Тетратка
Белешки од нашето истражување и развој, со датум.

- Зошто SI, а не AI: во прилог на симбиотската интелигенцијаПовеќето технолошки компании основани во оваа деценија во својот настап ставаат две букви. Ние во нашето име ставивме две други. Што значи симбиотска интелигенција и како таа одредува што правиме и зошто го правиме токму така?
- Што всушност е интерфејс мозок–компјутер: од EEG-сигнал до одлукаБез читање мисли, без магија. Едноставно и точно објаснуваме како микроволтите на скалпот се претвораат во одлука што машината може да ја изврши.
- Принципот на X: како пристапуваме кон проблеми што изгледаат невозможниX во нашето име значи отфрлање на зборот „невозможно“. Не со игнорирање на границите, туку со тоа што ги сфаќаме како прашања. Четири чекори што ги следиме кога нешто сè уште не функционира.
- Зошто развивам интерфејс мозок–компјутер во ТурцијаПатот на еден основач од Шанлиурфа до првата линија на невралната технологија: зошто помошната комуникација мора да работи и на турски, што навистина бара градењето на пазар во развој и зошто 2025 беше пресвртница.
- Регулатива и етика на вештачката интелигенцијаОд Актот на ЕУ за вештачка интелигенција до турскиот закон за заштита на податоци, од тестирање пристрасност до објаснивост: каде е регулативата на ВИ денес, рамка за етички развој на ВИ и практичен водич за усогласување на компаниите со новите правила.
- Вештачка интелигенција и етика: одговорностите на податочните научнициПодаточните научници имаат клучна улога во секоја фаза од системот на вештачка интелигенција, од дизајн до примена. Овој текст во шест теми ги опишува нивните етички одговорности, од приватност и праведност до транспарентност и одржливост.
- Python за анализа на податоци: машинско учење со Scikit-LearnПрактичен вовед во машинското учење со Scikit-Learn: надгледувано и ненадгледувано учење, подесување хиперпараметри, вкрстена валидација, избор на карактеристики, толкување на моделот, ансамбли, метрики, pipeline и студија на случај со збирката Iris.
- Python за анализа на податоци: Matplotlib и визуелизација на податоциMatplotlib е една од најкористените Python библиотеки за графикони. Овој водич ги опфаќа линиските, столбестите и кружните графикони, дијаграмите на расејување и хистограмите, а потоа прилагодувањето, подграфиконите, логаритамските и 3Д графиконите, со код за секој пример.
- Анализа на податоци со Pandas: обработка и визуелизација на податоциPandas е една од најкорисните Python библиотеки за секој што работи со податоци. Водичот минува низ DataFrame и Series, вчитување, чистење, сумирање, групирање, графикони, временски серии и спојување, а потоа сето тоа го применува врз синтетичка збирка податоци.
- Во светлината на ренесансата и мудроста на тибетските монасиЛична белешка за учеството во серијата Dejavus на NUWA NFTs: пет зборови (иницијација, време, духовно, ум, тек) преточени во дело на уметничката Чагла Озтурк, која твори со ВИ, и во музика на Е. Бугра Балџи.
- Што е неурамнотежена збирка податоци и како да се справиме со неа?Моделот покажува точност од 99,9 %, а сепак ги пропушта измамите. Со збирка податоци за измами со платежни картички покажуваме зошто неурамнотежените податоци доведуваат во заблуда, кои метрики треба да се следат и како да се урамнотежат со оверсемплинг, SMOTE и андерсемплинг.

