Машинное обучение, Machine Learning

10 лучших проектов по машинному обучению

Обучение искусственного интеллекта — задача непростая, но затраченные усилия сполна окупятся невероятными результатами, которых можно достичь благодаря ИИ. Хотите узнать больше о самых классных проектах по машинному обучению? Читайте нашу подборку.

Magenta

Magenta

Magenta — детище компании Google, принцип работы которого основан на технологии машинного обучения. ИИ способен создавать музыкальные композиции, а также умеет работать с изобразительным искусством. Кроме того, инструмент может самообучаться и развиваться. Главная цель Magenta — разработка алгоритмов, которые смогут сочинять музыку и создавать другие произведения искусства, основываясь на уже существующих.

TensorFlow

Tensor Flow

TensorFlow — это фреймворк для построения нейросетей и работы с ними от команды Google Brain. По своей сути, TensorFlow — огромная нейронная сеть, используя которую, можно не только решать различные задачи, но и обрабатывать данные для поиска правильного решения.

Подробнее о новой версии TF мы писали тут: Обзор TensorFlow 2.0

Deep Photo Style Transfer

Deep photo style transfer

Deep Photo Style Transfer будет интересен не только программистам, но и тем, кто занимается фотографией и обработкой изображений. Эта программа способна скопировать особенности стиля одной фотографии и перенести их на другую, при этом сохранив фотореалистичность.

Fast Style Transfer in TensorFlow

Fast Style Transfer in TensorFlow

Fast Style Transfer in TensorFlow — технология на базе TensorFlow, которая, подобно предыдущей, может переносить стиль одного изображения на другое. Основное отличие состоит в том, что с помощью Fast Style Transfer вы можете преобразовать свои фотографии в картины, выполненные в технике любого художника, или накладывать на них различные визуальные эффекты.

Style2Paints

Style2Paints

Style2Paints станет хорошим помощником для тех художников, которые боятся цвета. Искусственный интеллект способен самостоятельно раскрасить изображение, при этом он может не только взять за основу цветовую гамму другой картинки, но и создать свои стили.

Unity Machine Learning Agents

unity

Unity Machine Learning Agents — интересный и полезный продукт для разработчиков и научных сотрудников. Разработанный софт способен симулировать различные ситуации и игры для обучения ИИ — это делается с помощью API Python при использовании Unity Editor. В Unity Machine Learning Agents вы также можете имитировать различные среды для обучения искусственного интеллекта.

Deep-image-prior

deep-image-prior

Вам нужно реставрировать изображение или повысить его разрешение? Используйте Deep-image-prior. Эта программа использует нейронные сети, чтобы убрать с изображения шумы и улучшить его качество. Одной из самых любопытных особенностей проекта является возможность восстановить утраченные части изображения, используя нейросеть.

Читайте в блоге: Обзор TensorFlow 2.0

GANimation

GANimation

GANimation — ИИ, который анимирует лица. Чтобы сотворить чудо, технологии нужно лишь одно изображение, при этом анимация не покажется жуткой, а будет максимально приближена к мимике реального человека. Для определении эмоций и при составлении сценария лицевых движений используются двигательные единицы.

Deep voice conversion

Deep voice conversion

Deep voice conversion — это инструмент для работы со звуком. С его помощью можно имитировать голос любого человека, сохраняя при этом тембр, речевые особенности и многое другое. Для синтеза, естественно, понадобятся реальные записи или живой пример.

Face Recognition

face recognition

Face Recognition — простая, но полезная технология, задействующая машинное обучение. Способна практически со стопроцентной вероятностью распознать лицо человека. При этом нейросеть работает в режиме реального времени и может понять, кто изображен на фотографии.

В SkillFactory есть три специализации для желающих изучать машинное обучение:

Курс по Python для анализа данных

Курс по Machine Learning

Курс по нейронным сетям и deep learning

текст: Манятовская Анна

Поделиться: