Bilježnica

Datirane bilješke iz našeg istraživanja i razvoja.

Jedna svijeća koja gori u tamnoj sobi.
  1. Zašto SI, a ne AI: u prilog simbiotskoj inteligencijiVećina tehnoloških tvrtki osnovanih u ovom desetljeću stavlja dva slova u svoju prezentaciju. Mi smo dva druga stavili u svoje ime. Što znači Simbiotska inteligencija i kako određuje što radimo i zašto tako radimo?
  2. Što je zapravo sučelje mozak – računalo: od EEG signala do odlukeBez čitanja misli, bez čarolije. Jednostavno i točno objašnjavamo kako se mikrovolti na vlasištu pretvaraju u odluku koju stroj može izvršiti.
  3. Načelo X-a: kako pristupamo problemima koji se čine nemogućimaX u našem imenu znači odbijanje riječi „nemoguće”. Ne tako da zanemarujemo granice, nego tako da ih pretvaramo u pitanja. Četiri koraka kojima se služimo kad nešto još ne radi.
  4. Zašto razvijam sučelje mozak – računalo u TurskojPut jednog osnivača od Şanlıurfe do prve crte neuralne tehnologije: zašto potpomognuta komunikacija mora raditi i na turskom, što zapravo znači graditi na tržištu u razvoju i zašto je 2025. bila prekretnica.
  5. Regulativa i etika umjetne inteligencijeOd Akta EU-a o umjetnoj inteligenciji do turskog zakona o zaštiti podataka, od testiranja pristranosti do objašnjivosti: gdje je danas regulativa umjetne inteligencije, okvir za etički razvoj UI-ja i praktičan vodič za usklađivanje tvrtki s novim pravilima.
  6. Umjetna inteligencija i etika: odgovornosti podatkovnih znanstvenikaPodatkovni znanstvenici imaju ključnu ulogu u svakoj fazi sustava umjetne inteligencije, od dizajna do primjene. Ovaj tekst kroz šest tema opisuje njihove etičke odgovornosti, od privatnosti i pravednosti do transparentnosti i održivosti.
  7. Python za analizu podataka: strojno učenje sa Scikit-LearnomPraktičan uvod u strojno učenje sa Scikit-Learnom: nadzirano i nenadzirano učenje, ugađanje hiperparametara, unakrsna validacija, odabir značajki, tumačenje modela, ansambli, metrike, cjevovodi (pipeline) i studija slučaja na skupu podataka Iris.
  8. Python za analizu podataka: Matplotlib i vizualizacija podatakaMatplotlib je jedna od najčešće korištenih Python biblioteka za crtanje grafikona. Ovaj vodič obrađuje linijske i stupčaste grafikone, dijagrame raspršenja, histograme i kružne grafikone, zatim prilagodbu, podgrafikone te logaritamske i 3D grafikone, uz kod za svaki primjer.
  9. Analiza podataka s pandasom: obrada i vizualizacija podatakaPandas je jedna od najkorisnijih Python biblioteka za svakoga tko radi s podacima. Ovaj vodič prolazi kroz DataFrame i Series, učitavanje, čišćenje, sažimanje, grupiranje, crtanje grafikona, vremenske nizove i spajanje podataka, a zatim sve to objedinjuje na sintetičkom skupu podataka.
  10. U svjetlu renesanse i mudrosti tibetanskih redovnikaOsobna bilješka o sudjelovanju u seriji Dejavus platforme NUWA NFTs: pet riječi (inicijacija, vrijeme, duhovno, um, tok) pretočeno je u djelo AI umjetnice Çağle Öztürk i glazbu E. Buğre Balcıja.
  11. Što je neuravnotežen skup podataka i kako se nositi s njim?Vaš model pokazuje točnost od 99,9 %, a ipak propušta prijevare. Na skupu podataka o prijevarama s kreditnim karticama pokazujemo zašto neuravnoteženi podaci zavaravaju, koje metrike treba pratiti i kako uspostaviti ravnotežu oversamplingom, SMOTE-om i undersamplingom.

RSS kanal