Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
AlphaGo и сдвиг окна ожиданий от ИИ
Победа AlphaGo над Ли Седолем - это не только технический результат. Это момент, после которого разговор об ИИ перестаёт быть только про распознавание.
TensorFlow в открытом доступе: что это меняет для не-исследователей
Google открыл TensorFlow в ноябре 2015-го. Разбираю, что это значит для компаний, которые не занимаются академическими исследованиями.
TensorFlow и переход машинного обучения из исследований в инженерную дисциплину
Что открытый релиз TensorFlow меняет для компаний: пайплайн, воспроизводимость и развёртывание становятся основным вопросом, а не алгоритмы.
Классификация текста как практический базовый уровень для предприятий
До того как волна глубокого обучения изменила NLP, классическая классификация текста уже решала реальные задачи. Что умеет, где останавливается и как начать.
Градиентный бустинг: машинное обучение, которое уже работает в продакшне
Почему ансамблевые методы - случайные леса и градиентный бустинг - стали первым реальным ML для бизнеса, и как об этом думать руководителю.
Машинный перевод улучшается, но корпоративный разрыв сохраняется
Почему впечатляющие результаты нейронного перевода не означают, что компания может убрать переводчиков из рабочих процессов.
Глубокое обучение: что за хайпом и что до него ещё не доросло
Что текущая волна интереса к нейросетям означает для компаний, у которых нет исследовательской лаборатории.
Рекомендательные системы: что нужно до того, как они заработают
Что на самом деле требуется для запуска рекомендательной системы и почему большинство проектов спотыкаются до того, как добираются до алгоритма.
Нейронный перевод входит в продуктовую зону
Что изменилось в машинном переводе в 2014 году и почему это важно для компаний с большим объёмом текстового контента.
Обработка текста становится практичной: что это значит для бизнеса
Инструменты анализа и обработки текста добрались до уровня, когда ими можно пользоваться без исследовательской лаборатории. Что с этим делать.
Машинное обучение для среднего бизнеса: что реально, что нет
Честный разбор того, какие задачи машинное обучение решает для компаний без исследовательских лабораторий, а какие остаются академическими.
Машинное обучение во фроде: где ИИ сохраняет деньги, а где только усложняет расследование
Разбор контура принятия решений и проблемы объяснимости в антифродовых системах на основе ML.