Telegram Web Link
​​Знайомтеся — це Тимур Болотюх, Machine Learning Lead в компанії PlantIn з екосистеми Genesis. Застосунок PlantIn використовує технологію Machine Learning для розпізнавання рослин та автоматичного підбору плану догляду за ними. Тож сьогодні Тимур розповів про дані, які підходять алгоритму машинного навчання, а також про специфіку тренування моделей👇

⚙️Які дані підходять алгоритму Machine Learning?

Щоби натренувати нейромережу, потрібні величезні набори даних. Уявімо, що ми натренували свою модель на картинках поганої якості. Коли користувач завантажить якісне фото у великому розширенні, алгоритм просто не розпізнає зображення, адже для нього це зовсім інші дані. Тому вони мають бути ретельно відібрані та приведені до єдиного формату. Підготовка та систематизація даних для моделі називається розміткою — цим займаються окремі команди.

✍️Як відбувається тренування моделі?

На практиці для більшості задач можна взяти вже готову натреновану архітектуру, довчити її на своїх даних, адаптувати та отримати хороші результати. Наприклад, є популярний датасет ImageNet, на якому вимірюють точність усі популярні архітектури — це один мільйон зображень і одна тисяча класів. І всі нові архітектури, що з'являються, уже натреновані на цьому датасеті. Їх називають «притреновані». Умовно, ці алгоритми вже на старті можуть відрізнити на фотографії велосипед від людини. Завдання розробника — адаптувати її під свій проєкт, наприклад, навчити відрізняти фікус від дифенбахії.

⚡️Чи можна натренувати одну велику модель, яка автоматично зможе розпізнавати будь-які зображення?

У випадку з Computer Vision для вирішення завдань з класифікації існує підхід Zero-shot learning. З ним можливе створення класифікатора, який може розв'язувати довільну задачу з визначення класу без навчальних прикладів. Але в нашому випадку це не спрацює. Ми використовуємо підхід Fine-Grained Image Classification (FGIC), адже деякі рослини можуть бути схожі, але належатимуть до різних класів.

#genesis_team
​​🤔 Що дратує тимлідів: 7 болей керівника технічної команди

Керівник команди, як правило, відповідає за кінцевий продукт, стежить за термінами та наявністю всіх необхідних ресурсів. Однак найголовніше й водночас найскладніше завдання управлінця — перетворити групу людей з різними навичками, запитами та амбіціями на злагоджений механізм.

Олександр Барило, Front End Team Lead в Boosters, у матеріалі для корпоративного блогу Genesis розповів про найпоширеніші труднощі, з якими зіштовхуються тимліди. Тож переглядайте допис, аби дізнатися, якими ці труднощі бувають та як їх долати, і читайте повний матеріал у блозі!
​​🗣Офлайн-мітап DOU Front-End у партнерстві з Genesis!

Запрошуємо на перший в Києві офлайн-мітап DOU для фронтенд-розробників.
У програмі заходу — лекції досвідчених спікерів, нетворкінг, розіграш подарунків від партнерів і фуршет.

Спікери та теми:
▪️«Твій стек жахливий! Але чому це добре?», Головченко Олександр, Front-End Engineer у MacPaw;
▪️«Оптимізація продуктивності в React-апці», Олексій Подобед, Front-End Tech Lead в Yalantis.

📍Коли та де?
29 серпня о 18:00 в iHub (Київ, вул. Хрещатик, 10).

🔗 Кількість місць обмежена, тому поспішайте зареєструватися, щоби забезпечити свою участь.

#dou #genesis #frontend
⚡️Від Middle до Senior: QA Engineer

Які навички необхідні QA-фахівцю для досягнення сеньйор-ґрейду? У рубриці «Від Middle до Senior» разом з Іриною Ольховик, Head of Manual QA у компанії SUITSME з екосистеми бізнесів Genesis, розповідаємо як градація впливає на рівень компетенцій та завдань QA-інженерів.

Ірина навела приклади технік тест-дизайну, технологій і навичок, які варто опанувати QA Engineer на кожному етапі професійного розвитку. Гортайте допис, щоби дізнатися більше!👇
2024/09/23 21:23:00
Back to Top
HTML Embed Code: