Sveska

Datirane bilješke iz našeg istraživanja i razvoja.

Jedna svijeća koja gori u mračnoj sobi.
  1. Zašto SI, a ne AI: razlozi za simbiotsku inteligencijuVećina tehnoloških kompanija osnovanih u ovoj deceniji stavlja dva slova u svoju prezentaciju. Mi smo dva druga slova stavili u svoje ime. Šta znači Simbiotska inteligencija i kako određuje šta radimo i zašto to radimo baš tako?
  2. Šta je zapravo interfejs mozak-računar: od EEG signala do odlukeBez čitanja misli, bez magije. Jednostavno i tačno objašnjavamo kako se mikrovolti na koži glave pretvaraju u odluku koju mašina može da izvrši.
  3. Princip X-a: kako pristupamo problemima koji izgledaju nemogućiX u našem imenu znači odbijanje riječi „nemoguće“. Ne tako što zanemarujemo granice, nego tako što ih pretvaramo u pitanja. Četiri koraka koja slijedimo kada nešto još ne radi.
  4. Zašto razvijam interfejs mozak-računar u TurskojPut jednog osnivača od Şanlıurfe do prve linije neuralne tehnologije: zašto pomoćna komunikacija mora da radi i na turskom, šta zaista znači graditi na tržištu u razvoju i zašto je 2025. bila prekretnica.
  5. Regulativa i etika vještačke inteligencijeOd Akta EU o vještačkoj inteligenciji do turskog zakona o zaštiti podataka, od testiranja pristrasnosti do objašnjivosti: dokle je danas stigla regulativa VI, okvir za etički razvoj VI i praktičan vodič za usklađivanje kompanija s novim pravilima.
  6. Vještačka inteligencija i etika: odgovornosti naučnika za podatkeNaučnici za podatke imaju ključnu ulogu u svakoj fazi sistema vještačke inteligencije, od dizajna do primjene. Ovaj tekst kroz šest tema opisuje njihove etičke odgovornosti, od privatnosti i pravičnosti do transparentnosti i održivosti.
  7. Python za analizu podataka: mašinsko učenje uz Scikit-LearnPraktičan uvod u mašinsko učenje uz Scikit-Learn: nadgledano i nenadgledano učenje, podešavanje hiperparametara, unakrsna validacija, izbor obilježja, tumačenje modela, ansambli, metrike, pipeline i studija slučaja na skupu podataka Iris.
  8. Python za analizu podataka: Matplotlib i vizuelizacija podatakaMatplotlib je jedna od najčešće korišćenih Python biblioteka za crtanje grafikona. Ovaj vodič obrađuje linijske, stubičaste i raspršene grafikone, histograme i kružne grafikone, zatim prilagođavanje, podgrafikone, logaritamske i 3D grafikone, uz kod za svaki primjer.
  9. Analiza podataka uz Pandas: obrada i vizuelizacija podatakaPandas je jedna od najkorisnijih Python biblioteka za svakoga ko radi s podacima. Ovaj vodič prolazi kroz DataFrame i Series, učitavanje, čišćenje, sažimanje, grupisanje, grafikone, vremenske serije i spajanje podataka, a zatim sve to objedinjuje na sintetičkom skupu podataka.
  10. U svjetlu renesanse i mudrosti tibetanskih monahaLična bilješka o učešću u seriji Dejavus platforme NUWA NFTs: pet riječi (inicijacija, vrijeme, duhovno, um, tok) koje je AI umjetnica Çağla Öztürk pretočila u umjetničko djelo, a E. Buğra Balcı u muziku.
  11. Šta je neuravnotežen skup podataka i kako se nositi s njim?Model prijavljuje tačnost od 99,9 %, a ipak propušta prevare. Na skupu podataka o prevarama s kreditnim karticama pokazujemo zašto neuravnoteženi podaci zavaravaju, koje metrike treba pratiti i kako podatke uravnotežiti oversamplingom, SMOTE-om i undersamplingom.

RSS kanal