Заработок на капче автоматом: Автоматический заработок на капче

Заработок на капче автоматом: Автоматический заработок на капче

Восемь лучших сайтов с капчей в 2022 году

Работа в качестве решателя Captcha для организаций и сайтов ввода Captcha, таких как Captcha Club, Captcha2, MegaTyper, Captcha Typer, Kolotibablo и других, является одним из самых простых способов заработать деньги. Мы изучили несколько лучших сайтов Captcha и на основе наших выводов составили список лучших сайтов для работы по вводу капчи.

Является ли работа по вводу капчи законной?

Captcha — это процесс проверки человеком, чтобы гарантировать, что никакие автоматизированные боты или программы не смогут присоединиться к их сайту. Многие предприятия требуют масштабной регистрации на десятках тысяч сайтов в Интернете. Они могут разработать автоматическое программное обеспечение для регистрации на сайтах, однако не существует технологии, позволяющей автоматически отвечать на капчи. Поэтому для решения каптч требуются люди. Когда их программа создает учетные записи на этих сайтах, она сталкивается с каптчей и отправляет изображение капчи специалисту по решению каптч. У вас есть ограниченное количество времени, чтобы набрать точные символы, изображенные на картинке, и вы должны быть достаточно точны, чтобы решить эти головоломки. Вот где вы можете заработать дополнительные деньги на стороне с помощью этих интернет-занятий, и при этом вам не придется ничего вкладывать. Это легкая внештатная работа, если вы просто хотите заработать дополнительные деньги, а не карьеру в кино, здравоохранении, технологиях или в любой другой отрасли. Хотя задания с капчей могут казаться законными, ими можно легко злоупотребить. Работа с капчей не всегда выполняется с добрыми намерениями, и некоторые люди используют ее для спама или взлома — две вещи, с которыми вы не хотите быть связанными. К сожалению, как решатель капчи, вы можете не знать о намерениях запрашивающего.

₽0.00

Скачать бесплатно

₽0.00

Скачать бесплатно

₽0.00

Скачать бесплатно

₽0.00

Скачать бесплатно

₽0. 00

Скачать бесплатно

₽0.00

Скачать бесплатно

₽0.00

Скачать бесплатно

Какой сайт Captcha лучший?

Многие люди могут работать на этих платформах в качестве дополнительного дохода, работая из дома. В результате вы можете получать прибыль от этих интернет-занятий, ничего не вкладывая. Если вы заинтересовались, посетите сайты, перечисленные ниже, зарегистрируйтесь на каждом из них и начните решать капчи.

MegaTypers

MegaTypers — это отличный сайт онлайн-занятости, где вы можете зарабатывать от $0,45 до $1,5 за 1000 набранных слов. Этот сайт платит большинству работников по вводу данных до $250 в месяц. MegaTypers платит вам с помощью PayPal, WebMoney, Payza, Western Union и других методов.

ProTypers

ProTypers — это собрание экспертов по вводу данных. Еще один сайт, где пользователи могут зарабатывать до 200 долларов в месяц, взламывая картинки капчи, — этот. ProTypers открыт для людей со всего мира.

Kolotibablo

В течение последних 5+ лет Kolotibablo.com предоставляет работу в интернете на дому, и многие клиенты получают свои выплаты в срок. Они платят до $1 за каждую 1000 набранных капч, а возможно и больше. Kolotibablo.com предлагает систему оценок, чтобы поощрить наиболее продуктивных сотрудников более высокой оплатой. Чем больше точности вы продемонстрируете, тем больше денег вы заработаете. Сначала вам придется работать немного больше, чтобы получить деньги, но со временем вы сможете найти действительно прибыльную должность на этой платформе.

2Captcha.com

2Captcha.com — один из самых известных и надежных сайтов captcha. Начать работать на нем можно с компьютера или даже смартфона. Сначала необходимо зарегистрироваться на сайте 2captcha, после чего вы пройдете краткое обучение. По сути, курс научит вас решать различные виды капч за короткий промежуток времени. После прохождения обучения вы сможете приступить к работе над любой капчей, которая будет доступна. Ставка составляет 1 доллар за каждую 1000 капч.

FastTypers

FastTypers — это сайт, который ценит своих сотрудников и платит им до $1,5 за 1000 выполненных капч. В ночные часы, особенно между 12 и 5 часами ночи, процент выполнения капчи будет просто выше.

QlinkGroup

QlinkGroup будет платить вам раз в неделю. Это сервис капчи из двух слов с чувствительностью к регистру. Чтобы получить деньги, вы должны выполнить не менее 800 капч на один ID в неделю.

CaptchaTypers

Еще один хороший сайт, предлагающий работу по решению Captcha Solve Jobs, — CaptchaTypers. Регистрация на CaptchaTypers совершенно бесплатна. Многие сомнительные сайты или частные лица просят плату за регистрацию для административной панели CaptchaTypers. Никому ничего не нужно платить. Многие люди со всего мира работают на CaptchaTypers и зарабатывают около $200 в месяц, разгадывая капчи. Вы должны набирать текст быстро, чтобы избежать тайм-аута, иначе ваш аккаунт будет приостановлен на 30 минут. Их скорость меняется в течение времени. С 9 вечера до 9 утра вы получите самые выгодные тарифы.

PixProfits

Еще одно отличное место для поиска работы по решению капчи онлайн, где платят больше за 1000 решенных капч. Сайт больше не принимает новых регистраций. Вы должны часто заходить на сайт, чтобы узнать, не открылась ли регистрация.

Заключение

Вы не сможете заработать много денег, выполняя работу с капчей. Это физически тяжелая работа, за которую платят очень мало. Я надеюсь, что эта информация будет полезна тем, кто не ищет быстрых денег.

Просмотров: 355

Какая программа лучше всего подходит для автоматического ввода капчи – Лайфхакер

Навигатор статей Открыть

Рубрики статей:

Обзорные статьи по бизнесу (177)

Заработок в Telegram (4)

Заработок на удаленной работе и фриланс (100)

Заработок на Ebay и интернет-аукционах (3)

Заработок на простых действиях в интернете (53)

Заработок на cpa, партнерских программах (81)

Заработок на сайтах и блогах (20)

Заработок на копирайтинге (58)

Заработок на интернет-магазине (16)

Обзорные статьи о заработке в интернете (29)

Заработок на рекламе в интернете (9)

Заработок на инвестировании (20)

Заработок на памм-счетах и форекс (1)

Заработок в Вконтакте (25)

Заработок на YouTube (60)

Заработок в Facebook (31)

Заработок в Instagram (37)

Правовая база и статьи по бизнесу (91)

Заработок на криптовалюте (18)

Заработок на недвижимости (5)

Заработок на авито и досках объявлений (14)

Заработок в Одноклассниках (9)

Показать еще

4955 05.

05.2016

Заработок на простых действиях в интернете

На сегодняшний день обход ввода капчи с помощью специальных программ превратился в целую индустрию заработка – многие сервисы предлагают свои услуги, другие выпускают автоматические программы для ввода капчи, однако все еще человек справляется с распознанием капчей намного быстрее и точнее, чем бот. Поэтому если вам необходимо лучшее решение для обхода капчи, в этой статье вы найдете ссылки на несколько сервисов для массового и эффективного ввода капчи.

Содержание

• 1 Когда и как можно воспользоваться автоматическим вводом капчи?
• 2 Как работают программы по вводу капчи?
• 3 Какие сервисы предлагают лучшие решения для обхода капчи?

Когда и как можно воспользоваться автоматическим вводом капчи?

Капча является одним из самых популярных в интернете способов проверки пользователя, который позволяет отличить программу-бота от настоящего человека.

Если вы лишь изредка сталкиваетесь с капчами, вам не потребуется решение для обхода этой проверки в интернете.

Однако когда требуется массовое распространение рекламы, множественная регистрация на сайтах или другие действия, которые обычно блокируются сайтами с помощью проверки-капчи, в этом случае просто не обойтись без программы, предлагающей автоматическое распознавание капчи.

Сегодня используется два основных способа обхода капчи с помощью программ:

• это полностью автоматизированные решения-боты;
• полуавтоматические программы, в которых непосредственно распознание доверяется человеку

В целом, иногда полезными оказываются полностью автоматизированные программы, при работе которых распознание обеспечивает специальный бот. Распознание происходит либо благодаря непосредственной расшифровке символов, замаскированных на рисунке капчи, либо с помощью взлома сайта или подбора правильных вариантов ответа из базы данных. Впрочем, автоматические программы-боты не гарантируют 100%-ное распознание и даже сталкиваясь с несложными капчами обеспечивают распознание на уровне 70-75%.

Как работают программы по вводу капчи?

Самые лучшие на сегодняшний день программы по распознанию капчи – полуавтоматические, для работы которых используется специальный скрипт. Для их работы необходимо зарегистрироваться на сайте-поставщике услуг, определить задачу, например это скрипт массовой регистрации на определенном сайте или распространение заданной информации в интернете, после чего программа запускается и начинает свою работу. Она является полуавтоматической, потому что все капчи проходят через работников сайта, которые вручную распознают изображения. Однако сам процесс выполнения заданной задачи программой выполняется автоматически.

На распознание капчи обычно уходит около 15 секунд. Сразу после распознания программа направляет человеку следующую капчу и процесс повторяется, пока не достигается нужное количество распознаний. Боты не способны выполнить такую задачу столь быстро и эффективно.

Смотрите видео – Как ZennoPoster 5 может распознавать сложные капчи

Антикапча-сервис ручного распознаванияНад распознаванием капчи работают живые люди, поэтому сервису подвластно все, что способен распознать человек:

текстовые капчи, графические капчи: ReCaptcha V2, KeyCaptcha, FunCaptcha и др.

Зарегистрироваться>>>

Какие сервисы предлагают лучшие решения для обхода капчи?

В интернете существует множество сервисов, предлагающие программы, использующие эффективный скрипт для обхода капчи.

Лучшие из них:

• Rucaptcha.com;
• Anti-captcha.com;
• MegaTypers.com.

Все они предлагают качественные услуги по автоматическому вводу капчи. Новейший скрипт позволяет вводить капчи еще быстрее, а система оплаты за работу скрипта учитывает качество распознания, то есть сложные капчи для распознания могут стоит 10 копеек, а самые элементарные всего 1 копейку. Помните, что программы по вводу капчи не могут обойтись одними лишь скриптами, все капчи распознают люди, поэтому если решите использовать один из предложенных сервисов, учтите человеческий фактор, вовремя оплачивая услуги сервиса.

Поделиться

Как hCaptcha рассчитывает вознаграждение. Глубокое погружение в то, как мы рассчитываем… | by hCaptcha

Резюме

hCaptcha использует сложные модели машинного обучения, чтобы определить, являются ли ваши посетители людьми и верны ли ответы, которые они дают.

Каждый правильный ответ посетителя, повышающий нашу уверенность в правильности ответа, оплачивается по ставке, определяемой системой торгов в реальном времени для каждого типа простого задания, предлагаемого сервисом.

Примерная формула:
Окончательная награда = «Полезные» ответы[1] * Вознаграждение за задание * Скорость выполнения

[1] Правильные ответы от людей, которые правильно ответили на большинство полученных вопросов.

Справочная информация

hCaptcha создает совершенно новый источник дохода для веб-сайтов, вознаграждая их, когда их пользователи решают hCaptcha. Каждая hCaptcha — это простая задача, которая требует человеческого труда для компаний, создающих наборы данных для машинного обучения.

Полная история

Использование сервиса hCaptcha представляет интересную математическую задачу.

Наши системы должны сочетать несколько ответов на один и тот же набор вопросов от разных людей с небольшим процентом известных ответов («наземная правда»), чтобы определить «вероятно правильный ответ» с высокой точностью.

Мне кажется миди. Большинство людей согласились.

Рассмотрим следующий сценарий:

Посетитель 1 отвечает на все вопросы так же, как Посетитель 2, и оба отвечают на вопрос 1 так же, как и наземные данные. Теперь мы начинаем укреплять нашу уверенность в нескольких свойствах как посетителей, так и вопросов с неизвестными ответами:

1. Скорее всего, это люди, так как они правильно ответили на вопрос об истинности.
2. Они, скорее всего, будут одинаковыми (человеком или ботом), так как они сходятся в ответах на неизвестные вопросы.
3. Ответы на вопросы 2 и 3, скорее всего, будут B и C, так как они оба сказали одно и то же и согласуются с основной истиной.

Наша работа состоит в том, чтобы вычислить «вероятно правильный ответ» для каждого вопроса, который задают клиенты, используя наименьшее количество повторений на вопрос, чтобы добиться уверенности в этом ответе.

Наша цель — использовать ответы посетителей, которые менее чем на 100 % точны, повышая эффективность системы. Это увеличивает нашу работоспособность и, следовательно, вознаграждение, которое мы можем дать каждому веб-сайту за тот же объем трафика.

Базовое сравнение: Платформы Microwork

Платформы Microwork обычно предлагают возможность устанавливать требования для определенного минимального уровня точности работника и предшествующего объема работы. Это делается для того, чтобы ограничить работников, выполняющих задачу, теми, кто, вероятно, будет правильным.

Обзор этих сайтов показывает, что многие задания принимают только ответы от работников с точностью не менее 95% и 50-100 предыдущих задач выполненных.

hCaptcha не имеет такой роскоши. Мы должны задавать вопросы ботам, злонамеренным людям и, что наиболее важно, пользователям, о которых у нас нет предыдущей истории.

Мы должны быть максимально точными в наших суждениях, чтобы не допустить ботов, и максимально эффективно задавать вопросы, чтобы максимизировать прибыль сайта и пропускную способность системы.

Нам также необходимо предотвратить сговор и другие автоматические атаки, чтобы наши системы не принимали неправильный ответ только потому, что несколько человек говорят, что это правда.

Сделать это без большого количества предварительных ответов от одного и того же посетителя также непросто. На самом деле, мы можем получить только 3 или 9 ответов от конкретного посетителя.

Вы понимаете, что на этом экране задаются девять отдельных вопросов?

Это трудная задача в прикладной теории вероятностей, но мы добились существенного прогресса.

Наши модели достоверности уже достаточно хороши и постоянно совершенствуются по мере поступления новых данных.

Это позволяет нам присваивать ценность ответам пользователей, которые не являются верными на 100 % или верны на 95 %. Даже пользователи, которые только 90% или чуть менее правы, по-прежнему полезны в наших моделях.

И мы можем сделать это с всего несколькими ответами от них! Гораздо эффективнее, чем требовать 95% точности для 50–100 ответов.

Это важно, потому что мы заботимся о конфиденциальности посетителей .

Мы продаем работу, а не рекламу, поэтому нам не нужно постоянно идентифицировать и отслеживать посетителей на разных сайтах, устройствах, в браузерах и т. д., чтобы делиться этой информацией с рекламодателями, которым нужна демографическая информация о пользователях.

Посетитель из Индонезии столь же ценен, как и посетитель из Германии, если он может ответить на простой вопрос с той же точностью.

Наши модели также могут обнаруживать плохое поведение с очень небольшим количеством исторических данных. Таким образом, мы предпочитаем сохранять минимальное количество информации о посетителях, необходимое для функционирования системы, и в то же время давать им хороший опыт, т. е. не слишком часто переспрашивать, если мы думаем, что они, вероятно, не являются злонамеренными людьми.

Не допускать плохих актеров

Несмотря на приведенные выше ограничения, мы не хотим компенсировать плохим актерам или людям, пытающимся обмануть систему.

Рассмотрим следующее:

Оба посетителя в Сценарии 1 должны получить вознаграждение: их ответы добавили достоверности результатам, когда мы выполнили окончательные вычисления.

Если посетитель верен только на 50%, как в Сценарии 2, он вообще не обеспечивает никакой повышенной уверенности (то есть ценности): его ответы ничем не лучше, чем случайность.

Предоставление им вознаграждения уменьшит общий пул, доступный для хороших актеров, поэтому наша метрика для вознаграждений — « полезных человеческих ответов »; ответы, определенные ботами, не вознаграждаются. Ответы злонамеренных или некомпетентных людей также не представляют ценности для системы и равным образом равны нулю.

Скорость заполнения

Наконец, мы должны рассмотреть уникальное свойство системы hCaptcha: наши пользователи зависят от нее, чтобы не допустить злоумышленников!

Мы не можем отключить его, когда у нас заканчиваются компенсируемые задачи или когда сайт отправляет нам большой объем плохого трафика.

Точно так же нам нужно использовать часть выполняемой работы, чтобы обеспечить точность и откалибровать наши системы: если бы мы никогда не задавали вопросы, на которые уже знаем ответ, мы не смогли бы добиться такой же уверенности. Это означает, что каждый квартал мы корректируем вознаграждение за этот период в зависимости от процента задач, выполненных платными клиентами, по сравнению с калибровкой системы.

Рекламные сети используют термин «уровень заполнения» для обозначения процента доступных рекламных мест, заполненных платящими клиентами. В нашем случае это относится к проценту доступных «рабочих мест», используемых для вознаграждаемой работы.

Снятие и расходы на услуги

С ростом популярности машинного обучения мы видим, что многие издатели проявляют интерес к применению своих вознаграждений непосредственно к службам аннотаций. Мы планируем сделать это проще в ближайшие месяцы.

Для издателей, которые хотят просто обменять свои вознаграждения на доллары США, мы работаем на ежеквартальной основе. Эта временная шкала определяется основными ритмами бизнеса. Поскольку мы работаем с крупными корпоративными клиентами, платежные циклы редко бывают короткими. Выравнивание выплат с дебиторской задолженностью снижает бизнес-риски и делает нашу операционную модель безопасной и устойчивой, что в конечном итоге выгодно всем.

Будущее

На данный момент запрошенная работа превышает предложение, поэтому у нас есть 100% заполняемость, не считая задач по калибровке системы. Временные дисбалансы спроса и предложения — обычное явление на двусторонних маркетплейсах, поэтому мы ожидаем, что в будущем это может снизиться: например, большинство рекламных сетей обещают заполняемость на уровне 25–50%.

Однако по мере совершенствования наших моделей потенциальный доход каждого сайта увеличивается: это связано с тем, что повышение уверенности каждого посетителя и каждого ответа эффективно увеличивает доступно рабочих слотов для данного сайта.

Мы также регулярно вводим новые типы заданий, чтобы удовлетворить спрос клиентов, и постоянно работаем над тем, чтобы сделать наши продукты более полезными и своевременными для клиентов, что также должно увеличить доходы издателей.

Спасибо

Наконец, мы хотели бы поблагодарить вас за поддержку в этом путешествии.

Мы прилагаем все усилия, чтобы создать новый поток доходов, который не требует продажи личности ваших посетителей в качестве продукта. Сделать так, чтобы эта служба работала как для пользователей, так и для клиентов, — увлекательная, но сложная миссия, и ваше терпение и поддержка имеют большое значение.

Ваши комментарии, вопросы и предложения также приветствуются: напишите нам в любое время по адресу [email protected].

— Эли, Алекс и вся команда hCaptcha

Взлом CAPTCHA с помощью машинного обучения за 0,05 секунды | Роберто Ириондо

Модель машинного обучения взламывает системы CAPTCHA на 33 наиболее посещаемых веб-сайтах. Концепция основана на GAN

19 декабря 2018 г., Роберто Ириондо — Обновлено 5 мая 2020 г. необходимо ввести, прежде чем вы сможете получить доступ или сделать «что-то» в Интернете.

CAPTCHAS ( C OMPLETY А. Утомированные P UBLIC T Tests Oring C OMPUTER и H UMANS A Part) были разработаны, чтобы предотвратить автоматизированные программы. формы, доступ к файлам с ограниченным доступом, доступ к веб-сайту невероятное количество раз и другие) во всемирной паутине, подтвердив, что конечный пользователь является «человеком», а не ботом.

Тем не менее, в прошлом было предложено несколько атак на CAPTCHA, но ни одна из них не была такой точной и быстрой, как алгоритм машинного обучения, представленный группой исследователей из Ланкастерского университета, Северо-Западного университета и Пекинского университета, показанный ниже.

Рисунок 1 : Обзор подхода. Исследователи сначала используют небольшой набор несинтезированных CAPTCHA для обучения синтезатора CAPTCHA. (1) синтезатор CAPTCHA затем используется для создания синтетических CAPTCHA, которые в то же время (2) синтетические CAPTCHA используются для обучения базового решателя машинного обучения, (3) который уточняется для создания точно настроенного решателя не -синтезированные CAPTCHA. | [1]

Одним из первых известных людей, взломавших CAPTCHA, был Адриан Роузброк, который в своей книге «Глубокое обучение компьютерному зрению с помощью Python» [4] рассказывает, как он обходил системы CAPTCHA в E-ZPass New Йорк, использующий машинное обучение, где он использовал глубокое обучение для обучения своей модели, загрузив большой набор изображений с примерами CAPTCHA, чтобы взломать системы CAPTCHA.

Основное различие между решением Адриана и решением ученых-исследователей из Ланкастера, Северо-Запада и Пекина заключается в том, что исследователям не нужно было загружать большой набор изображений для взлома системы CAPTCHA, напротив, они использовали концепцию генеративно-состязательная сеть (GAN) для создания синтезированных CAPTCHA, а также небольшой набор данных реальных CAPTCHA для создания чрезвычайно быстрого и точного решателя CAPTCHA.

Генеративно-состязательные сети, представленные Яном Гудфеллоу вместе с другими исследователями [2], представляют собой архитектуру глубоких нейронных сетей, состоящую из двух нейронных сетей, которые конкурируют друг с другом в игре с нулевой суммой [3] для синтеза внешне аутентичных образцов. Это особенно полезно в сценариях, когда модель не имеет доступа к большому набору данных.

Рисунок 2: Целевые функции безопасности CAPTCHA. Образцы примеров были собраны из схем Baidu, Sina, Microsoft и JD. | [1]

Исследователи оценили свой подход, применив 33 текстовые схемы CAPTCHA, 11 которые в настоящее время используются 32 самыми популярными веб-сайтами в мире, оцененными Alexa. Включая схемы CAPTCHA, используемые Google, Microsoft, eBay, Wikipedia, Baidu и многими другими. Модель машинного обучения, используемая для атаки на эти системы CAPTCHA, требовала всего 500 несинтезированных CAPTCHA вместо миллионов примеров, как предлагали другие атаки до этой (например, атака Адриана).

Рисунок 3: Список текстовых схем капчи, используемых в качестве данных для обучения, а также тестирование решателя CAPTCHA на основе машинного обучения. | [1]

После того, как модель была инициализирована с учетом параметров безопасности CAPTCHA, показанных на рис. Рисунок 3 . Исследователи использовали 20 000 CAPTCHA для обучения модели предварительной обработки и 200 000 синтетических CAPTCHA для обучения базового решателя.

Прототип машинного обучения реализован с использованием Python. Модель предварительной обработки построена с использованием фреймворка Pix2Pix, который был реализован с помощью Tensorflow. Тонко настроенный решатель был написан с использованием Keras. [1]

Рисунок 4: настоящих Google CAPTCHA и синтетические версии, сгенерированные синтезатором CAPTCHA исследователей | [1]

После того, как генеративно-состязательные сети были обучены с использованием синтезированных и реальных образцов CAPTCHA, решатель CAPTCHA использовался для решения CAPTCHA с часто посещаемых веб-сайтов, таких как Megaupload, Blizzard, Authorize, Captcha.net, Baidu, QQ, reCaptcha, Википедия и другие. Уникальный подход этого метода заключается в том, что большинство CAPTCHA сайтов были решены с вероятностью успеха более 80%, что превышает 95% на таких сайтах, как Blizzard, Megaupload и Authorize.net, метод атаки, который оказался более точным по сравнению со всеми другими предыдущими методами решения CAPTCHA, в которых использовались большие необработанные обучающие наборы данных.

Рисунок 5: Сравнивает исследовательский решатель CAPTCHA с четырьмя предыдущими методами атаки для решения CAPTCHA. | [1]

Помимо повышенной точности, исследователи упомянули в своей статье, что их подход был не только более точным, но и более эффективным и менее дорогим для реализации по сравнению с другими методологиями [1]. Помимо того, что это первое решение на основе GAN для текстовых CAPTCHA, это открытая дверь для злоумышленников, следовательно, их эффективность и недорогость в реализации.

Тем не менее, этот подход имеет некоторые ограничения, такие как использование CAPTCHA с переменным количеством символов. Текущий подход использует фиксированное количество символов — если его увеличить, прототип сломается. Другой — использование переменных символов в CAPTCHA. Хотя прототип можно обучить для поддержки этого изменения, в настоящее время он этого не делает.

Для посещаемых веб-сайтов крайне важно использовать более надежные способы защиты своих систем, такие как меры по обнаружению ботов, диагностика кибербезопасности и аналитика, а также несколько уровней безопасности, таких как местоположение устройства, типы, браузеры и другие. — как они сейчас и даже более легкая цель для атаки.

ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ: Мнения, выраженные в этой статье, принадлежат автору(ам) и не отражают точку зрения Университета Карнеги-Меллона или других компаний (прямо или косвенно), связанных с автором(ами). Эти записи не предназначены для того, чтобы быть конечными продуктами, а скорее отражают текущее мышление, а также служат катализатором для обсуждения и улучшения.

Вы можете найти меня на моем веб-сайте, в Medium, Instagram, Twitter, Facebook, LinkedIn или через мою SEO-компанию.

I. Лучшие наборы данных для машинного обучения и науки о данных
II. Заработная плата ИИ устремляется к небесам
III. Что такое машинное обучение?
IV. Лучшие магистерские программы в области машинного обучения (МО) на 2020 год
V. Best Ph.D. Программы по машинному обучению (МО) на 2020 год
VI. Лучшие блоги по машинному обучению
VII. Ключевые определения машинного обучения
VIII. Взлом капчи с помощью машинного обучения за 0,05 секунды
IX. Машинное обучение и ИИ и их важные различия
X. Обеспечение успеха при начале карьеры в области машинного обучения (ML)
XI. Алгоритмы машинного обучения для начинающих
XII. Нейронные сети с нуля с кодом Python и математикой в ​​деталях
XIII. Создание нейронных сетей с помощью Python
XIV. Основные типы нейронных сетей
XV. Учебное пособие по моделированию Монте-Карло с Python
XVI. Учебное пособие по обработке естественного языка с помощью Python

Ссылки:

[1] Еще один решатель текстовой капчи: генеративный состязательный сетевой подход | Guixin Ye, Zhanyong Tang, Dingyi Fang, Zhanxing Zhu, Yansong Feng, Pengfei Xu, Xiaojiang Chen, Zheng Wang | Ланкастерский университет, Северо-Западный университет, Пекинский университет | https://www.lancaster.ac.uk/staff/wangz3/publications/ccs18.pdf

[2] Генеративно-состязательные сети | Ян Дж. Гудфеллоу, Жан Пуже-Абади, Мехди Мирза, Бинг Сюй, Дэвид Уорд-Фарли, Шерджил Озейр, Аарон Курвиль, Йошуа Бенжио | Департамент компьютерных наук и исследования операций, Университет Монреаля | https://arxiv.org/pdf/1406.2661.pdf

[3] Игры с нулевой суммой | Теория игр | Стэнфордский университет | https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/zero.