Next Page: 10000

          Docker + Tensorflow — easiest way to use Tensorflow      Cache   Translate Page      
none
          ML Solutions Architect - Alexa AI - Amazon Technologies, Inc. - Seattle, WA      Cache   Translate Page      
Frameworks and Infrastructure with tools like Apache MXNet and TensorFlow, API-driven Services like Amazon Lex, Amazon Polly and Amazon Rekognition to quickly...
From Amazon.com - Tue, 08 Jan 2019 21:02:35 GMT - View all Seattle, WA jobs
          [Freelancer] NLP Machine Learning      Cache   Translate Page      
From Freelancer // Text classification problem (will be used python) Looking for experts in NLP, ML (scikit learn, keras, tensorflow etc.)
          Gmail bloque désormais 100 millions de spams supplémentaires chaque jour avec l'IA, grâce à TensorFlow, le framework de machine learning de Google      Cache   Translate Page      
Gmail bloque désormais 100 millions de spams supplémentaires chaque jour avec l'IA
Grâce à TensorFlow, le framework de machine learning de Google

Google continue d'améliorer la sécurité de son application de messagerie Gmail. La firme a mis en place de nouvelles protections basées sur TensorFlow, son propre framework open-source d'apprentissage machine, afin d'obtenir des gains supplémentaires de sécurité, a rapporté Neil Kumaran, chef de produit de la technology de lutte contre les abus chez Google,...
          Kindleストアで独習や絵本シリーズ、RやTensorFLow、AWSなどの書籍が50%OFFとなる「翔泳社祭」が開催中。      Cache   Translate Page      
翔泳社祭 50%OFF
 Kindleストアで独習や絵本シリーズ、TensorFLow、R、AWSなどの書籍が50%OFFとなる「翔泳社祭」が開催中です。詳細は以下から。  2019年02月08日からAmazonのKindleストアや楽天Kob
          ML Solutions Architect - Alexa AI - Amazon Technologies, Inc. - Seattle, WA      Cache   Translate Page      
Frameworks and Infrastructure with tools like Apache MXNet and TensorFlow, API-driven Services like Amazon Lex, Amazon Polly and Amazon Rekognition to quickly...
From Amazon.com - Tue, 08 Jan 2019 21:02:35 GMT - View all Seattle, WA jobs
          ML Solutions Architect - Alexa AI - Amazon Technologies, Inc. - Seattle, WA      Cache   Translate Page      
Frameworks and Infrastructure with tools like Apache MXNet and TensorFlow, API-driven Services like Amazon Lex, Amazon Polly and Amazon Rekognition to quickly...
From Amazon.com - Tue, 08 Jan 2019 21:02:35 GMT - View all Seattle, WA jobs
          ML Solutions Architect - Alexa AI - Amazon Technologies, Inc. - Seattle, WA      Cache   Translate Page      
Frameworks and Infrastructure with tools like Apache MXNet and TensorFlow, API-driven Services like Amazon Lex, Amazon Polly and Amazon Rekognition to quickly...
From Amazon.com - Tue, 08 Jan 2019 21:02:35 GMT - View all Seattle, WA jobs
          Développeur Fullstack (C++, TensorFlow ou PyTorch) / Fullstack Developer (C++, TensorFlow or PyTorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Wed, 06 Feb 2019 17:46:37 GMT - View all Montréal, QC jobs
          Développeur Full Stack (Python/JavaScript avec Tensorflow/Pytorch) / Full Stack Developer (Python/JavaScript with Tensorflow/Pytorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Thu, 24 Jan 2019 17:46:38 GMT - View all Montréal, QC jobs
          Data Scientist - Terminal - Montréal, QC      Cache   Translate Page      
Development experience using numpy, pandas, scikit-learn, tensorflow... Hims / Hers is a health and wellness brand revolutionizing the game of preventative...
From Terminal - Sat, 10 Nov 2018 01:01:14 GMT - View all Montréal, QC jobs
          Senior or Lead Pirate Data Scientist - Autodesk - Montréal, QC      Cache   Translate Page      
R, Pandas, Jupyter, scikit, TensorFlow, etc. Senior or Lead Pirate Data Scientist....
From Autodesk - Fri, 09 Nov 2018 16:53:17 GMT - View all Montréal, QC jobs
          Google обучила Gmail обнаруживать до 100 млн спам-сообщений ежедневно      Cache   Translate Page      
TensorFlow является открытой программной библиотекой для машинного обучения, которая была создана компанией Google. Она используется для создания и тренировки нейронных сетей, чтобы они могли автоматически находить и классифицировать образы на уровне человеческого восприятия.
          Data Scientist - Terminal - Montréal, QC      Cache   Translate Page      
Development experience using numpy, pandas, scikit-learn, tensorflow... Hims / Hers is a health and wellness brand revolutionizing the game of preventative...
From Terminal - Sat, 10 Nov 2018 01:01:14 GMT - View all Montréal, QC jobs
          Senior or Lead Pirate Data Scientist - Autodesk - Montréal, QC      Cache   Translate Page      
R, Pandas, Jupyter, scikit, TensorFlow, etc. Senior or Lead Pirate Data Scientist....
From Autodesk - Fri, 09 Nov 2018 16:53:17 GMT - View all Montréal, QC jobs
          Gmail korištenjem strojnog učenja još bolje blokira spam poruke      Cache   Translate Page      
Upotrebom vlastite tehnologije TensorFlow Google je unaprijedio spam filtere koji sada blokiraju dodatnih 100 milijuna neželjenih poruka na dan
          Computer Vision Projects with OpenCV and Python 3      Cache   Translate Page      
Computer Vision Projects with OpenCV and Python 3: Six end-to-end projects built using machine learning with OpenCV, Python, and TensorFlow
          TensorFlow Machine Learning Projects      Cache   Translate Page      
TensorFlow Machine Learning Projects: Build 13 real-world projects with advanced numerical computations using the Python ecosystem
          Google supprime 100 millions de spams par jour      Cache   Translate Page      
TensorFlow est un framework d’apprentissage automatique développé en open source par Google. Le géant du web a ajouté deux nouvelles protections basées sur cet outil pour améliorer ses capacités de détection. Maintenant, le dispositif débusque les catégories de spam qui étaient très difficiles à trouver. Entre autres les messages basés sur les images, les contenus […]
          Développeur Fullstack (C++, TensorFlow ou PyTorch) / Fullstack Developer (C++, TensorFlow or PyTorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Wed, 06 Feb 2019 17:46:37 GMT - View all Montréal, QC jobs
          Développeur Full Stack (Python/JavaScript avec Tensorflow/Pytorch) / Full Stack Developer (Python/JavaScript with Tensorflow/Pytorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Thu, 24 Jan 2019 17:46:38 GMT - View all Montréal, QC jobs
          我第一次谈人工智能      Cache   Translate Page      

不知道谁这么坏,给起了一个人工智能这个词,让通过科幻片才了解啥叫智能的普罗大众老误解人工智能,就像现在我仍然对智能手机这个词有微言,这怎么就智能了呢?从现在表现出来的人工智能规模应用来说,本质上就是个概率统计的事,和智能根本不沾边,倒是和人工挺沾边,需要人工做大量的数据标准化加工、数据标注,再喂给算法。所以,有必要理解人工智能需要啥基础、人工智能为啥火了、人工智能能干啥。

(1)主航道

20年前,我来北京的时候带了六本书:Windows核心编程、TCP/IP协议第一卷、数据库原理、CORBA系统结构(2000年在北京买的)、人工智能专家系统、Delphi高级开发指南。这六本书基本把从操作系统层到网络层,从数据层到逻辑层到UI层全都涵盖。

20年后,2018年,我提出了技术下半场:UI人机交互靠人工智能视觉识别/语音交互、传感器/IOT万物物联,逻辑处理靠人工智能关联推荐算法,数据靠区块链来整合各方数据源,算力靠云计算(量子计算还谈不上)。我们各种应用应该在这样一个基础技术环境下来重新考虑用户的问题、用户的应用场景、用户的应用设计。

20年前,我和同寝室的舍友讲:未来是你要找的正在找你,未来手机就是能移动的电脑,未来汽车也是能移动的电脑。说这话,已经过去了快20年。这三个都是极其高的门槛。

未来是你要找的正在找你,这里面涉及三个问题:你是谁,你在哪儿,怎么触达你。你是谁,在今天来说,就是用户主数据、就是统一ID、就是画像标签、还包括你的关系网络;所谓统一ID,就是唯一识别你,如你的身份证号、你的手机号/邮箱地址、你的设备MAC号和cookies、你的社交网络账号如微信/QQ/微博、你的交易支付账号如支付宝,当然也包括你这张脸;你在哪儿,所以各种定位你的方式都有用,如GPS、4G、WIFI、人脸识别(车牌识别)都是关键需要。怎么触达你,所以各种通信通达也很有价值,如短信/电话、邮件、IM、移动app消息/手机通知中心、智能助手/智能音箱。

未来手机就是能移动的电脑,目前已经实现。产生了诸多巨头公司,如在芯片层面的ARM和高通,操作系统层面的iOS和Android、手机层面的iPhone和小米。应用层面更是百花齐放,有语音消息之于微信、GPS之于滴滴、摄像头AI美颜之于直播抖音。

未来汽车也是能移动的电脑,这个目前正在如火如荼之中。Google先铺垫了十年,在很多基础技术方面积累很深。2017年开始,百度人工智能方面的科技人才纷纷离职百度创业,不少人投身的方面就是新能源无人驾驶汽车产业链。新能源动力引擎简化了不少汽车的研发设计、零部件、制造工艺、成本,直接跳过了传统汽车最复杂最核心的内燃机和变速箱,这为互联网企业造车提供了基础条件,但电池又成为了新的核心技术。车辆控制方面需要的芯片和OS,环境感知方面需要的传感器和摄像头,路径规划方面需要的GPS和地图,这条产业链很长。互联网造车是个必经的阶段,来自易车网和易鑫汽车金融的李斌的蔚来汽车、来自汽车之家的李想的车和家、来自UC创始团队的何小鹏的小鹏汽车、还有大家说的“大忽悠”贾跃亭的FF汽车,只有这些来自互联网的人,才能把未来汽车造成移动电脑的本质。

我之所以在这篇文章开首这么谈,主要想告诉大家:未来人工智能技术的应用主航道在哪里。

(2)人工智能基石完备了

人工智能三大关键基础基石:算法、算力、数据。

人工智能三大技术领域:视觉识别、语音交互、自然语言处理。

人工智能这个技术领域,已经六十年了,主要在算法层面在钻研。但缺乏算力和数据,所以算法的优化一直很慢。

2016年,人工智能热潮再次引爆,为啥引爆?这是因为Google做了四件大事:

1、算法:简化了多层深度神经网络算法,让算法复杂度大大降低一个等级,让算力需求量缩小,让数据需求量缩小,便于在算力、数据存储都很受限的移动设备、物联设备环境内使用。因为移动设备、物联设备是未来主要的应用场景

2、算力:于2016年发布了专门AI运算的TPU芯片,专门为AI运算优化

3、工具:于2016年开源了Tensorflow最初始版本,把算法内置在代码工具里,可以让普通公司也能使用AI技术

4、应用:于2016年发布了AlhpaGo,并全世界挑战围棋大师,数战成名。想起上世纪90年代人工智能热的时候,也是IBM的深蓝服务器搞了国际象棋应用挑战了全球国际象棋大师一战成名。

至于数据嘛:

1、数据产生:人手一部的智能移动手机、智能设备OS、摄像头/麦克风/传感器,让多媒体数据(语音/照片/视频)产生数量级的爆炸;

2、数据传输:4G5G有利于数据随时随地高速传输带宽

3、数据存储:NOSQL有利于各种数据扩展存储;

4、数据计算力:以Spark为代表的大数据技术平台有利于海量数据处理;

这些基础技术的大规模商用,让数据产生、采集、传输、存储、计算,提供了完整的基础支撑。所以这次人工智能又再次活了过来。

现在,在计算世界:IOT端-边缘端-管端-云端,人工智能需要的:算力、算法、数据三大核心要素,全都具备了。

而中国人喜欢做的,是解决方案,从芯片/处理服务器(云计算),到软(AI处理引擎)硬件(商用摄像头/语音交互音箱)具体应用,到行业场景,一揽子。这是中国的特点,只有这样在中国才能挣钱、中国客户才买单。

(3)过去:自然语言处理

其实在2016年AlphaGo火爆、人工智能创业热和VC投资热之前,人工智能已经被广泛应用了,只不过我们那时候不把他们当做人工智能这么酷的词来看待。

那就是自然语言处理这一大人工智能分支,它崛起于文字内容互联网时代。算法用的最多就是分类聚类。

在文本内容生产方面,如何做到热点选题,如何做到智能起标题党可以提高文章打开率,如何智能提取关键内容让读者很快抓住重点,如何内容结构化让文章更思路清晰,如何快速且精准地审核防范内容风险,如何给内容自动分类、智能打标签,这都得益于自然语言处理技术。

在文本内容消费方面,应用最广的就是:精准搜索、关联推荐。Google和百度的精准搜索、关联广告,淘宝京东的商品关联推荐、千人千面商品展示,今日头条的关联推荐、滴滴的人车物流最佳匹配调度、菜鸟网络的车货物流最佳匹配调度,皆是此技术的代表应用。舆情监控与自动处理也算这个范畴。

在文本内容交互方面,如今所谓流行的文本智能交互机器人(IM),其实也是这个技术的价值应用,省却了很多售前售后接待的工作量。

自然语言处理技术通过分类聚类算法,还能实现一个非常有价值的应用,那就是关联图谱。人和人之间的关系图谱、企业和企业之间的关系图谱、商品之间的关系图谱、人和企业之间的关系图谱、人和商品之间的关系图谱。这给精准营销、交易转化带来了很高的价值。

自然语言处理技术最成熟,开源的引擎也很多,我们只要在自己的行业的各个场景充分应用它,就能发挥巨大价值。我现在在各行各业的企业信息化领域也很少看到应用自然语言处理技术的,大多数企业信息化都以业务流程处理为重心,不以数据处理为重心。

再着重重复讲一句话:咱们都是技术的先驱者。咱们认为一场技术大战已经格局已定没什么机会了,其实在广袤的中国各行各业,它的应用机会才刚刚规模化来临。

(4)现在:视觉识别

人工智能目前火爆并实用的第一波应用就是:视觉识别。更确切地讲,应该是人脸识别。

为啥视觉识别这么宽的领域,独独是人脸识别应用先崛起?无他,智能手机高清摄像头普及后,自拍人脸数据量增多了,美颜萌照应用需求也在拉动,所以才会被规模性引爆。

一、视觉识别在数字内容方面的应用

1、美颜、萌照

2、媒体:内容审查与内容处理。想起小编为了波叔处理了三天三夜就觉得这视觉识别价值真高

3、医疗:影像对比识别

4、教育:在线教育题库拍照识别搜题

二、人脸识别在社会基础设施方面的应用

人脸识别首先在安全要求高的场景中被广泛应用:如雪亮工程城市安防、公检法、社保民政(不知道你给你爸爸妈妈在手机App上做过养老金续领的人脸认证不);如交通要塞(机场/火车站/地铁);如和钱交易支付有密切关系的金融(不知道你体验过眨眨眼睛或动动嘴摇摇头的人脸识别支付不 )。

三、人脸识别在线下营销方面的应用

媒体行业是内容吸引用户流量,靠营销广告变现。现在线下广告,如电台电视台、户外路牌、楼宇海报、报纸杂志,都做不到流量统计、用户识别、用户行为跟踪,这为他们的广告业务增长带来了阻力。户外路牌、楼宇海报首先进行了自我革命,加装了摄像头,加入了人脸识别技术,各个广告被多少人看了,人们看的行为反应是什么,这些人都是些什么特征的人,全都知道。

四、人脸识别在线下零售方面的应用

亚马逊的Amazon Go智能无人零售商店,顶棚安满了摄像头进行商品识别、消费者人脸识别、消费者购物路径的跟踪、消费者购物行为跟踪。只有这样做,才能做到和线上同样的功效。因为在在线上很容易很低成本做到的用户流量统计、用户识别、用户行为跟踪,在线下需要很复杂的技术才能做到。电子商务就是得益于用户流量统计、用户识别、用户行为跟踪这三大基础应用,所以能比线下零售做到更优秀的智能广告投放流量吸引、智能选品、智能陈列、智能关联推荐、智能定价、智能促销活动、智能实时优惠券,而线下零售就是受制于这些线下技术达不到线上的效果,所以线下的零售转化率不高。

(5)未来:语音交互

我最早应用语音合成(文字转语音)是在做企业信息化的时候,主要的应用场景是:医院门诊药房叫号让患者来窗口取药、客服中心自动语音导航播报。所以现在只要使用语音播报的地方,都大量采用了人工智能语音合成,不需要人工。

现在最火的是语音-语音识别,在教育领域实用性最强,如口语测验与矫正,如音乐弹奏(演唱)测验与矫正。所以作为中国语音技术第一股科大讯飞,主要就扎堆在教育应用领域。现在火热的智能音箱、儿童陪伴机器人创业,其实利用的也都是这个技术。

语音技术什么时候可以赚大钱,可能真的需要等互联网造车成熟。在车上,手、脚、眼睛都在忙碌,只有语音可以解放出来。

记住,没有消费级的应用出现,技术无处安放。

image


          Security: Apple, Social Engineering and SPAM Detection With TensorFlow      Cache   Translate Page      

read more


          gorgonia - Gorgonia is a library that helps facilitate machine learning in Go.      Cache   Translate Page      
Gorgonia is a library that helps facilitate machine learning in Go. Write and evaluate mathematical equations involving multidimensional arrays easily. If this sounds like Theano or TensorFlow, it's because the idea is quite similar. Specifically, the library is pretty low-level, like Theano, but has higher goals like Tensorflow. The main reason to use Gorgonia is developer comfort. If you're using a Go stack extensively, now you have access to the ability to create production-ready machine learning systems in an environment that you are already familiar and comfortable with.

          Gmail bloque 100 millions de spams supplémentaires par jour grâce à l'IA      Cache   Translate Page      
Grâce à son outil maison TensorFlow (entre autres), Google annonce bloquer plus de 100 millions de spams supplémentaires... chaque jour ! Avec plus d'un milliard d'utilisateurs dans l [...]
          智能测绘树木的app      Cache   Translate Page      
现在想做这样的一个app,包括ios 和 android 2个平台。 需求: 1.能够开启手机摄像头,拍摄数目,能够测绘出数目的高度尺寸,树干粗细尺寸,并且能够精确到厘米级别,然后把树木数据保存起来,上传到远程的服务器上。 2.建立树木库,可以进行比较。 3.可能会用到ar 或者 vr 框架系统。 4.可能会用到oracle 数据库,因为要存储1亿棵以上数量的树。 5.可能会用到tensorflow等人工智能神经网络学习框架。 (Budget: $20000 - $50000 USD, Jobs: Android, iPhone, Java, Mobile App Development, Objective C)
          智能测绘树木的app      Cache   Translate Page      
现在想做这样的一个app,包括ios 和 android 2个平台。 需求: 1.能够开启手机摄像头,拍摄数目,能够测绘出数目的高度尺寸,树干粗细尺寸,并且能够精确到厘米级别,然后把树木数据保存起来,上传到远程的服务器上。 2.建立树木库,可以进行比较。 3.可能会用到ar 或者 vr 框架系统。 4.可能会用到oracle 数据库,因为要存储1亿棵以上数量的树。 5.可能会用到tensorflow等人工智能神经网络学习框架。 (Budget: $20000 - $50000 USD, Jobs: Android, iPhone, Java, Mobile App Development, Objective C)
          ML Solutions Architect - Alexa AI - Amazon Technologies, Inc. - Seattle, WA      Cache   Translate Page      
Frameworks and Infrastructure with tools like Apache MXNet and TensorFlow, API-driven Services like Amazon Lex, Amazon Polly and Amazon Rekognition to quickly...
From Amazon.com - Tue, 08 Jan 2019 21:02:35 GMT - View all Seattle, WA jobs
          (MEX-MEXICO CITY) SOLUTION ARCHITECT EDW      Cache   Translate Page      
**Job Description** Designs & implements cognitive solutions which may run on multiple platforms and composed of multiple software packages based on direction of Solution Architect. May also advise Solution Architect. Designs and develops the architecture of the Cognitive Solutions from a systemic standpoint. Responsible for creating the technical solution architecture for a given business problem and taking a leadership role in overseeing the ultimate development, integration and testing of the solution. Requires in-depth knowledge of system engineering principles, cloud architectures, awareness of behavioral characteristics of probabilistic and stochastic systems, solid understanding of system decomposition techniques, and the art and science of system synthesis using available cognitive technology. Requires in-depth knowledge of system engineering principles, cloud architecture, awareness of behavioral characteristics of probabilistic and stochastic systems, solid understanding of system decomposition techniques, and the art and science of system synthesis using available cognitive technology. Expected to know the capabilities of Watson technology suite, and experience in selecting complementary analytics components for development of solution blueprint, accounting for performance architecture and engineering of a fully functional cognitive system. Expected to have a thorough understanding of content formats, representations, data sources, content management systems and interfaces to these, with the goal of covering the full information path from source to knowledge base and from input to processing the content in Cognitive Computing solutions. Expected to have knowledge and experience in the following skills: Data Science, Machine Learning, Git, Agile, SQL, Python, R, Predictive Modeling, Algorithms, Web Scraping, TensorFlow, Deep Learning, Statistics, Natural Language Processing, Cognitive, IBM Watson Conversation Service Foundation, Watson, Cognitive Market, Cognitive Technologies, Cloud, Cloud_Cognitive, Analytics, Cloud_Sales, Cloud_Seller, Bluemix, Watson, IoT, Data Science, IBM and Big Data platforms e.g. Hadoop, Hive, Spark, Hortonworks, Watson Data platform **Required Technical and Professional Expertise** Requires in-depth knowledge of system engineering principles, cloud architectures, awareness of behavioral characteristics of probabilistic and stochastic systems, solid understanding of system decomposition techniques, and the art and science of system synthesis using available cognitive technology. Requires in-depth knowledge of system engineering principles, cloud architecture, awareness of behavioral characteristics of probabilistic and stochastic systems, solid understanding of system decomposition techniques, and the art and science of system synthesis using available cognitive technology. **Preferred Tech and Prof Experience** Expected to have knowledge and experience in the following skills: Data Science, Machine Learning, Git, Agile, SQL, Python, R, Predictive Modeling, Algorithms, Web Scraping, TensorFlow, Deep Learning, Statistics, Natural Language Processing, Cognitive, IBM Watson Conversation Service Foundation, Watson, Cognitive Market, Cognitive Technologies, Cloud, Cloud_Cognitive, Analytics, Cloud_Sales, Cloud_Seller, Bluemix, Watson, IoT, Data Science, IBM and Big Data platforms e.g. Hadoop, Hive, Spark, Hortonworks, Watson Data platform **EO Statement** IBM is committed to creating a diverse environment and is proud to be an equal opportunity employer. All qualified applicants will receive consideration for employment without regard to race, color, religion, gender, gender identity or expression, sexual orientation, national origin, genetics, disability, age, or veteran status. IBM is also committed to compliance with all fair employment practices regarding citizenship and immigration status.
          தமிழின் எதிர்காலமும் தகவல் தொழில்நுட்பமும்      Cache   Translate Page      
தமிழின் எதிர்காலமும் தகவல் தொழில்நுட்பமும் 25. தமிழ் – ஆங்கிலம் இயந்திர மொழிபெயர்ப்பு Posted by இரா. அசோகன் October 4, 2018 இயந்திர மொழிபெயர்ப்புக்கு மூன்று வகையான அணுகல்கள் உள்ளன. இவை விதி சார்ந்த இயந்திர மொழிபெயர்ப்பு (Rule-Based Machine Translation – RBMT), புள்ளிவிவர இயந்திர மொழிபெயர்ப்பு (Statistical Machine Translation – SMT) மற்றும் கலப்பு (Hybrid) இயந்திர மொழிபெயர்ப்பு. விதி சார்ந்த இயந்திர மொழிபெயர்ப்பு விதி சார்ந்த இயந்திர மொழிபெயர்ப்பில் இந்த இரண்டு வகைகள் உண்டு. மேலோட்டமான மொழிமாற்றம் (Shallow transfer) மற்றும் ஆழ்ந்த மொழிமாற்றம் (Deep transfer). அபெர்டியம் (Apertium) ஒரு கட்டற்ற திறந்த மூல விதி சார்ந்த இயந்திர மொழிபெயர்ப்பு தளம் ஆகும். இது குனு பொது உரிமத்தின் கீழ் வெளியிடப்பட்டுள்ளது. இது ஒரு மேலோட்டமான-மொழிமாற்ற இயந்திர மொழிபெயர்ப்பு அமைப்பு ஆகும். தற்பொழுது, அபெர்டியம், இந்தி – உருது சேர்த்து, 40 நிலையான மொழி இணைகளை வெளியிட்டுள்ளது, இது இந்தி – உருது போன்ற நெருக்கமாக தொடர்புடைய மொழிகளுக்கு இடையில் மொழிபெயர்க்கவே வடிவமைக்கப்பட்டது, இருப்பினும் இது சமீபத்தில் மாறுபட்ட மொழி இணைகளுக்கும் விரிவாக்கப்பட்டுள்ளது. ஒரு புதிய இயந்திர மொழிபெயர்ப்பு அமைப்பு உருவாக்க, XML வடிவங்களில் மொழி தொடர்பான தரவுகளை (அகராதிகள், விதிகள்) மட்டும் உருவாக்க வேண்டும். தமிழ் ஒரு கட்டற்ற சொல் வரிசை மொழி. ஆகவே தமிழிலிருந்து ஆங்கிலத்துக்கு மொழிபெயர்ப்பதில் துல்லியம் குறைவு. ஆங்கிலத்திலிருந்து தமிழுக்கு மொழிபெயர்ப்பதில் துல்லியம் அதிகம். மூல மொழியில் ஒரு சொற்பகுப்பியல் ஆய்வியும் இலக்கு மொழியில் ஒரு சொற்பகுப்பியல் உருவாக்கியும் அபெர்டியம் இயந்திர மொழிபெயர்ப்பை தமிழுக்கு செயற்படுத்த முக்கியமானவை. ஹைதராபாத் பல்கலையில் பரமேஸ்வரி இவற்றை உருவாக்க செய்த முயற்சியின் முடிவுகள் இங்கே. சுமார் 68 ஆயிரம் சொற்கள் கொண்ட அகராதியைப் பயன்படுத்தி இருவேறு உரைத்தொகுப்புகளில் 85% சொற்களை மொழிபெயர்ப்பு செய்ய முடிந்ததாம். இயந்திர மொழிபெயர்ப்பு செய்முறை வரிசை விதி சார்ந்த இயந்திர மொழிபெயர்ப்புக்கு கீழ்க்கண்ட செய்முறை வரிசையைப் பின்பற்றுகிறோம்: பகுப்பாய்வு: பகுப்பாய்வின் போது, உள்ளீட்டைப் பாகுபடுத்த மூல மொழியில் செயலிகளும், இலக்கணம் மற்றும் அகராதியும் தேவை. மொழிமாற்றம்: வாக்கியக் கட்டமைப்பு மாற்றத்திற்கு ஒரு இலக்கணம் தேவை. சொற்களை மொழிமாற்றம் செய்ய இருமொழி அகராதி தேவை. உருவாக்கம்: கடைசியாக, இலக்கு மொழியில் உருவாக்க இலக்கணமும், அகராதியும் இறுதி மொழிபெயர்ப்புக்குத் தேவை. தமிழ் – ஆங்கிலம் இயந்திர மொழிபெயர்ப்பு புள்ளிவிவர இயந்திர மொழிபெயர்ப்பு மருத்துவ, நிதி அல்லது தொழில்நுட்பம் போன்ற குறிப்பிட்ட துறைக்கான பயிற்சி தரவுகளைப் பயன்படுத்தி பயிற்றுவித்தால், புள்ளிவிவர இயந்திர மொழிபெயர்ப்பு இயந்திரம் உயர் வெளியீடு தரத்தை நிரூபித்துள்ளது. ஒரு குறிப்பிட்ட துறைக்கு குறைந்த பட்சம் இரண்டு மில்லியன் சொற்கள் தேவை என்று பொதுவாகக் கருதப்பட்டாலும், அதைவிடக் குறைந்த தரவுகளை வைத்தே ஏற்றுக்கொள்ளத்தக்க தரத்தை அடைய முடியும் என்று சொல்கிறார்கள். நல்ல தரமான சீரமைக்கப்பட்ட இருமொழித் தொகுப்புகள் உருவாக்க செலவு அதிகம். எனினும் உருவாக்கிய பின்னர் அது நிறுவனத்துக்கு மதிப்பு மிக்க சொத்தாகும். புள்ளியியல் இயந்திர மொழிபெயர்ப்புக்கு மோசஸ் (Moses) ஒரு திறந்த மூல மென்பொருள். ஒரு மூல மொழியிலிருந்து ஒரு இலக்கு மொழிக்கு உரைகளை மொழிபெயர்ப்பு செய்ய புள்ளிவிவர மாதிரிகளை பயிற்றுவிக்க பயன்படுகிறது. பயிற்றுவித்த இந்த மாதிரிகளை வைத்து மூல மொழி உரைகளை மொழிபெயர்க்கலாம். பயிற்சி கொடுக்க இரண்டு மொழிகளில் வாக்கியங்கள் சீரமைக்கப்பட்ட ஒரு இணை உரைத்தொகுப்பு வேண்டும். இது LGPL உரிமத்தின் கீழ் வெளியீடு செய்யப்பட்டுள்ளது. விண்டோஸ், மேக் மற்றும் லினக்ஸ் கணினிகளில் ஓடும். ஐரோப்பிய ஒன்றிய நிதியுதவியில் உருவாக்கப்பட்டது. கலப்பு இயந்திர மொழிபெயர்ப்பு கலப்பு (Hybrid) இயந்திர மொழிபெயர்ப்பில் பொதுவாக RBMT மற்றும் SMT இரண்டும் உண்டு. இதை SYSTRAN போன்ற தனியுரிம நிறுவனங்களே பெரும்பாலும் பயன்படுத்துகின்றன. நரம்பியல் இயந்திர மொழிபெயர்ப்பு நரம்பியல் இயந்திர மொழிபெயர்ப்பு (Neural Machine Translation – NMT) என்பது ஒரு பெரிய செயற்கை நரம்பியல் பிணையத்தைப் பயன்படுத்தி அடுத்து வரும் சொற்களின் தொடர்ச்சியைக் கணிக்கிறது. இது பொதுவாக ஒருங்கிணைந்த முன்மாதிரியை வைத்து முழு வாக்கியங்களை உருவாக்க முயற்சிக்கிறது. நரம்பியல் இயந்திர மொழிபெயர்ப்பு என்பது புள்ளிவிவர இயந்திர மொழிபெயர்ப்பில் (SMT) வழக்கமாகச் செய்வதைவிடத் தலைகீழான மாற்றம் அல்ல. ஆகவே இதுவும் புள்ளிவிவர இயந்திர மொழிபெயர்ப்பில் ஒரு வகைதான். ஆனால் மிகவும் மேம்படுத்தப்பட்ட வகை. இதில் மொழி மாதிரியும், மொழிபெயர்ப்பு மாதிரியும், மறு சீரமைப்பு மாதிரியும் தனித்தனியாகக் கிடையாது. ஆனால் அடுத்து வரும் ஒவ்வொரு சொல்லாகக் கணிக்கும் ஒரு தனி வரிசைமுறை மாதிரி மட்டும் உண்டு. முழு மூல வாக்கியத்தையும் மற்றும் ஏற்கனவே தயாரிக்கப்பட்ட இலக்கு சொல் வரிசைமுறையையும் வைத்து இந்த வரிசைக் கணிப்பு நிர்ணயிக்கப்படுகிறது. ஆழமான NMT இதனுடைய நீட்டிப்பு ஆகும். ஒரே ஒரு அடுக்குக்குப் பதிலாக இது பல நரம்பியல் பிணைப்பு அடுக்குகளை செயல்படுத்துகிறது. இதை ஆழ்ந்த கற்றல் (Deep Learning) என்றும் சொல்கிறார்கள். இயந்திர மொழிபெயர்ப்பில் நரம்பியல் பிணையங்களைப் பயன்படுத்துவதற்கான முதல் அறிவியல் அறிக்கை 2014 இல் வெளிவந்தது. முதன்முதலாக 2015 ஆம் ஆண்டில், பொது இயந்திர மொழிபெயர்ப்பு போட்டியில் NMT அமைப்பு இருந்தது. அடுத்த ஆண்டு வெற்றியாளர்களில் 90% NMT பயன்படுத்தியவர்கள். 2016 க்குள், சிறந்த இயந்திர மொழிபெயர்ப்பு அமைப்புகளில் பெரும்பாலானவை NMT அமைப்புகள்தான். கூகிள், மைக்ரோசாப்ட் மற்றும் யாண்டெக்ஸ் மொழிபெயர்ப்பு சேவைகள் இப்போது NMT ஐயே பயன்படுத்துகின்றன. திறந்த மூல நரம்பியல் இயந்திர மொழிபெயர்ப்பு அமைப்பு, OpenNMT, ஹார்வர்ட் இயல்மொழி ஆய்வுக் குழுவால் வெளியிடப்பட்டது. OpenNMT என்பது நரம்பியல் இயந்திர மொழிபெயர்ப்புக்கான திறந்த மூல முன்முயற்சியாகும். இது அண்மைய ஆழ்ந்த கற்றல் தொழில்நுட்பத்தையே பயன்படுத்துகிறது. இது தற்போது 3 முக்கிய செயலாக்கங்கள் கொண்டது: லுவா (Lua), பைதான் – பைடார்ச்(PyTorch), பைதான் – டென்சார்ஃப்ளோ(TensorFlow). இவை மூன்றுமே தற்போது பராமரிக்கப்படுகின்றன. மூல நிரல்கள் கிட்ஹப்பில் பகிரப்பட்டுள்ளன. OpenNMT MIT உரிமத்தின் கீழ் வெளியிடப்பட்டுள்ளது. பங்களிப்போர் எண்ணிக்கையையும், பயனர் ஆர்வத்தைக் குறிக்கும் விண்மீன் குறியீடுகளையும் பார்த்தால் கூகிளின் டென்சார்ஃப்ளோதான் (TensorFlow) சவாலில்லாமல் முதலிடத்திலுள்ளது. இது அபாச்சி 2.0 திறந்த மூல உரிமத்தின் கீழ் வெளியிடப்பட்டுள்ளது. இது பைதான் மொழியில் எழுதப்பட்டுள்ளது. ஆனால் கருநிரல் C ++ மற்றும் CUDA வில் எழுதப்பட்டுள்ளது. CUDA என்பது வரைபடச் செயலகம் (GPU) நிரலாக்கம் செய்ய என்விடியா (Nvidia) மொழி. OpenNMT மென்பொருளை பயன்படுத்தி பயிற்றுவிக்க உங்களுக்கு இரண்டு கோப்புகள்தான் தேவை – மூல மொழிக்கோப்பு மற்றும் இலக்குமொழிக்கோப்பு. ஒவ்வொரு வரியிலும் ஒரு வாக்கியம்தான் இருக்க வேண்டும். சொற்களுக்கு இடையில் இடைவெளி இருக்க வேண்டும். வரைபடச் செயலகம் (GPU) சில்லு உள்ள கணினி தேவை OpenNMT நிரலைப் பயன்படுத்தி பயிற்றுவிக்க NVIDIA நிறுவனத்தால் தயாரிக்கப்பட்ட வரைபட செயலாக்கச் (GPU) சில்லு உள்ள கணினி தேவை. அதுவும் CUDA என்ற கருவித்தொகுதி மென்பொருள் ஓடக்கூடியதாக இருக்க வேண்டும். உங்கள் கணினியில் இவை உள்ளனவா என்று பார்க்க இங்கே செல்லவும். பெரிய அளவில் தரவைச் செயலாக்க வேண்டியிருப்பதால், பொதுவாக எந்த இயந்திர கற்றல் திட்டத்திற்கும் வரைபடச் செயலகம் சில்லு வைத்த கணினி தேவைப்படுகிறது. இயந்திர மொழிபெயர்ப்பு அணுகல்களில் நல்லதும் கெட்டதும் RBMT அமைப்புகள் மொழியின் மூன்று முக்கியமான குறைபாடுகளை எதிர்கொள்கின்றன: 1) ஒரு இயந்திரத்தைப் பொருத்தவரை மொழியின் உள்ளார்ந்த தெளிவின்மை. மனிதர்களைப் போல சொல்லின் பொருள் சார்ந்த உள்ளுணர்வு இயந்திரங்களுக்குக் கிடையாது. 2) விலக்கு அடிப்படையிலான இலக்கண அமைப்பு. 3) எப்போதும் விரிவாகிக்கொண்டிருக்கும் கலைச்சொற்கள் அகராதி. NMT அணுகுமுறை மொழி கட்டமைப்பை நன்றாகக் கற்றுக் கொள்ளும், ஆனால் RBMT அல்லது SMT போல் நீண்ட சொல் பட்டியலை ஞாபகம் வைத்துக் கொள்வதில் அவ்வளவு சிறப்பாக இல்லை. சொற்களின் பட்டியலை RBMT நன்றாகக் கையாளும், ஆனால் வாக்கிய அமைப்பு சரியாக வராது. SMT இவற்றுக்கு இடையில் உள்ளது. வாக்கியங்கள் சரளமாக வருவது போலிருக்கும், ஆனால் சில நேரங்களில் மொழிபெயர்ப்பு முற்றிலும் தவறானதாக இருக்கலாம். NMT பற்றிய சுவாரசியமான அம்சம் என்னவென்றால், PBSMT (சொற்றொடரை அடிப்படையாகக் கொண்ட SMT) யை விட இரைச்சல் மிகுந்த தரவுக்கு சகிப்புத்தன்மை அதிகம். பொதுவான NMT அமைப்புகளில் ஒரு குறிப்பிடத்தக்க பலவீனம் என்னவென்றால் மிகவும் அரிதான வார்த்தைகளை அவை சரியாக மொழிபெயர்ப்பதில்லை. —————– இத்தொடரில் அடுத்த கட்டுரை: சொற்பிழைத் திருத்தி தமிழுக்குச் சொல்திருத்தியே தேவையில்லை என்றொரு கருத்து. உரையில் சொற்பிழை சரிபார்ப்பு பின்வரும் படிகளைக் கொண்டுள்ளது. வேட்பு சொற்கள். ஹன்ஸ்பெல் திறந்த மூல சொற்பிழைத் திருத்தி. தமிழுக்கு நான் உருவாக்கிய ஹன்ஸ்பெல் பின்னொட்டு விதிகள். லேங்குவேஜ் டூல் திறந்த மூல சொற்பிழைத் திருத்தி. http://www.kaniyam.com/tamil-english-machine-translation/
          Data Scientist - Terminal - Montréal, QC      Cache   Translate Page      
Development experience using numpy, pandas, scikit-learn, tensorflow... Hims / Hers is a health and wellness brand revolutionizing the game of preventative...
From Terminal - Sat, 10 Nov 2018 01:01:14 GMT - View all Montréal, QC jobs
          Senior or Lead Pirate Data Scientist - Autodesk - Montréal, QC      Cache   Translate Page      
R, Pandas, Jupyter, scikit, TensorFlow, etc. Senior or Lead Pirate Data Scientist....
From Autodesk - Fri, 09 Nov 2018 16:53:17 GMT - View all Montréal, QC jobs
          Why Swift for TensorFlow?      Cache   Translate Page      
Comments
          Шакла Нишант - Машинное обучение и TensorFlow (2019)      Cache   Translate Page      
Знакомство с машинным обучением и библиотекой ensorFlow похоже на первые уроки в автошколе, когда вы мучаетесь с параллельной парковкой,
          Développeur Fullstack (C++, TensorFlow ou PyTorch) / Fullstack Developer (C++, TensorFlow or PyTorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Wed, 06 Feb 2019 17:46:37 GMT - View all Montréal, QC jobs
          Développeur Full Stack (Python/JavaScript avec Tensorflow/Pytorch) / Full Stack Developer (Python/JavaScript with Tensorflow/Pytorch) - Huawei Canada - Montréal, QC      Cache   Translate Page      
Located in Hong Kong, Shenzhen, Beijing, London, Paris, Montreal, Toronto and Edmonton, Noah’s Ark Lab is Huawei Technologies’ flagship AI lab....
From Huawei Canada - Thu, 24 Jan 2019 17:46:38 GMT - View all Montréal, QC jobs
          Шакла Нишант - Машинное обучение и TensorFlow (2019)      Cache   Translate Page      
Шакла Нишант - Машинное обучение и TensorFlow (2019)
Знакомство с машинным обучением и библиотекой ensorFlow похоже на первые уроки в автошколе, когда вы мучаетесь с параллельной парковкой,


Next Page: 10000

Site Map 2018_01_14
Site Map 2018_01_15
Site Map 2018_01_16
Site Map 2018_01_17
Site Map 2018_01_18
Site Map 2018_01_19
Site Map 2018_01_20
Site Map 2018_01_21
Site Map 2018_01_22
Site Map 2018_01_23
Site Map 2018_01_24
Site Map 2018_01_25
Site Map 2018_01_26
Site Map 2018_01_27
Site Map 2018_01_28
Site Map 2018_01_29
Site Map 2018_01_30
Site Map 2018_01_31
Site Map 2018_02_01
Site Map 2018_02_02
Site Map 2018_02_03
Site Map 2018_02_04
Site Map 2018_02_05
Site Map 2018_02_06
Site Map 2018_02_07
Site Map 2018_02_08
Site Map 2018_02_09
Site Map 2018_02_10
Site Map 2018_02_11
Site Map 2018_02_12
Site Map 2018_02_13
Site Map 2018_02_14
Site Map 2018_02_15
Site Map 2018_02_15
Site Map 2018_02_16
Site Map 2018_02_17
Site Map 2018_02_18
Site Map 2018_02_19
Site Map 2018_02_20
Site Map 2018_02_21
Site Map 2018_02_22
Site Map 2018_02_23
Site Map 2018_02_24
Site Map 2018_02_25
Site Map 2018_02_26
Site Map 2018_02_27
Site Map 2018_02_28
Site Map 2018_03_01
Site Map 2018_03_02
Site Map 2018_03_03
Site Map 2018_03_04
Site Map 2018_03_05
Site Map 2018_03_06
Site Map 2018_03_07
Site Map 2018_03_08
Site Map 2018_03_09
Site Map 2018_03_10
Site Map 2018_03_11
Site Map 2018_03_12
Site Map 2018_03_13
Site Map 2018_03_14
Site Map 2018_03_15
Site Map 2018_03_16
Site Map 2018_03_17
Site Map 2018_03_18
Site Map 2018_03_19
Site Map 2018_03_20
Site Map 2018_03_21
Site Map 2018_03_22
Site Map 2018_03_23
Site Map 2018_03_24
Site Map 2018_03_25
Site Map 2018_03_26
Site Map 2018_03_27
Site Map 2018_03_28
Site Map 2018_03_29
Site Map 2018_03_30
Site Map 2018_03_31
Site Map 2018_04_01
Site Map 2018_04_02
Site Map 2018_04_03
Site Map 2018_04_04
Site Map 2018_04_05
Site Map 2018_04_06
Site Map 2018_04_07
Site Map 2018_04_08
Site Map 2018_04_09
Site Map 2018_04_10
Site Map 2018_04_11
Site Map 2018_04_12
Site Map 2018_04_13
Site Map 2018_04_14
Site Map 2018_04_15
Site Map 2018_04_16
Site Map 2018_04_17
Site Map 2018_04_18
Site Map 2018_04_19
Site Map 2018_04_20
Site Map 2018_04_21
Site Map 2018_04_22
Site Map 2018_04_23
Site Map 2018_04_24
Site Map 2018_04_25
Site Map 2018_04_26
Site Map 2018_04_27
Site Map 2018_04_28
Site Map 2018_04_29
Site Map 2018_04_30
Site Map 2018_05_01
Site Map 2018_05_02
Site Map 2018_05_03
Site Map 2018_05_04
Site Map 2018_05_05
Site Map 2018_05_06
Site Map 2018_05_07
Site Map 2018_05_08
Site Map 2018_05_09
Site Map 2018_05_15
Site Map 2018_05_16
Site Map 2018_05_17
Site Map 2018_05_18
Site Map 2018_05_19
Site Map 2018_05_20
Site Map 2018_05_21
Site Map 2018_05_22
Site Map 2018_05_23
Site Map 2018_05_24
Site Map 2018_05_25
Site Map 2018_05_26
Site Map 2018_05_27
Site Map 2018_05_28
Site Map 2018_05_29
Site Map 2018_05_30
Site Map 2018_05_31
Site Map 2018_06_01
Site Map 2018_06_02
Site Map 2018_06_03
Site Map 2018_06_04
Site Map 2018_06_05
Site Map 2018_06_06
Site Map 2018_06_07
Site Map 2018_06_08
Site Map 2018_06_09
Site Map 2018_06_10
Site Map 2018_06_11
Site Map 2018_06_12
Site Map 2018_06_13
Site Map 2018_06_14
Site Map 2018_06_15
Site Map 2018_06_16
Site Map 2018_06_17
Site Map 2018_06_18
Site Map 2018_06_19
Site Map 2018_06_20
Site Map 2018_06_21
Site Map 2018_06_22
Site Map 2018_06_23
Site Map 2018_06_24
Site Map 2018_06_25
Site Map 2018_06_26
Site Map 2018_06_27
Site Map 2018_06_28
Site Map 2018_06_29
Site Map 2018_06_30
Site Map 2018_07_01
Site Map 2018_07_02
Site Map 2018_07_03
Site Map 2018_07_04
Site Map 2018_07_05
Site Map 2018_07_06
Site Map 2018_07_07
Site Map 2018_07_08
Site Map 2018_07_09
Site Map 2018_07_10
Site Map 2018_07_11
Site Map 2018_07_12
Site Map 2018_07_13
Site Map 2018_07_14
Site Map 2018_07_15
Site Map 2018_07_16
Site Map 2018_07_17
Site Map 2018_07_18
Site Map 2018_07_19
Site Map 2018_07_20
Site Map 2018_07_21
Site Map 2018_07_22
Site Map 2018_07_23
Site Map 2018_07_24
Site Map 2018_07_25
Site Map 2018_07_26
Site Map 2018_07_27
Site Map 2018_07_28
Site Map 2018_07_29
Site Map 2018_07_30
Site Map 2018_07_31
Site Map 2018_08_01
Site Map 2018_08_02
Site Map 2018_08_03
Site Map 2018_08_04
Site Map 2018_08_05
Site Map 2018_08_06
Site Map 2018_08_07
Site Map 2018_08_08
Site Map 2018_08_09
Site Map 2018_08_10
Site Map 2018_08_11
Site Map 2018_08_12
Site Map 2018_08_13
Site Map 2018_08_15
Site Map 2018_08_16
Site Map 2018_08_17
Site Map 2018_08_18
Site Map 2018_08_19
Site Map 2018_08_20
Site Map 2018_08_21
Site Map 2018_08_22
Site Map 2018_08_23
Site Map 2018_08_24
Site Map 2018_08_25
Site Map 2018_08_26
Site Map 2018_08_27
Site Map 2018_08_28
Site Map 2018_08_29
Site Map 2018_08_30
Site Map 2018_08_31
Site Map 2018_09_01
Site Map 2018_09_02
Site Map 2018_09_03
Site Map 2018_09_04
Site Map 2018_09_05
Site Map 2018_09_06
Site Map 2018_09_07
Site Map 2018_09_08
Site Map 2018_09_09
Site Map 2018_09_10
Site Map 2018_09_11
Site Map 2018_09_12
Site Map 2018_09_13
Site Map 2018_09_14
Site Map 2018_09_15
Site Map 2018_09_16
Site Map 2018_09_17
Site Map 2018_09_18
Site Map 2018_09_19
Site Map 2018_09_20
Site Map 2018_09_21
Site Map 2018_09_23
Site Map 2018_09_24
Site Map 2018_09_25
Site Map 2018_09_26
Site Map 2018_09_27
Site Map 2018_09_28
Site Map 2018_09_29
Site Map 2018_09_30
Site Map 2018_10_01
Site Map 2018_10_02
Site Map 2018_10_03
Site Map 2018_10_04
Site Map 2018_10_05
Site Map 2018_10_06
Site Map 2018_10_07
Site Map 2018_10_08
Site Map 2018_10_09
Site Map 2018_10_10
Site Map 2018_10_11
Site Map 2018_10_12
Site Map 2018_10_13
Site Map 2018_10_14
Site Map 2018_10_15
Site Map 2018_10_16
Site Map 2018_10_17
Site Map 2018_10_18
Site Map 2018_10_19
Site Map 2018_10_20
Site Map 2018_10_21
Site Map 2018_10_22
Site Map 2018_10_23
Site Map 2018_10_24
Site Map 2018_10_25
Site Map 2018_10_26
Site Map 2018_10_27
Site Map 2018_10_28
Site Map 2018_10_29
Site Map 2018_10_30
Site Map 2018_10_31
Site Map 2018_11_01
Site Map 2018_11_02
Site Map 2018_11_03
Site Map 2018_11_04
Site Map 2018_11_05
Site Map 2018_11_06
Site Map 2018_11_07
Site Map 2018_11_08
Site Map 2018_11_09
Site Map 2018_11_10
Site Map 2018_11_11
Site Map 2018_11_12
Site Map 2018_11_13
Site Map 2018_11_14
Site Map 2018_11_15
Site Map 2018_11_16
Site Map 2018_11_17
Site Map 2018_11_18
Site Map 2018_11_19
Site Map 2018_11_20
Site Map 2018_11_21
Site Map 2018_11_22
Site Map 2018_11_23
Site Map 2018_11_24
Site Map 2018_11_25
Site Map 2018_11_26
Site Map 2018_11_27
Site Map 2018_11_28
Site Map 2018_11_29
Site Map 2018_11_30
Site Map 2018_12_01
Site Map 2018_12_02
Site Map 2018_12_03
Site Map 2018_12_04
Site Map 2018_12_05
Site Map 2018_12_06
Site Map 2018_12_07
Site Map 2018_12_08
Site Map 2018_12_09
Site Map 2018_12_10
Site Map 2018_12_11
Site Map 2018_12_12
Site Map 2018_12_13
Site Map 2018_12_14
Site Map 2018_12_15
Site Map 2018_12_16
Site Map 2018_12_17
Site Map 2018_12_18
Site Map 2018_12_19
Site Map 2018_12_20
Site Map 2018_12_21
Site Map 2018_12_22
Site Map 2018_12_23
Site Map 2018_12_24
Site Map 2018_12_25
Site Map 2018_12_26
Site Map 2018_12_27
Site Map 2018_12_28
Site Map 2018_12_29
Site Map 2018_12_30
Site Map 2018_12_31
Site Map 2019_01_01
Site Map 2019_01_02
Site Map 2019_01_03
Site Map 2019_01_04
Site Map 2019_01_06
Site Map 2019_01_07
Site Map 2019_01_08
Site Map 2019_01_09
Site Map 2019_01_11
Site Map 2019_01_12
Site Map 2019_01_13
Site Map 2019_01_14
Site Map 2019_01_15
Site Map 2019_01_16
Site Map 2019_01_17
Site Map 2019_01_18
Site Map 2019_01_19
Site Map 2019_01_20
Site Map 2019_01_21
Site Map 2019_01_22
Site Map 2019_01_23
Site Map 2019_01_24
Site Map 2019_01_25
Site Map 2019_01_26
Site Map 2019_01_27
Site Map 2019_01_28
Site Map 2019_01_29
Site Map 2019_01_30
Site Map 2019_01_31
Site Map 2019_02_01
Site Map 2019_02_02
Site Map 2019_02_03
Site Map 2019_02_04
Site Map 2019_02_05
Site Map 2019_02_06
Site Map 2019_02_07
Site Map 2019_02_08
Site Map 2019_02_09
Site Map 2019_02_10