Artificial Intelligence. Code and comments

  или прививка от искусственного интеллекта Сейчас, когда обучение созданию искусственного интеллекта  наряду с ковырянием в носу  преподают в продвинутых детских садах и утренний разговор с кофеваркой о перспективах урожая в Эфиопии стали реальностью, количество курсов "Создай себе немного интеллекта" уже невозможно сосчитать, то наверно осталось заполнить одну единственную пустующую нишу и написать статью на тему как не нужно делать data science В основе всего того, что сейчас называют data science и искусственный интеллект, лежит неплохо изученная и давно применяемая  шаманами для   запугивания сапиенс и выманивания денег  для описания и понимания реальной действительности обычная теория вероятностей с особо любимым разделом под названием математическая статистика. И это не про неё писали, что есть ложь, большая ложь и статистика. Это другая, математическая статистика и разница принципиальная. Матстат никогда и нигде не пытался определять что-то из реаль...

  Проверим чувствительность ИИ к маскировке. https://habr.com/ru/post/352436/   Предыдущая   статья   оставила ощущение недосказанности и две темы — блондинок и монстров не раскрыты были совсем. Попробуем исправить и начнем с монстров. Не секрет, что большинство систем распознавания используют ИИ для определения потенциальных кандидатов и нам тоже интересно проверить, как это у цифр. Возьмем тот же mnist изученный вдоль и поперек и сверточную сеть с параметрами accuracy: 0.9939. Текст приложен, можно проверить (заимствован с сайта keras.io и немного модифицирован). Нормальная точность, если epoch добавить, можно и 0.995. Код from keras.datasets import mnist from keras.layers import Input, Dense, Dropout, Conv2D, MaxPooling2D, Activation, Flatten from keras.models import Sequential from keras.optimizers import RMSprop from keras.utils import np_utils import numpy as np %matplotlib inline import matplotlib.pyplot as plt batch_size = 128 num_epochs...