-
Szeregi czasowe: rozmowa z doświadczonym inżynierem z Uber
Czym jest prognozowanie na szeregach czasowych (time series forecasting)? Jakie zastosowanie mają szeregi czasowe w biznesie? Jaka jest różnica pomiędzy statystyką a uczeniem maszynowym? Które podejście sprawdza się najlepiej w stosunku do prognozowania szeregów czasowych? Na co należy zwracać szczególną uwagę przy wykorzystywaniu uczenia maszynowego do prognozowania szeregów czasowych? Czy odbywają się konkursy związane z prognozowaniem szeregów czasowych? Jak konkursy wpływają na rozwój technologii? Czym jest M4 Competition? Jak działa model hybrydowy który łączy uczenie maszynowe ze statystyką? Prognozowanie szeregów czasowych jest prawdopodobnie jedną z tych dziedzin, która przy minimalnym wysiłku daje namacalne korzyści. Mało tego – okazuje się, że wiele firm dotychczas robiło to w tak prymitywny sposób, że wystarczy minimalna zmiana podejścia, aby uzyskać pozytywną różnicę. Tak się złożyło, że słuchałem wiele podcastów o różnych tematykach, na przykład biznesowej i był jeden odcinek,…
-
Prowadzący naukowiec z DeepMind o rozwoju sztucznej inteligencji
W tym odcinku dowiesz się: Czym zajmuje się Janusz Marecki oraz jak działa DeepMind? Co Januszowi udało się osiągnąć pracując w IBM Research Czym są problemy w całości obserwowalne? Jakie są przeszkody w procesie konstrukcji sztucznego mózgu? Czym jest system wieloagentowy (multi-agents system)? Jaką wartość biznesową możesz uzyskać wdrażając system wieloagentowy do swojej firmy? Czym jest efektywność Pareto? Na czym polega „dylemat więźnia” oraz „dylemat społeczny”? Jak problemy sztucznej inteligencji przekładają się na otaczającą nas rzeczywistość? Czy w przyszłości będziemy w stanie kontrolować sztuczną inteligencję? Czym dokładnie jest AGI oraz czy jesteśmy w stanie go osiągnąć? W jak szybkim tempie technika posuwa się do przodu? Jakich błędów unikać podczas wyciągania wniosków z „udanych” eksperymentów? Które dziedziny nauki lub medycyny rozwiną się najbardziej w ciągu kolejnych 5-10 lat? Na początek szybkie ogłoszenie. Pewnie jak już…
-
Sztuczna inteligencja i IBM – rozmowa z Piotrem Pietrzakiem – CTO w IBM
Jesteśmy po kolejnej rocznej konferencji przygotowana przez dużego gracza – tym razem Apple. Pewnie jak spodziewasz się również tam było o machine learning. Na przykład pojawił się nowy produkt Apple HomePod (zintegrowany z Siri) który podobnie ma konkurować z Amazon Echo czy Google Home. Siri będzie działać jeszcze lepiej. W iOS11, to jest system operacyjny dla iphone, który ma pojawić się we wrześniu 2017, będzie wbudowany Core ML umożliwiający uruchomienie modeli na telefonie. Apple stawia na to, żeby taki model był uruchamiany na komórce. Dlaczego to jest ważne? Chodzi o dane, pamiętasz, że dane to jest nowoczesny surowiec. Wysłanie ich na zewnątrz zawsze wiąże się z ryzykiem. Na końcu podcastu polecam miejsca gdzie możesz posłuchać więcej na ten temat. Sztuczna inteligencja w IBM Już nie przedłużam i przechodzimy do dzisiejszego tematu. Piotr Pietrzak który jest CTO w IBM zgodził się podzielić się…
-
Rozmowa z Barbarą Fusińską – Data Solution Architect w Microsoft
Dosłownie dwa tygodnie temu skończyła się konferencja Google I/O. To coroczne technologiczne wydarzenie, gdzie Google chwali się swoimi wynalazkami, po raz pierwszy odbyła się w roku 2008. W tym roku właściwie nie było żadnych wynalazków… W dużym uproszczeniu można powiedzieć, że Google przemyśla „wszystkie” swoje produkty w kontekście AI first. Wzór jest bardzo prosty, bierzesz dowolny produkt dodajesz AI i dostajesz wow :). Sundar Pichai, który jest CEO Google zwraca uwagę na to, że właśnie to jest ważny kierunek rozwoju i Google koncentruje się na tym. Teraz to brzmi jeszcze bardziej wiarygodnie, żeby zacząć interesować się tematem. Sundar ostatnio powiedział: „Uczenie maszynowe i sztuczna inteligencja odblokowała pewne możliwości, które były nie do pomyślenia jeszcze kilka lat temu”. Co o tym myślisz? Dzisiaj gościem jest Barbara Fusińska, która jest Data Solution Architect w Microsoft.…
