Хабр, спасибо! Я попал в Топ. Потом вы обрушили мне Карму. И вот что я Понял…
Я написал статью Застегните ширинки, мамкины киберпанки. Забудьте про ИИ. Она попала в Топ за сутки.
Интеллект: естественный vs искусственный
Прочитал я тут давеча книжку про интеллект ворон и воспламенился, ибо тема была там ну вообще не раскрыта. Так что я решил накидать немного тезисов по части естественного и чуть-чуть искусственного интеллекта прям сюда. Приходи по прочтении в комменты, и пусть победит сильнейший!
Почему джунов не всегда берут в ИТ и кто будет работать?
Привет, Хабр! Меня зовут Александр Черных, я HR-директор «Диасофт», двадцать лет в деле. Никогда такого не было — и вот опять столько шума вокруг одного и того же вопроса: куда делись вакансии для начинающих?
Как иммерсивные исследования в трейдинге изменили наш взгляд на пользователя и продукт. Опыт БКС Форекс
Всем привет!Меня зовут Ксения Иртегова,
Как заставить ИИ быть непредвзятым? – метод Достоевского
Проблема предвзятости или необъективности мнений возникла задолго до создания нейросетей и ИИ, и она имеет несколько вариантов решения, один из которых предложил русский писатель Федор Михайлович Достоевский: он использовал особый способ рассуждений, который он назвал реализмом в высшем смысле. Этот способ вполне подходит для ИИ, хотя, конечно, способ мышления нейросетей значительно отличается от человеческого. Но у них есть много общего.
Часть 4: Обучение и валидация модели — 250 эпох, 94.55% точности и борьба с переобучением
От диплома до продакшена: Как я создавал архитектуры ИИ-проектовЧасть 4: Обучение и валидация модели — 250 эпох, 94.55% точности и борьба с переобучениемВ этой части я расскажу о самом критическом этапе — обучении модели. Здесь 250 эпох отделяют работающую модель от неработающей, а правильная настройка гиперпараметров определяет успех всего проекта.СодержаниеВведение: Почему обучение — это не просто «нажать кнопку»Подготовка данных к обучению
Пси-словарь для айтишников v1.0: Документация к человеческим отношениям для инженеров
Многие из нас умеют отлаживать код, искать утечки памяти и оптимизировать запросы. Но когда дело доходит до отношений, мы часто пытаемся запустить legacy-систему без документации. Этот текст как попытка написать API reference для человеческой привязанности. Без воды, с метафорами, понятными тем, кто мыслит системами.
Прогнозирование цен на Airbnb в Нью-Йорке
Привет, Хаброжители! Мы открыли предзаказ на книгу «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ» Марка Райана и Луки Массарона. Предлагаем ознакомиться с главой 3 «Машинное и глубокое обучение». Чтобы сравнить машинное и глубокое обучение с точки зрения простоты, сопоставим два решения для конкретной задачи классификации табличных данных: прогнозирование того, будет ли объект недвижимости, предлагаемый в аренду на платформе Airbnb в Нью-Йорке (NYC), иметь цену больше или меньше средней цены в объявлениях Airbnb на этом рынке. Мы сравним:машинное обучение
