AI Geek Programmer

Home
  • All
  • MODELE JĘZYKOWE
  • ROZPOZNAWANIE OBRAZÓW
  • TECHNOLOGIA BLOCKCHAIN
  • UCZENIE MASZYNOWE

8 listopada 2020
In TECHNOLOGIA BLOCKCHAIN

Patrząc na postęp technologiczny, jaki dokonał się w ostatnich kilku latach, trudno wymienić dwie bardziej przełomowe technologie niż sztuczna inteligencja i blockchain. Pierwsza z nich otworzyła całkiem nowe możliwości na polach analizy danych, przewidywania wyników i robotyce. Druga na całkiem nowy poziom wyniosła decentralizację, transparentność oraz bezpieczeństwo wynikające z wbudowanej...

by

16 sierpnia 2020
In UCZENIE MASZYNOWE

Jeszcze do niedawna duża część kluczowych pojęć z zakresu szeroko rozumianej sztucznej inteligencji nie była jednoznacznie zdefiniowana. Niektóre z nich, jak Deep Learning, były nawet określane mianem “buzzwords”, czyli pojęć używanych głównie przez marketing i nie mających ścisłego przełożenia na obszary naukowe. Obecnie wydaje się, że podstawowe pojęcia ugruntowały się...

by

13 marca 2020
In UCZENIE MASZYNOWE

Jeżeli jesteś programistą Pythona oraz korzystasz ze środowiska AWS i Anacondy, to prędzej czy później napotkasz potrzebę uruchomienia skryptu Pythona jako procesu cronowego na Amazon Linux w środowisku Anaconda. To chyba nie powinno być trudne, prawda? Hmmm, niestety jest. Ponieważ spędziłem trochę czasu na konfiguracji crona na Amazon Linux w...

by

8 marca 2020
In ROZPOZNAWANIE OBRAZÓW

W poprzednich trzech częściach tutoriala w szczegółach poznaliśmy sieci konwolucyjne. Przyjrzeliśmy się operacji konwolucji, architekturze sieci konwolucyjnych oraz problemowi overfittingu. W klasyfikacji zbioru CIFAR-10 osiągnęliśmy wynik 81% na zbiorze testowym. Aby pójść dalej, musielibyśmy zmienić architekturę naszej sieci, poeksperymentować z hiperparametrami lub uzyskać więcej danych. Dwa pierwsze rozwiązania zostawiam dla...

by

11 stycznia 2020
In ROZPOZNAWANIE OBRAZÓW

Konwolucyjne sieci neuronowe to jedna z najbardziej skutecznych architektur sieci neuronowych w obszarze klasyfikacji obrazów. W pierwszej części tutoriala omówiliśmy zagadnienie konwolucji oraz zbudowaliśmy prostą, gęsto połączoną sieć neuronową, której użyliśmy do klasyfikacji zbioru CIFAR-10, uzyskując skuteczność na poziomie 47%. W części drugiej tutoriala zapoznaliśmy się szczegółowo z architekturą i...

by