Программа Intel® Student Ambassador

 
для искусственного интеллекта

Являясь участником Intel® AI Developer Program, вы можете получить доступ к новым оптимизированным инфраструктурам и технологиям, практическим занятиям и техническим ресурсам для выпускников и аспирантов ведущих университетов мира для дальнейшего развития в области искусственного интеллекта.

Преимущества

Бесплатное программное обеспечение, инструментальные средства и библиотеки

Прямой доступ к ресурсам Intel® AI DevCloud

Заблаговременный доступ к информации и аппаратным средствам


Знакомьтесь с глашатаями

Учащиеся-глашатаи представляют инновации, отраслевой опыт и научные достижения. Узнайте больше об областях интересов, опыте и проектах, а также знакомьтесь с их профилями в сети Mesh для разработчиков.

Участники-новички

Миланский технический университет

Индийский технологический институт (IIT), Бомбей

Калифорнийский университет (UCLA), Лос-Анджелес

Университет Южной Калифорнии (USC)

Индианский университет–Университет Пердью Индианаполис (IUPUI)

Последние обновления

Знакомьтесь с учащимися-глашатаями и их проектами, такими как роботизированные автомобили, автоматические подписи к изображениям, обработка естественных языков, самообучаемые машины и многими другими.

Результаты поиска: 35

Object Detection: A Comparison of Performance of Deep Learning Models on Edge Using Intel® Movidius™ Neural Compute Stick and Raspberry PI* 3

Последнее обновление: 18 апреля 2019 г.

Vehicle Detection involves finding whether there is vehicle present or not secondly which type of vehicle is present and how many vehicles are present. Basically, vehicle presence needs to be detected after detecting a vehicle it has to be...

Towards Privacy-Preserving Machine Learning

Последнее обновление: 18 апреля 2019 г.

When Artificial Intelligence involves some type of sensitive data, the problem is how to maintain the data privacy and security. This problem leads us to the concept of privacy-preserving machine learning. The idea mainly revolves around...

Implementing Attention Models in PyTorch*

Последнее обновление: 18 апреля 2019 г.

Recurrent Neural Networks have been the recent state-of-the-art methods for various problems whose available data is sequential in nature. Adding attention to these networks allows the model to focus not only on the current hidden state but also...

Страницы