0 added
0 removed
Original
2026-01-01
Modified
2026-02-21
1
<p>Онлайн-журнал для тех, кто влюблён в код и информационные технологии. Пишем для айтишников и об айтишниках.</p>
1
<p>Онлайн-журнал для тех, кто влюблён в код и информационные технологии. Пишем для айтишников и об айтишниках.</p>
2
<p>Российский институт искусственного интеллекта AIRI совместно с разработчиками из Sber AI, а также с исследователями МГУ и Минералогического музея имени А. Е. Ферсмана<a>представил</a>датасет для обучения нейросетей определению минералов по фото. Это поможет разрабатывать модели машинного обучения для быстрой классификации горных пород.</p>
2
<p>Российский институт искусственного интеллекта AIRI совместно с разработчиками из Sber AI, а также с исследователями МГУ и Минералогического музея имени А. Е. Ферсмана<a>представил</a>датасет для обучения нейросетей определению минералов по фото. Это поможет разрабатывать модели машинного обучения для быстрой классификации горных пород.</p>
3
<p>Исследователи рассказали, что всего известно около 6 тысяч разновидностей минералов. Из них только несколько сотен хорошо изучены и представляют ценность для промышленности. Такие породы активно добывают и перерабатывают. Остальные минералы настолько редкие, что не каждый геолог видел их вживую. Из-за этого процесс их классификации может затягиваться на несколько дней. За это время геологи успевают просмотреть фотографии наиболее похожих образцов и найти закономерности.</p>
3
<p>Исследователи рассказали, что всего известно около 6 тысяч разновидностей минералов. Из них только несколько сотен хорошо изучены и представляют ценность для промышленности. Такие породы активно добывают и перерабатывают. Остальные минералы настолько редкие, что не каждый геолог видел их вживую. Из-за этого процесс их классификации может затягиваться на несколько дней. За это время геологи успевают просмотреть фотографии наиболее похожих образцов и найти закономерности.</p>
4
<p>С помощью представленного датасета можно разработать модель машинного обучения, которая сможет определять вид минерала по его фотографии. Система призвана освободить геологов от рутинных задач и минимизировать ошибки визуального анализа, при котором их количество может достигать 20%.</p>
4
<p>С помощью представленного датасета можно разработать модель машинного обучения, которая сможет определять вид минерала по его фотографии. Система призвана освободить геологов от рутинных задач и минимизировать ошибки визуального анализа, при котором их количество может достигать 20%.</p>
5
<p>Также с помощью датасета можно автоматически определять приблизительный размер образца. Система может предположить длину и ширину объекта по фотографии, и это позволяет быстро подобрать коробку для хранения минерала.</p>
5
<p>Также с помощью датасета можно автоматически определять приблизительный размер образца. Система может предположить длину и ширину объекта по фотографии, и это позволяет быстро подобрать коробку для хранения минерала.</p>
6
<p>Для составления набора данных исследователи использовали коллекцию Минералогического музея имени А. Е. Ферсмана, в которой хранится более 170 тысяч образцов. За всё время существования музея удалось описать около 5 тысяч видов полезных ископаемых.</p>
6
<p>Для составления набора данных исследователи использовали коллекцию Минералогического музея имени А. Е. Ферсмана, в которой хранится более 170 тысяч образцов. За всё время существования музея удалось описать около 5 тысяч видов полезных ископаемых.</p>
7
Пример таблицы данных из датасета<em>Скриншот: Сергей Нестерук / "<a>Яндекс Диск</a>"</em><p>Датасет опубликован на <a>GitHub</a>и "<a>Яндекс Диске</a>". В каждой таблице содержатся изображения минералов, описание и название на русском и английском языках, размеры и данные для составления классификации. Архив весит около 6 Гб и доступен бесплатно.</p>
7
Пример таблицы данных из датасета<em>Скриншот: Сергей Нестерук / "<a>Яндекс Диск</a>"</em><p>Датасет опубликован на <a>GitHub</a>и "<a>Яндекс Диске</a>". В каждой таблице содержатся изображения минералов, описание и название на русском и английском языках, размеры и данные для составления классификации. Архив весит около 6 Гб и доступен бесплатно.</p>
8
<a><b>Бесплатный курс по Python ➞</b>Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>
8
<a><b>Бесплатный курс по Python ➞</b>Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>