Rada dla inżynierów oprogramowania, którzy chcą zacząć w ML

Zaczęcię uczenia się zależy w dużej mierze od doświadczenie Inżyniera. Również to zależy od tego jaką część uczenia maszynowego chcemy opanować. Dla uściślenia, żałóżmy, że mówimy o junior software engineer'rze, który ma za sobą 3,5 roku studiów i rok doświadczenia w zawodzie. Pierwszą rzeczą do nauki byłaby algebra liniowa. Duża część uczenia maszynowego, statystyki i optymalizacji opiera się właśnie na różnorodnych algorytmach z algebry liniowej. Dlatego tak ważne jest zrozumienie podstawowych zagadnień: skalary, wektory, macierze, jedno-dwu lub wielowywymiarowe obiekty, które tworzysz by móc wykorzystywać do transformacji danych. Trochę jak klocki Lego. Następnie ważnym aspektem jest optymalizacja i podstawowy rachunek różniczkowy. W wielu przypadkach łatwo sformułować pytanie ale ciężko dostać dokładną odpowiedź na nie. Na przykład kiedy chcemy przeprowadzić regresje liniową na danych chcemy zminimalizować odsetek błedy procentowego, aby wyniki były jak najbardziej poprawne. Tak samo jest kiedy chcemy uzyskać model, który przewiduje z jakim prawdopodobieństwem, ktoś kliknie w reklamę - to chcemy, żeby ten wynik był bardzo dokładny. Dzięki temu możemy wyciągnąć wnioski i powiedzieć sekcji marketingu...

Czytaj więcej

Zastosowania uczenia maszynowego

W tym artykule poznasz jak samodzielnie wdrażać algorytmy ML. Dowiesz się o najważniejszych algorytmach uczenia maszynowego oraz takie, które aktualnie używa się w dużych firmach zajmującą się sztuczną inteligencją lub w firmach technologicznych. Poza nauką algorytmów poznasz również przydatne sztuczki i wskazówki dzięki, którym algorytmy będą działać prawidłowo. Zastanawiasz się dlaczego uczenie maszynowe jest tak powszechnie stosowane? Jest to spowodowane tym, że ludzie chcieli stworzyć inteligentne maszyny. Okazało się, że istnieje kilka podstawowych rzeczy, do których możemy zaprogramować maszynę, takich jak znalezienie najkrótszej ścieżki z punktu a do punktu b, jak w GPS. Jednak ciężko było zaprogramować to w taki sposób, żeby komputer nauczył się bardziej wymagających rzeczy takich jak wyszukiwanie w internecie, rozpoznawanie ludzkiej mowy czy diagnozowanie chorób na podstawie zdjęć rentgenowskich. Jedynym sposobem jaki był to by maszyna sama się tego nauczyła. Potencjał zastosowania tych algorytmów jest ogromny. Według badania przez McKinsey'a, szacuje się, że sztuczna inteligencja i uczenie maszynowe stworzą dodatkowe 13 bilionów dolarów wartości rocznie do 2030 roku. W tym artykule dowiesz się jakie są najważniejsze algorytmy uczenia maszynowego, jak je zaimplementować i jakie są ich zastosowania oraz...

Czytaj więcej

Podstawy wielkich modeli językowych

Wielkie modele językowe to po angielsku LLM i w rzeczywistości to tylko dwa pliki. Zasadniczo aby uruchomić LLM, potrzebujemy dwóch plików. Pliku z parametrami oraz plik ze skryptem napisanym w C lub innym języku programowania. Nie jest wymagane połączenie z internetem. Przykładem mogą być naukowcy z Meta Ai. Pobrali oni fragment internetu (około 10 terabajtów dancyh) następnie pozyskali dostęp do klastera GPU. Jest to połączenie kilku lub kilkudziesięciu serwerów aby uzyskać poteżną moc obliczeniową. Następnie przeprowadzili proces szkolenia modelu przez około 12 dni. Całkowity koszt takiego uczenia wyniósł 2 miliony dolarów. W wyniku tego otrzymujemu plik zip parametrów. Te parametry w uproszczeniu będą przewidywać następnie wpisywane słowo. Sieć neuronowa bierze pod uwagę kontekst pierwszych słów np.: "kot siedzi na" i przewiduje, że najbardziej prawdopodobnym następnym słowem będzie "drapaku". Potem to lub inne słowo pobiera i stara się znowu dopasować najlepiej pasujące słowo i tak w kółko. Zastosowane jest to w dzisiejszych...

Czytaj więcej

Wstęp do szcztucznej inteligencji

W dzisiejszych czasach sztuczna inteligencja obejmuje wiele różnych rodzajów technik. Za każdym razem gdy widzimy gdy komputer robi coś inteligentnego lub racjonalnego w pewny sposób na przykład rozpoznanie czyjejś twarzy lub potrafi grać w gry lepiej niż ludzie lub jest wstanie zrozumieć ludzki język gdy mówimy do telefonu i nam odpowiedzieć. To wszystko to są zastosowania sztucznej inteligencji Niezależnie czy próbujemy uzyskać wskazówki dojazdu z punktu A do B czy dowiedzieć się jak wygrać w kółko i krzyżyk Ai będzie starało się podać najlepszy ruch. Komputer uczy się za pomocą dużej ilości danych. Przykładem jest skrzynka pocztowa e-mail, która w jakiś sposób wie, które wiadomości są spamem, a które nie. Google maps jest w stanie podać ci przybliżoną godzine dotarcia do domu z uwzględnieniem złych stanów pogodowych, korków rzeczy, które mogą się wydarzyć w każdym momencie i są w czasie rzeczywistym liczone...

Czytaj więcej