых требуются специальные метрики.

Как бороться с фейками в Сети

Фейковые новости наносят ущерб предприятиям — под прицелом кампаний по дезинформации могут оказаться любые отрасли. Современные технологии классификации текстов, основанные на машинном обучении, позволяют ускорить и частично автоматизировать процесс отсева фейков.

Как Data Science помогает повышать качество ПО

Применение методов исследования данных в процессах разработки ПО позволяет выиграть в конкурентной борьбе. Например, в программной инженерии получила распространение методика измерения характеристик программного обеспечения, однако без средств автоматизации невозможно разобраться в огромных массивах получаемых с помощью этой методики данных и учесть все их взаимозависимости.

Умный и опасный Интернет вещей

Технологии машинного обучения открывают новые перспективы для развития Интернета вещей, однако несут с собой и новые угрозы: создание индивидуальных образцов вредоносного ПО, формирование фейковых событий, появление цифровых двойников реальных законопослушных пользователей и пр. Интернет вещей стал лакомой добычей хакеров и источником новых угроз. Как в таких условиях минимизировать риски потери надежности систем Интернета вещей и какие использовать стандарты обеспечения безопасности?

Интеллект вещей

Машинное обучение и прогресс в аппаратных технологиях позволил предприятиям намного быстрее обрабатывать свои данные для проведения мощных маркетинговых кампаний, развертывания эффективных логистических операций и расширения лояльной клиентской базы. Однако до 85% проектов ИИ терпят неудачу, несмотря на рост инвестиций в инфраструктуру поддержки решений машинного обучения. Причина — «грязные» данные.

Объектная видеоаналитика реального времени

Для выполнение инференса нейронных сетей в задачах объектной видеоаналитики непосредственно в точке сбора данных используются системы, построенные на основе концепции Edge AI.

Обеспечение безопасности систем машинного обучения

Ажиотаж вокруг машинного обучения приводит к росту его популярности, однако внедрение соответствующих систем без должного понимания принципов их действия сопряжено с систематическими рисками, которые нужно учитывать еще на этапе разработки систем машинного обучения.

Наука о данных: куда пойти учиться?

Какие сегодня имеются возможности получения образования в области исследования данных с учетом того, что продолжительный цикл обучения в системе высшего образования работодателей уже не устраивает?