https://youtu.be/8z13MZiXdD4; Фантазия от AI: генеративно-состязательные сети; 1:23:39; Евгений Разинков: «Можно ли создавать новый контент с помощью нейронных сетей? Если да, то как? Лекция посвящена генеративно-состязательным сетям (англ. Generative Adversarial Network, GAN), которые способны синтезировать новые изображения, видео, текст. Будет рассмотрена эволюция генеративно-состязательных сетей, самые важные работы и результаты в этой области. Наличие математического образования поможет пониманию материала лекции, но не является обязательным.» https://youtu.be/QBcZ_K0E1hI; Глубокие нейронные сети в компьютерном зрении; 1:41:40; В 2011–2012 годах в машинном обучении произошла революция, появилось новое направление — Deep Learning (англ. глубокое обучение). Глубокие нейронные сети показывают очень высокие результаты при решении различных задач — от обработки естественного языка до анализа временных рядов. Особенно примечателен успех глубоких алгоритмов в компьютерном зрении. В рамках лекции были рассмотрены основные принципы глубоких алгоритмов и их применение в задачах компьютерного зрения. https://youtu.be/eknaDdlTxHM; Как машина узнает человека на фотографии?; 1:22:01; Распознавание лиц — это задача компьютерного зрения, заключающаяся в верификации или идентификации человека по фотографии лица. Лекция посвящена обнаружению и распознаванию лиц на изображениях с помощью глубоких нейронных сетей. Рассмотрены используемые архитектуры нейронных сетей и целевые функции. https://youtu.be/YMbbD__gMaI; Как машина читает и генерирует текст?; 1:15:51; Вторая лекция курса об искусственном интеллекте и машинном обучении Евгения Разинкова. Лекция посвящена методам машинного перевода и алгоритмам резюмирования текста — в рамках этих задач нейронной сети требуется выражать мысль на естественном языке. Евгений Разинков рассказывает о рекуррентных нейронных сетях, которые способны запоминать прочитанную информацию, и механизмах внимания, с помощью которого нейронная сеть определяет, что важно в данный момент, а что — нет.