Podcasts about uczeniemaszynowe

W czwartym odcinku podcastu odpowiadamy m.in. na poniższe pytania: - Jakie największe, najbardziej szkodliwe bzdury słyszymy na temat AI? - Na czym polega tzw. uczenie maszynowe? Czym uczenie maszyn różni się od uczenia ludzi? - Czym są tzw. głębokie sieci neuronowe? Jak sztuczne "neurony" mają się do prawdziwych? - Czym są sieci konwolucyjne (CNN)? Jak mają się do rekurencyjnych (RNN)? Jak działa architektura transformer? - Czym są halucynacje? Z czego wynikają? Dlaczego nie umiemy ich wyeliminować? - Czym jest właściwie AGI? Dlaczego nie wiadomo o czym rozmawiamy? Linki: - Eric Larson o "Imitation Game" w "The Myth of AI": https://www.jstor.org/stable/j.ctv322... - Satya Nadella o deeskalacji oczekiwań wobec AI: https://www.dwarkesh.com/p/satya-nadella - Japoński program rozwoju komputerów piątek generacji: https://www.sciencedirect.com/science... - Wizualizacja działania DNN: • Neural Network 3D Simulation - Wizualizacja działania LLM: • Transformers (how LLMs work) explaine... - O halucynacjach generatywnych wyszukiwarek: https://www.cjr.org/tow_center/we-com... - Goeffrey Hinton o świadomości maszyn: • ‘Godfather of AI' predicts it will ta... - Poglądy Francois Cholleta: / fran%25c3%25a7ois-chollet-wie-co-m%25c3%25... - Roger Penrose o niekomputacyjności umysłu: • Asking a Theoretical Physicist About ... - Ostatni test ludzkości: https://agi.safe.ai/ Special Guest: Gniewosz Leliwa.

Piotr Dul, senior software developer, wciela się w rolę adwokata języka programowania Python i stara się wykazać jego wyższość nad językiem JavaScript, który jest reprezentowany przez prowadzącego podcast (Mateusz Bogolubow). [more] Rozmawiamy m.in. o tym jakie możliwości posiadają oba języki i gdzie ich skuteczność jest najwyższa. Pełen opis odcinka, polecane materiały i linki oraz transkrypcję znajdziesz na: https://devmentor.pl/b/ || devmentor.pl/rozmowa ⬅ Chcesz przebranżowić się do IT i poznać rozwiązania, które innym pozwoliły skutecznie znaleźć pracę? Jestem doświadczonym developerem oraz mentorem programowania – chętnie odpowiem na Twoje pytania o naukę programowania oraz świat IT. Umów się na bezpłatną, niezobowiązującą rozmowę! ~ Mateusz Bogolubow, twórca podcastu Pierwsze kroki w IT || devmentor.pl/podcast ⬅ Oficjalna strona podcastu

Na sam koniec dzisiejszej rozmowy z Pawłem Płockim zadaję pytanie, czy coś nam zostało do omówienia, na co Paweł odpowiada, że zostało bardzo dużo, ale będziemy mieli okazję omówić to w kolejnych odsłonach podcastu BSS bez tajemnic.I tak to właśnie jest z tą sztuczną inteligencją. Nie ma dnia, aby coś się nie zmieniło, coś się nie pojawiło czy coś nas zaskoczyło. Generatywny AI, modele językowe, projekty oparte o tekst, obraz, czy głos codziennie nas zadziwiają i zaskakują.Dziś mamy dla Was porcję kolejnych informacji ze świata AI. Jest coś o biznesie, jest coś o AI w grach i o AI w procesach w sektorze BPO i SSC.Warto posłuchać!Zapraszam! Nasze wcześniejsze rozmowy:Co słychać w AI? Część 1 - https://bit.ly/Podcast804Co słychać w AI? Część 2 - https://bit.ly/Podcast817 Pawła znajdziecie na Linkedin - https://www.linkedin.com/in/pawelplocki/****************************Nazywam się Wiktor Doktór i na co dzień prowadzę Klub Pro Progressio https://klub.proprogressio.pl/pl – to społeczność wielu firm prywatnych i organizacji sektora publicznego, którym zależy na rozwoju relacji biznesowych w modelu B2B. W podcaście BSS bez tajemnic poza odcinkami solowymi, zamieszczam rozmowy z ekspertami i specjalistami z różnych dziedzin przedsiębiorczości.Jeśli chcesz się o mnie więcej dowiedzieć, to zapraszam do odwiedzin moich kanałów w mediach społecznościowych:YouTube - https://bit.ly/BSSbeztajemnicYTFacebook - https://bit.ly/BSSbtFBLinkedIn - https://www.linkedin.com/in/wiktordoktor/Możesz też do mnie napisać. Mój adres email to - wiktor.doktor(@)proprogressio.pl ****************************Patronami Podcastu “BSS bez tajemnic” są:Marzena Sawicka https://www.linkedin.com/in/marzena-sawicka-a9644a23/Przemysław Sławiński https://www.linkedin.com/in/przemys%C5%82aw-s%C5%82awi%C5%84ski-155a4426/Damian Ruciński https://www.linkedin.com/in/damian-ruci%C5%84ski/Szymon Kryczka https://www.linkedin.com/in/szymonkryczka/Grzegorz Ludwin https://www.linkedin.com/in/gludwin/Adam Furmańczuk https://www.linkedin.com/in/adam-agilino/Wspaniali ludzie, dzięki którym pojawiają się kolejne odcinki tego podcastu.Ty też możesz wesprzeć rozwój podcastu na:Patronite - https://patronite.pl/wiktordoktorPatreon - https://www.patreon.com/wiktordoktorBuy me a coffee - https://www.buymeacoffee.com/wiktordoktorZrzutka.pl - https://zrzutka.pl/j8kvar

Karol Horosin, Software Engineering Manager, bloger oraz founder w sentimatic.io mówi m.in. o wyzwaniach, jakie czekają programistów w związku z rozwojem sztucznej inteligencji, wykorzystaniu narzędzi w konkretnych przypadkach oraz możliwych zmianach na rynku pracy. Poruszamy też temat trendów w AI i przyszłości programistów (w tym juniorów). Pełen opis odcinka, polecane materiały i linki oraz transkrypcję znajdziesz na: https://devmentor.pl/b/narzedzia-ai-w-pracy-programisty-chatgpt-github-copilot-midjourney-i-inne-czesc-2 || devmentor.pl/rozmowa ⬅ Chcesz przebranżowić się do IT i poznać rozwiązania, które innym pozwoliły skutecznie znaleźć pracę? Jestem doświadczonym developerem oraz mentorem programowania – chętnie odpowiem na Twoje pytania o naukę programowania oraz świat IT. Umów się na bezpłatną, niezobowiązującą rozmowę! ~ Mateusz Bogolubow, twórca podcastu Pierwsze kroki w IT || devmentor.pl/podcast ⬅ Oficjalna strona podcastu

Przyszła pora na kolejną rozmowę o sztucznej inteligencji. Spotkaliśmy się ponownie z Pawłem Płockim aby porozmawiać o tym co słychać w AI. Z naszej poprzedniej rozmowy, którą możecie znaleźć tu - https://bit.ly/Podcast804 - możecie wywnioskować, że nasze rozmowy nie są techniczne i technologiczne, ale raczej analizujące pewne trendy rynkowe i przewidywania, w którym kierunku idą rozwiązania AI.Dziś poprosiliśmy też AI do stworzenia naszych wizerunków nawiązujących do filmów Pixara, więc grafika tego odcinka jest oparta, o to co stworzyła sztuczna inteligencja w posiadaniu naszych zdjęć

Karol Horosin, Software Engineering Manager, bloger oraz founder w sentimatic.io, mówi o wykorzystaniu narzędzi sztucznej inteligencji, np. ChatGPT czy GitHub Copilota, w pracy programisty – nie tylko w kodowaniu, lecz również w tworzeniu dokumentacji czy testów. Poruszamy też temat generowania grafik przez sztuczną inteligencję. Pełen opis odcinka, polecane materiały i linki oraz transkrypcję znajdziesz na: https://devmentor.pl/b/narzedzia-ai-w-pracy-programisty-chatgpt-github-copilot-midjourney-i-inne-czesc-1 || devmentor.pl/rozmowa ⬅ Chcesz przebranżowić się do IT i poznać rozwiązania, które innym pozwoliły skutecznie znaleźć pracę? Jestem doświadczonym developerem oraz mentorem programowania – chętnie odpowiem na Twoje pytania o naukę programowania oraz świat IT. Umów się na bezpłatną, niezobowiązującą rozmowę! ~ Mateusz Bogolubow, twórca podcastu Pierwsze kroki w IT || devmentor.pl/podcast ⬅ Oficjalna strona podcastu

W tym odcinku porozmawiamy sobie o rolach i kompetencjach w projektach z uczeniem maszynowym w roli głównej. Temat zwykle zamyka się na “Data Scientist” lub “ML Engineer”, ale jednak na tym nie kończą się kompetencje potrzebne, aby projekt z sukcesem zacząć, przeprowadzić i co najważniejsze zakończyć. Dlatego porozmawiamy o tym: 1. Kogo potrzebujesz w projekcie ML, aby iść do przodu - wprowadzenie 2. Kto łączy DS / ML z biznesem? 3. Jakie kompetencje są potrzebne, aby wystartować? 4. Czego potrzebujesz, aby rozpędzić się z ML w Twojej firmie?

Witaj w kolejnym odcinku serii: “Machine Learning - od pomysłu do wdrożenia” W tym odcinku porozmawiamy o tym, co i jak warto mierzyć w projektach ML. Postaram się odpowiedzieć na pytania: 1. Co to są metryki sukcesu i dlaczego są podstępne? 2. Dlaczego biznesowe metryki sukcesu są takie ważne w projektach ML?3. Jak biznesowe metryki sukcesu wpływają na techniczne?4. Jakie pytania warto zadać rozmawiając o metrykach?5. O częstych błędach popełnianych na tym etapie i ich wpływie na cały projekt?

Seria: Machine Learning - od pomysłu do wdrożenia Pytania, na które będziemy szukać odpowiedzi w ciągu najbliższej godziny: 1) Co potrafi ML, a czego nie potrafi?2) Jakie wartości może przynieść ML w Twojej firmie?3) W jakich branżach ML daje przewagę?4) Jak szukać obszarów w Twojej firmie, gdzie uczenie maszynowe może pomóc? 5) Jak postawić pierwszy krok, aby zbadać potencjał, czy ML daje wartość? Wysłuchaj od początku do końca tego odcinka, aby dowiedzieć się, jak walidować swoje pomysły na ML, poznasz 7 podstawowych filtrów, które pomogą Ci uniknąć problemów na starcie. W następnych odcinkach tej serii będziemy stawiać kolejne kroki, które pozwolą Ci poznać lepiej ważne momenty i zagadnienia projektu ML. Bądź z nami do końca, aby zdobyć ogromną dawkę wiedzy i inspiracji.

Podcast Biznes Myśli po przerwie wraca w nowej odsłonie. Odsłuchaj tego odcinka i dowiedz się, jaką nową serię przygotowaliśmy dla Ciebie.

Czy zastanawiasz się, jak zmieni się Data Science i Machine Learning w ciągu najbliższego roku, 5 czy 10 lat? Czy uda się nam wejść na kolejny poziom, który dokona rewolucji? Jaki mamy potencjał i marzenia?A najważniejsze pytanie, czy to wpłynie na Twoją branżę i karierę zawodową?Dziś zapraszam Cię do swego rodzaju podsumowania roku 2021 i refleksji, co może wydarzyć się w przyszłości. Posłuchaj 5 wypowiedzi ekspertów podcastu Biznes Myśli z 2021 i dowiedz się, co przewidują, jakie widzą możliwości i potencjały w najbliższych latach.

Uczenie maszynowe nie jest skierowane do jednego konkretnego zawodu. To warstwa, która przecina wiele, o ile nie wszystkie, dziedziny w mniejszym lub większym stopniu. To również będzie dotyczyć Ciebie.Dzisiaj zebrałem trzy opinie moich świeżo upieczonych absolwentów kursu „Praktyczne uczenie maszynowe od podstaw”, aby pokazać Ci, jak różne profile mają te osoby, ale każdy znalazł coś wartościowego dla siebie w tym kursie. Dzielę się tutaj opiniami kursantów, aby pokazać ich perspektywę, ich historie oraz wrażenia. Może zainspirują kogoś, by samemu spróbować swoich sił w uczeniu maszynowym.

Dane zawierają w sobie ogrom informacji, jednak kluczem do tego jest ich właściwa interpretacja. Pomocna temu będzie wizualizacja danych i to jest właśnie temat mojej rozmowy z Anną Kozak. Z jednej strony jest wykładowcą, skończyła Politechnikę na kierunku matematyka stosowana. Z drugiej strony pracuje jako Data Scientist, więc jest w zawodzie. Z trzeciej strony angażuje się w przeróżne inicjatywy, aby szerzyć wiedzę. Wykonuje sporo różnych rzeczy, ale jedna, która się bardzo wyróżnia, to wizualizacja. Jest wielką entuzjastką wizualizacji. Ania zajmuje się również dziedziną XAI albo interpretowalność modeli czy sztucznej inteligencji. O tym postaram się nagrać osobny odcinek. Nie chciałem się za bardzo rozdrabniać, bo to jest wątek nieco szerszy, który zasługuje co najmniej na własny odcinek. Dzisiaj natomiast porozmawiamy o tym, czym jest zły wykres, jak zrobić poprawny oraz czy można robić Data Science na wysokim poziomie bez wizualizacji.

Jednym z coraz częściej poruszanych tematów w obszarze AI jest AutoML, który według wielu działa lepiej niż człowiek. To stwierdzenie jest poniekąd prawdziwe, ale jest także bardzo mylące - w szczególności dla osób, które nie do końca rozumieją kontekst. To wszystko zależy od tego, kto to mówi i w jakim kontekście. Dzisiaj spróbujemy postawić kropkę nad i, aby uspójnić i ustrukturyzować Twoją wiedzę w tym temacie. Moim gościem w tej rozmowie jest Piotr Płoński, twórca MLJAR - popularnego na całym świecie i rozwijającego się w Polsce narzędzia AutoML.

Ten odcinek poświęcony jest podsumowaniu roku 2020, w którym dzielimy się z Tobą przemyśleniami dotyczącymi efektywności, ale także wynikami ankiety, która niedawno było przeprowadzona na łamach Biznes Myśli. Pojawiły się także dwa konkursy, które mogą Ci się spodobać :)

Stabilność modeli to bardzo ważny temat. Z jednej strony pojawia się coraz więcej algorytmów, które przynoszą całkiem fajne wyniki, choć z drugiej strony może to być złudne. Mam na myśli to, że jak wdrożymy model na produkcję, to może nas zaskoczyć. W których miejscach mogą być potencjalne kłopoty? O tym dzisiaj będę rozmawiać z Adamem, który bardzo się inspiruje tymi tematami pod różnym względem. Innym ciekawym kierunkiem rozmowy są potencjalne cyberataki, które mogą się wydarzyć i zepsuć model.

W tym odcinku poznasz 3 krótkie historie ambitnych osób, które zaczęły się efektywnie rozwijać w obszarze Machine Learning. Niech to będzie wskazówka i inspiracja. Dowiesz się także o konkretnych przykładach zastosowania narzędzi ML w biznesie, które mogą przynieść korzyść.

Z tego odcinka dowiesz się, czym jest DataWorkshop Foundation, jaki był cel jej powstania i w którą stronę zmierza. Posłuchaj trójki gości, którzy są zaangażowani w działanie i rozwój fundacji, która koncentruje się na uczeniu maszynowym.

Z tego odcinka dowiesz się, czym jest DataWorkshop Foundation, jaki był cel jej powstania i w którą stronę zmierza. Posłuchaj trójki gości, którzy są zaangażowani w działanie i rozwój fundacji, która koncentruje się na uczeniu maszynowym.

Gościem najnowszego odcinka jest Staszek Paśko - Senior Principal Software Engineer w Amazon, który pracuje nad rozwojem serwisu głosowego Alexa. Porozmawialiśmy z nim o tym, czym są technologie przetwarzania i syntezy mowy oraz jak rozwija się to pole badań i działań, jakie role spełnia i może spełniać Alexa, kto jest odbiorcą tego typu rozwiązań i jak może wyglądać przyszłość branży.

Gościem najnowszego odcinka jest Staszek Paśko - Senior Principal Software Engineer w Amazon, który pracuje nad rozwojem serwisu głosowego Alexa. Porozmawialiśmy z nim o tym, czym są technologie przetwarzania i syntezy mowy oraz jak rozwija się to pole badań i działań, jakie role spełnia i może spełniać Alexa, kto jest odbiorcą tego typu rozwiązań i jak może wyglądać przyszłość branży.

Cześć, to już 92 odcinek podcastu BM, za mną ponad 3 lata nagrań, 90h rozmów, wiele inspirujących spotkań z ludźmi zajmującymi się uczeniem maszynowym, AI i innymi obszarami powiązanymi, a także wiele przemyśleń, którymi mogłem się z Wami podzielić. W ciągu tych wszystkich odcinków padło wiele odpowiedzi na nurtujące pytania, ale jedno wciąż jest dla mnie zagadką. Dlatego dziś zadaję wyjątkowo pytania Tobie i ciekaw jestem Twojej odpowiedzi, opinii.

Cześć, to już 92 odcinek podcastu BM, za mną ponad 3 lata nagrań, 90h rozmów, wiele inspirujących spotkań z ludźmi zajmującymi się uczeniem maszynowym, AI i innymi obszarami powiązanymi, a także wiele przemyśleń, którymi mogłem się z Wami podzielić. W ciągu tych wszystkich odcinków padło wiele odpowiedzi na nurtujące pytania, ale jedno wciąż jest dla mnie zagadką. Dlatego dziś zadaję wyjątkowo pytania Tobie i ciekaw jestem Twojej odpowiedzi, opinii.

Odcinek #91 dotyczy naszego zdrowia i tego bez czego nie możemy żyć, czyli oddechu. Gościem jest Jan Szwagierczak, Data Scientist, który mieszka i pracuje w Kopenhadze. A nad czym pracuje? No właśnie nad tym, aby żyło i oddychało nam się lepiej.

Odcinek #91 dotyczy naszego zdrowia i tego bez czego nie możemy żyć, czyli oddechu. Gościem jest Jan Szwagierczak, Data Scientist, który mieszka i pracuje w Kopenhadze. A nad czym pracuje? No właśnie nad tym, aby żyło i oddychało nam się lepiej.

W tym odcinku wyjątkowo to Vladimir został przepytany. Dzielimy się rozmową, którą przeprowadził Jędrzej Paulus z Developer-Wannabe Podcast, na temat tego, co uczenie maszynowe może dać programistom. Nie zabrakło ważnych, filozoficznych pytań "dlaczego Python", a także tych związanych z koncepcyjnym podejściem do modnych słów takich jak AI. Ponadto dowiesz się: ✅ Dlaczego warto zainteresować się językiem Python? ✅Jak należy interpretować modne słowa Data Science, Machine Learning, AI?✅ Czym jest ML/DS, tak po ludzku dla programisty?✅ Dlaczego programiście warto zainteresować się ML/DS?✅ Od czego zacząć i jak sprawdzić, czy to dla mnie (i czy dam rady)?✅Jak wygląda rynek pracy w Polsce i jakie są zarobki w tej branże?

W tym odcinku wyjątkowo to Vladimir został przepytany. Dzielimy się rozmową, którą przeprowadził Jędrzej Paulus z Developer-Wannabe Podcast, na temat tego, co uczenie maszynowe może dać programistom. Nie zabrakło ważnych, filozoficznych pytań "dlaczego Python", a także tych związanych z koncepcyjnym podejściem do modnych słów takich jak AI. Ponadto dowiesz się: ✅ Dlaczego warto zainteresować się językiem Python? ✅Jak należy interpretować modne słowa Data Science, Machine Learning, AI?✅ Czym jest ML/DS, tak po ludzku dla programisty?✅ Dlaczego programiście warto zainteresować się ML/DS?✅ Od czego zacząć i jak sprawdzić, czy to dla mnie (i czy dam rady)?✅Jak wygląda rynek pracy w Polsce i jakie są zarobki w tej branże?

Gościem tego wywiadu jest Stanisław Jastrzębski, który m.in. teraz dołącza do startupu Molecule.one. Jego zadaniem będzie wspieranie procesów wykorzystując nowoczesne narzędzia. Ma pewne przemyślenia, że niektóre zmiany mogą nastąpić znacznie szybciej, niż może się wydawać. Ciężko jest określić, co oznaczają te zmiany, bo można je różnie zdefiniować, ale pod koniec poznasz na to odpowiedź. Zapraszam do przeczytania całej rozmowy, żeby znaleźć odpowiedzi. Padły też bardzo fajne dyskusje na tematy dookoła: co to oznacza prowadzić projekty R&D? Jak oni sobie radzą z ryzykiem, które w tym przypadku występuje dość duże? Jakie są narzędzia, by nie wpadać w „czarne dziury” i efektywnie prowadzić projekty R&D?

Gościem tego wywiadu jest Stanisław Jastrzębski, który m.in. teraz dołącza do startupu Molecule.one. Jego zadaniem będzie wspieranie procesów wykorzystując nowoczesne narzędzia. Ma pewne przemyślenia, że niektóre zmiany mogą nastąpić znacznie szybciej, niż może się wydawać. Ciężko jest określić, co oznaczają te zmiany, bo można je różnie zdefiniować, ale pod koniec poznasz na to odpowiedź. Zapraszam do przeczytania całej rozmowy, żeby znaleźć odpowiedzi. Padły też bardzo fajne dyskusje na tematy dookoła: co to oznacza prowadzić projekty R&D? Jak oni sobie radzą z ryzykiem, które w tym przypadku występuje dość duże? Jakie są narzędzia, by nie wpadać w „czarne dziury” i efektywnie prowadzić projekty R&D?

Gościem tej rozmowy jest Daniel Kornaś, który opowie o swoich doświadczeniach w branży IT, w szczególności w testowaniu software’u. W pewnym momencie swojego życia stwierdził, że w klasycznym testowaniu czegoś mu brakuje, nie jest to wystarczająco efektywne. Zaczął eksperymentować, inspirować się dostępnymi technologiami, narzędziami i m.in. wprowadził automatyzację. Później poznał uczenie maszynowe i w ten sposób zaczął rozwijać projekty. Jest to bardzo ciekawa i inspirująca historia. Gdy zaczął pracę w Nokii, to brakowało pewnego elementu, który właśnie on dodał - uczenie maszynowe oraz tzw. sztuczna inteligencja. Daniel opowie o całej ścieżce, którą przeszedł od pomysłu do wdrożenia, trudnościach po drodze oraz innych ciekawostkach.

Gościem tej rozmowy jest Daniel Kornaś, który opowie o swoich doświadczeniach w branży IT, w szczególności w testowaniu software’u. W pewnym momencie swojego życia stwierdził, że w klasycznym testowaniu czegoś mu brakuje, nie jest to wystarczająco efektywne. Zaczął eksperymentować, inspirować się dostępnymi technologiami, narzędziami i m.in. wprowadził automatyzację. Później poznał uczenie maszynowe i w ten sposób zaczął rozwijać projekty. Jest to bardzo ciekawa i inspirująca historia. Gdy zaczął pracę w Nokii, to brakowało pewnego elementu, który właśnie on dodał - uczenie maszynowe oraz tzw. sztuczna inteligencja. Daniel opowie o całej ścieżce, którą przeszedł od pomysłu do wdrożenia, trudnościach po drodze oraz innych ciekawostkach.

Projekty, które wymagają podejścia analitycznego takie jak np. projekty Machine Learning zastawiają wiele pułapek. Jak w nie nie wpaść lub wyjść z nich obronną ręką? W tym odcinku poznasz 5 etapów, których realizacja pomaga usprawnić proces w wielu projektach, ale przede wszystkich przydaje się w tych natury niepewnej, obarczonych ryzykiem, eksperymentalnych. Ułożenie procesu w 5 kluczowych faz pomaga podejść bardziej efektywnie i analitycznie do wielu problemów, które chcemy rozwiązać, nawet jeśli jest to kupienie prezentu dla żony...

Projekty, które wymagają podejścia analitycznego takie jak np. projekty Machine Learning zastawiają wiele pułapek. Jak w nie nie wpaść lub wyjść z nich obronną ręką? W tym odcinku poznasz 5 etapów, których realizacja pomaga usprawnić proces w wielu projektach, ale przede wszystkich przydaje się w tych natury niepewnej, obarczonych ryzykiem, eksperymentalnych. Ułożenie procesu w 5 kluczowych faz pomaga podejść bardziej efektywnie i analitycznie do wielu problemów, które chcemy rozwiązać, nawet jeśli jest to kupienie prezentu dla żony...

Dlaczego tak wiele firm jest mało efektywnych? Skąd biorą się przesądy o projektach AI i jak sobie z nimi radzić? Od czego powinniśmy zacząć innowację w swojej firmie? W tym odcinku rozprawimy się z kilkoma mitami.

Dlaczego tak wiele firm jest mało efektywnych? Skąd biorą się przesądy o projektach AI i jak sobie z nimi radzić? Od czego powinniśmy zacząć innowację w swojej firmie? W tym odcinku rozprawimy się z kilkoma mitami.

W #84 odcinku poznasz 3 wyjątkowe osoby, które podzielą się swoimi przemyśleniami na temat rozwoju w zakresie uczenia maszynowego. Kiedy i jak nauczyć się ML? O czym warto pamiętać i jak może wyglądać edukacja? Jeśli rozważasz poznać praktyczne oblicze uczenia maszynowego, to warto poznać opinie osób, które już zaczęły to robić.

W #84 odcinku poznasz 3 wyjątkowe osoby, które podzielą się swoimi przemyśleniami na temat rozwoju w zakresie uczenia maszynowego. Kiedy i jak nauczyć się ML? O czym warto pamiętać i jak może wyglądać edukacja? Jeśli rozważasz poznać praktyczne oblicze uczenia maszynowego, to warto poznać opinie osób, które już zaczęły to robić.

Innowacja nieodłącznie wiąże się z licznymi wyzwaniami, bo wymaga pokonywania nierzadko bardzo wielu barier, zmiany utartych tematów i sposobu myślenia. O tym i nie tylko miałem okazję porozmawiać z Joanną Chwastowską z Google, która pracuje w dziale dedykowanym ochronie zdrowia i zajmuje się obecnie wraz ze swoim zespołem tworzeniem aplikacji Streams autorstwa DeepMind. Jaki problem rozwiązuje Streams i jak działa? Posłuchaj odcinka.

Innowacja nieodłącznie wiąże się z licznymi wyzwaniami, bo wymaga pokonywania nierzadko bardzo wielu barier, zmiany utartych tematów i sposobu myślenia. O tym i nie tylko miałem okazję porozmawiać z Joanną Chwastowską z Google, która pracuje w dziale dedykowanym ochronie zdrowia i zajmuje się obecnie wraz ze swoim zespołem tworzeniem aplikacji Streams autorstwa DeepMind. Jaki problem rozwiązuje Streams i jak działa? Posłuchaj odcinka.

Statystyka umożliwia lepiej i trafniej podejmować decyzje. To bardzo ważna dziedzina nauki. Uczenie maszynowe też wykorzystuje sporo elementów ze statystyki. Dzisiaj chciałbym ten temat rozszerzyć, dlatego zaprosiłem do rozmowy Janinę Bąk, znaną i lubianę specjalistkę tej dziedziny. Janinę bardzo wyróżnia to, że potrafi mówić o tych trudnych rzeczach w sposób zrozumiały, który można łatwo przyswoić i zastosować.

Statystyka umożliwia lepiej i trafniej podejmować decyzje. To bardzo ważna dziedzina nauki. Uczenie maszynowe też wykorzystuje sporo elementów ze statystyki. Dzisiaj chciałbym ten temat rozszerzyć, dlatego zaprosiłem do rozmowy Janinę Bąk, znaną i lubianę specjalistkę tej dziedziny. Janinę bardzo wyróżnia to, że potrafi mówić o tych trudnych rzeczach w sposób zrozumiały, który można łatwo przyswoić i zastosować.

Gościem #81 odcinka jest Adam Goliński, doktorant na Oxfordzie, który prowadzi ciekawe badania m.in. na temat probabilistycznego programowania. Podzieli się swoim doświadczeniem i powie m.in. o tym, jak zainteresował się na tematem kompresji obrazu czy wideo. Wspomni też o doktoracie w Oxfordzie - czy warto, jak przebiega.

Gościem #81 odcinka jest Adam Goliński, doktorant na Oxfordzie, który prowadzi ciekawe badania m.in. na temat probabilistycznego programowania. Podzieli się swoim doświadczeniem i powie m.in. o tym, jak zainteresował się na tematem kompresji obrazu czy wideo. Wspomni też o doktoracie w Oxfordzie - czy warto, jak przebiega.

Dzisiejszym gościem jest Paweł Gniadkowski, CEO firmy Obido. Jest to miejsce, które umożliwia znalezienie mieszkania do zakupu na rynku pierwotnym w wygodny dla Ciebie sposób. W 2019 r. mój zespół rozpoczął współpracę z Obido i wdrożyliśmy pierwszy model uczenia maszynowego na produkcję. Już teraz przynosi to wymierne korzyści. Dlaczego to podkreślam? Większość projektów machine learning kończy się na fazie prototypów i nigdy nie wdrażają się na produkcję. Tak się dzieje w większości przypadków. My to wdrożyliśmy i co więcej to zaczyna działać. Teraz przymierzamy się do kontynuacji współpracy przy znacznie dłuższym projekcie, z większym budżetem. Dochodzimy do drugiej części współpracy w ramach budowy laboratorium innowacyjnego.

Dzisiejszym gościem jest Paweł Gniadkowski, CEO firmy Obido. Jest to miejsce, które umożliwia znalezienie mieszkania do zakupu na rynku pierwotnym w wygodny dla Ciebie sposób. W 2019 r. mój zespół rozpoczął współpracę z Obido i wdrożyliśmy pierwszy model uczenia maszynowego na produkcję. Już teraz przynosi to wymierne korzyści. Dlaczego to podkreślam? Większość projektów machine learning kończy się na fazie prototypów i nigdy nie wdrażają się na produkcję. Tak się dzieje w większości przypadków. My to wdrożyliśmy i co więcej to zaczyna działać. Teraz przymierzamy się do kontynuacji współpracy przy znacznie dłuższym projekcie, z większym budżetem. Dochodzimy do drugiej części współpracy w ramach budowy laboratorium innowacyjnego.

Uczenie nienadzorowane (unsupervised learning) to dziedzina uczenia maszynowego o ogromnym potencjale, która w bliskiej przyszłości będzie nas coraz bardziej zaskakiwać. O tym właśnie rozmawiałem z Adamem Kosiorkiem, doktorem nauk z Uniwersytetu Oksfordzkiego, który obecnie pracuje w DeepMind.Z tego artykułu dowiesz się:- czym jest uczenie nienadzorowane,- czym jest autoenkoder,- czym jest autoenkoder wariacyjny i czym różni się od klasycznego,- jakie możliwości i ograniczenia mają AIR i SQAIR,- jak działają autoenkodery kapsułkowe,- na co należy uważać przy eksperymentach z uczeniem maszynowym,- jak może wyglądać ścieżka dostania się do DeepMind.

Uczenie nienadzorowane (unsupervised learning) to dziedzina uczenia maszynowego o ogromnym potencjale, która w bliskiej przyszłości będzie nas coraz bardziej zaskakiwać. O tym właśnie rozmawiałem z Adamem Kosiorkiem, doktorem nauk z Uniwersytetu Oksfordzkiego, który obecnie pracuje w DeepMind.Z tego artykułu dowiesz się:- czym jest uczenie nienadzorowane,- czym jest autoenkoder,- czym jest autoenkoder wariacyjny i czym różni się od klasycznego,- jakie możliwości i ograniczenia mają AIR i SQAIR,- jak działają autoenkodery kapsułkowe,- na co należy uważać przy eksperymentach z uczeniem maszynowym,- jak może wyglądać ścieżka dostania się do DeepMind.

Handel to jeden z obszarów biznesu, które dotykają każdego z nas. Co może na tym polu zmienić technologia, jak na jego rozwój wpłyną innowacje? O tym miałem okazję rozmawiać z Marcinem Dąbrowskim, założycielem Surge Cloud oraz sklepu Take&Go, który w 2019 roku pojawił się po raz pierwszy w Poznaniu.

Handel to jeden z obszarów biznesu, które dotykają każdego z nas. Co może na tym polu zmienić technologia, jak na jego rozwój wpłyną innowacje? O tym miałem okazję rozmawiać z Marcinem Dąbrowskim, założycielem Surge Cloud oraz sklepu Take&Go, który w 2019 roku pojawił się po raz pierwszy w Poznaniu.