Borys Rybak “How to make your data smart with Artificial Intelligence and Machine Learning services”

Editor's Notes

1. Building theIntelligent future. Transforming the Business withArtificial Intelligence.
2. Artificial Intelligence is term widely used nowadays but it lacks a common definition.
3. Wikipedia: “Machines showing capabilities that are typically associated with human intelligence”.
4. AI nie jest nowe. Byliśmy w podróży rozszerzania ludzkich możliwości przez wiele dekad. Głównie w trzech obszarach. Mechanika. Elektronika. Komputery.  Przenieśmy się do roku 1877 i pomyślmy o pierwszych kalkulatorach które potrafiły działać lepiej niż ludzie, nawet jeśli chodzi o opcje mechaniczne jakim był Kalkulator Granta (1877).  Elektronika otworzyła nowe horyzonty dla świata AI. Naturalne doświadczenie jakim było Voder, maszyna zdolna naśladować ludzki głos. Czy też pierwsze próby wnioskowania, rozumowania oraz interakcji Maszyn (Test Turinga). Następnie komputery przyniosły graficzne interfejsy użytkownika, rozmpoznawanie mowy czy samojeżdżące auta – wczesny 1994. Więc dlaczego mówimy o SZTUCZNEJ INTELIGENCJI teraz? Sam postęp technologiczny przez te wszystkie lata zdawał się rozwijać liniowo, jednakże 3 rzeczy dramatycznie się zmieniły – szybkość innowacji: Zaawansowanie w algorytmach AI (DNN, czyli deep learning z sieciami neuronowymi) Potężna moc obliczeniowa dostępna w chmurze. Big data umożliwiające trenować się tym algorytmom (poteżny zestaw danych do nauki).
5. Buduj niezwykłe kompetencje za pomocą zestawu Cortana Skills Kit Nasze narzędzia i technologie umożliwiają tworzenie głęboko zintegrowanych, atrakcyjnych środowisk pracy z Cortaną.
6. Buduj niezwykłe kompetencje za pomocą zestawu Cortana Skills Kit Nasze narzędzia i technologie umożliwiają tworzenie głęboko zintegrowanych, atrakcyjnych środowisk pracy z Cortaną. Rozmawiaj – Rozmawiaj z użytkownikami Aplikacje – Uruchamiaj kod aplikacji klienckich na urządzeniach Złożoność – Łańcuch umiejętności do rozwiązywania złożonych problemów Niestandardowość – Twórz niestandardowe umiejętności za pomocą profilu Cortany Strumień – Przesyłaj strumieniowo dźwięk do użytkowników Zasoby – Używaj istniejących zasobów do szybkiego rozpoczęcia tworzenia umiejętności
7. Microsoft is forging ahead to make FPGA processing power available to external Azure developers for data-intensive tasks like deep-neural-networking tasks.
8. Why choose these APIs? They work, and it’s easy. Easy:  The APIs are easy to implement because of the simple REST calls.  Being REST APIs, there’s a common way to implement and you can get started with all of them for free simply by going to one place, one website, www.microsoft.com/cognitive.  (You don’t have to hunt around to different places.)  Flexible:  We’ve got a breadth of intelligence and knowledge APIs so developers will be able to find what intelligence feature they need; and importantly, they all work on whatever language, framework, or platform developers choose. So, devs can integrated into their apps—iOS, Android, Windows—using their own tools they know and love (such as python or node.js, etc.). Tested: Tap into an ever-growing collection of powerful AI algorithms developed by experts. Developers can trust the quality and expertise build into each API by experts in their field from Microsoft’s Research organization, Bing, and Azure machine learning and these capabilities are used across many Microsoft first party products such as Cortana, Bing and Skype. 
9. Project Oxford
10. Boty, oprogramowanie Office czy usługi kognitywne (czy wszystko naraz) mogą ulepszyć Twoją aplikację i sprawić, że będzie wyjątkowa.
11. Chatboty – nieludzkie Agenci – ludzcy (uczucia, etc.) Frictionless human-like conversations Seamless integration that enables contextual dialogue Intelligence built on deep reinforcement learning
12. Darmowy, łatwy w użyciu, otwarty zestaw narzędzi, który trenuje algorytmy głębokiego uczenia się, w taki sposób jak uczy się ludzki mózg.
13. For whom like to do some research about these teams’ work, LeNet (1998), AlexNet (2012) , GoogleNet(2014), VGGNet (2014), ResNet(2015) are worth to look. Each of these network architectures have unique approach to different problems. For example, AlexNet has parallel two CNN line trained on two GPUs with cross-connections, GoogleNet has inception modules ,ResNet has residual connections. According to the paper published in 2015, 152-layer ResNet was the deepest network trained on ImageNet at that time. And as promised it has lower parameter than of VGG Net which is 8x times smaller in depth. This has quite impact on faster training performance. This improvements results in winning the 1st place in ILSVRC classification competition on ImageNet with 3.57% top 5 error.
14. https://medium.com/@bakiiii/microsoft-presents-deep-residual-networks-d0ebd3fe5887 For those in the deep learning field, this approach seem familiar. Yes you are right, it is actually similar principle introduced with Long Short Term Memory (LSTM) cells. Long Short Term Memory
15. Dziś z przyjemnością ogłaszam, że nasz zespół badawczy osiągnął 5,1-procentowy poziom błędu dzięki naszemu systemowi rozpoznawania mowy, nowy kamień milowy w branży, znacznie przewyższający dokładność, jaką osiągnęliśmy w ubiegłym roku. Centrala telefoniczna to zbiór nagranych rozmów telefonicznych, z których społeczność badaczy mowy korzysta od ponad 20 lat w celu testowania systemów rozpoznawania mowy. Zadanie polega na transkrypcji rozmów między nieznajomymi, którzy dyskutują na takie tematy, jak sport i polityka. https://catalog.ldc.upenn.edu/ldc97s62 STOPA BŁĘDU.
16. FREE SITs !
17. 36
18. 3/16/2018 5:01 PM