Новостная лента об искусственном интеллекте и машинном обучении

Главные новости и публикации каждый день! Будьте на шаг впереди: узнавайте первыми про новые идеи, тренды и инновации в сфере технологий

Улучшение алгоритма регрессии на основе ансамбля деревьев с использованием искусственного интеллекта в C#.

Метод регрессии на основе ансамбля деревьев решений может повысить точность модели за счет обучения на различных подмножествах данных. Этот метод, предшественник случайного леса, был оптимизирован с использованием искусственного интеллекта для достижения выдающейся точности в демонстрации с использованием синтетических данных.

Усильте кибербезопасность с помощью технологий OpenAI и AWS на платформе Amazon Bedrock.

Специалисты по кибербезопасности сталкиваются с сокращением времени, в течение которого уязвимости остаются незакрытыми. Компании AWS и OpenAI предлагают решения Daybreak Red и Blue для продвинутой защиты от кибератак.

Модели искусственного интеллекта осваивают принципы реальной физики.

Инженеры из Массачусетского технологического института (MIT) и Университета Цинхуа разработали GeoPT, новый подход к предварительному обучению моделей искусственного интеллекта, который позволяет моделям изучать физику с помощью трехмерных симуляций. Это обеспечивает более быстрые и точные результаты при использовании до 60% меньше данных. GeoPT может предсказывать, как транспортные средства, п...

Цены на дома в Бостоне: подход к построению модели регрессии опорными векторами (SVR) с нуля.

Автор переработал систему Support Vector Regression (SVR) с использованием языка Python, достигнув результатов, сопоставимых с модулем SVR в библиотеке scikit-learn. Популярность SVR снизилась из-за того, что Kernel Ridge Regression (KRR) обладает более простой реализацией и обеспечивает более высокую точность прогнозов.

Оптимизируйте процессы разработки в области искусственного интеллекта: интерактивные среды разработки на платформе Amazon EKS с использованием сервиса SageMaker AI.

Дополнение Amazon SageMaker AI Spaces для Amazon EKS упрощает процессы разработки в области искусственного интеллекта, предоставляя управляемые среды JupyterLab и редактор кода непосредственно на кластере. Это устраняет необходимость использования отдельных развертываний, экономя время и ресурсы, а также оптимизируя использование графических процессоров до 30%.

Ускорение развертывания агента FinOps с помощью Amazon Bedrock AgentCore.

Компания nOps улучшает аналитику FinOps с помощью Amazon Bedrock AgentCore, оптимизируя условия использования облачных ресурсов у крупных провайдеров. Переход к специализированной архитектуре ускоряет вывод продуктов на рынок и снижает сложность операционной деятельности.

Оптимизация клинических политик с помощью Amazon Bedrock AgentCore.

Медицинские страховые компании сталкиваются с трудностями в ручном процессе предварительного согласования из-за неструктурированных правил. Инновационное решение на основе искусственного интеллекта от компании Cohere Health позволяет оцифровать эти правила для обеспечения эффективной и масштабируемой работы.

Путь в плей-офф: применение методов оптимизации с ограничениями в Национальной хоккейной лиге (НХЛ).

Центр инноваций в области генеративного искусственного интеллекта AWS разработал автоматизированную систему для определения сценариев выхода команд в плей-офф Национальной хоккейной лиги (NHL) с использованием методов программирования с ограничениями. Сложные правила определения победителей и 32 команды делают ручной анализ сценариев трудоемким, поэтому была создана математически точная и эффек...

Создание глубокой нейронной сети с использованием JavaScript.

Реализация системы регрессии на основе глубокой нейронной сети на языке JavaScript заняла всего 90 минут и дала точные результаты. Эволюция JavaScript от простого инструмента до ведущего языка демонстрирует его универсальность и значимость в мире технологий.

Оптимизация трафика ИИ: установка ограничений скорости на шлюзе AgentCore.

Шлюз AgentCore от Amazon предоставляет функцию ограничения скорости для более точного контроля трафика искусственного интеллекта, обеспечивая доступность сервисов, работающих дальше, даже при высокой нагрузке. Он предлагает централизованные метрики ограничения скорости для различных типов целей, включая лимиты на количество запросов, лимиты на использование токенов и лимиты на количество подклю...

Оптимизация больших языковых моделей для повышения производительности в Amazon SageMaker.

SDK для Python, версия 3, сервиса Amazon SageMaker теперь предлагает рекомендации по использованию генеративного искусственного интеллекта непосредственно в вашем рабочем процессе, автоматизируя оптимизацию и развертывание. Эта новая функция упрощает процесс тестирования, генерирует экономически эффективные рекомендации и обеспечивает бесшовное развертывание конфигураций.

Создание помощника по ипотеке с использованием платформы LendingTree на базе Amazon Bedrock.

Компания LendingTree использует платформу Amazon Bedrock для создания многофункционального помощника по ипотечным кредитам, который с помощью искусственного интеллекта помогает заемщикам принимать сложные решения. Это решение обеспечивает точную информацию, прозрачные рекомендации и защиту данных пользователей, устанавливая новый стандарт в отрасли.

MASE: Новый подход к оценке регрессионных моделей.

Машинное обучение с использованием регрессии направлено на предсказание одного числового значения с использованием таких метрик, как среднеквадратичная ошибка (MSE), точность и R2. MASE – менее распространенная метрика, которая предлагает альтернативный способ оценки качества прогнозов в стандартных сценариях регрессионного анализа.

Решение проблемы выбора растворителя.

Исследователи из Массачусетского технологического института под руководством Цзю Ли разрабатывают стабильные натриево-металлические аккумуляторы в качестве недорогой альтернативы литий-ионным батареям. Молекула электролита под названием DMTMSA, как сообщается в журнале Joule, демонстрирует перспективные результаты в решении проблем стабильности натриевых аккумуляторов.

Эффективная линейная регрессия с использованием C# и алгоритма QR-Холецкого.

Три метода обучения линейных регрессионных моделей: стохастический градиентный спуск (SGD), псевдообратная матрица слева и псевдообратная матрица MP. Псевдообратная матрица MP предлагает шесть основных алгоритмов, при этом QR-Householder является предпочтительным вариантом для реализации.