Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Geoffrey Hinton: Die Grundlagen des Deep Learning
Geoffrey Hinton: Die Grundlagen des Deep Learning
Godfather of Artificial Intelligence Geoffrey Hinton gibt einen Überblick über die Grundlagen von Deep Learning. In diesem Vortrag erläutert Hinton die Fortschritte neuronaler Netze, wie sie auf Sprach- und Objekterkennung, Bildsegmentierung und Lesen oder Generieren natürlicher geschriebener Sprache angewendet werden.
Geoffrey Hinton erörtert die Grundlagen des Deep Learning, insbesondere den Backpropagation-Algorithmus und seine Entwicklung. Hinton erklärt, wie sich Deep Learning auf die frühe Handschrifterkennung auswirkte und schließlich zum Gewinn des ImageNet-Wettbewerbs 2012 führte. Er betont auch die Überlegenheit von Deep Learning unter Verwendung von Vektoren neuronaler Aktivität gegenüber der traditionellen symbolischen KI, die dieselben Symbole in Eingabe, Ausgabe und Mitte verwendet. Die Verbesserungen bei maschinellen Übersetzungssystemen, Bilderkennung und deren Kombination für natürliches Denken werden diskutiert, zusammen mit dem Potenzial für Deep Learning bei der Interpretation medizinischer Bilder. Abschließend betont Hinton die Notwendigkeit neuronaler Netze mit Parametern, die mit denen des menschlichen Gehirns vergleichbar sind, um eine echte Verarbeitung natürlicher Sprache zu erreichen.
Helden des Deep Learning: Andrew Ng interviewt Geoffrey Hinton
Helden des Deep Learning: Andrew Ng interviewt Geoffrey Hinton
Geoffrey Hinton, eine führende Persönlichkeit im Bereich Deep Learning, sprach in einem Interview mit Andrew Ng über seinen Werdegang und seine Beiträge auf diesem Gebiet. Er spricht über die Ursprünge von Wörterinbettungen, eingeschränkte Entwicklungen von Boltzmann-Maschinen und seine jüngsten Arbeiten zu schnellen Gewichten und Kapseln. Hinton weist auf die entscheidende Rolle des unbeaufsichtigten Lernens bei Fortschritten im Deep Learning hin und rät den Lernenden, viel zu lesen, an groß angelegten Projekten zu arbeiten und Berater mit ähnlichen Interessen zu finden. Hinton ist der Ansicht, dass sich in der Computertechnik, wo Computer durch Zeigen lernen, ein bedeutender Wandel vollzieht, und warnt davor, dass die Universitäten bei der Ausbildung von Forschern für diesen neuen Ansatz mit der Industrie Schritt halten müssen.
Helden des Deep Learning: Andrew Ng interviewt Yann LeCun
Helden des Deep Learning: Andrew Ng interviewt Yann LeCun
In diesem Interview zwischen Andrew Ng und Yann LeCun spricht LeCun über sein frühes Interesse an KI und der Entdeckung neuronaler Netze. Er beschreibt auch seine Arbeit an Convolutional Neural Networks und die Geschichte hinter CNNs. LeCun spricht darüber, wie er trotz des mangelnden Interesses an neuronalen Netzen Mitte der 90er Jahre auf diesem Gebiet bestand und schließlich seine Arbeit an CNNs den Bereich des Computersehens übernahm. Er spricht auch über den entscheidenden Moment in der Computervision, als das AlexNet-Team 2012 den ImageNet-Wettbewerb gewann, und rät denjenigen, die eine Karriere in KI und maschinellem Lernen anstreben, sich nützlich zu machen, indem sie zu Open-Source-Projekten beitragen oder Algorithmen implementieren.
Helden des Deep Learning: Andrew Ng interviewt Ian Goodfellow
Helden des Deep Learning: Andrew Ng interviewt Ian Goodfellow
In einem Interview mit Andrew Ng spricht Ian Goodfellow über seine Leidenschaft für Deep Learning und wie er sich während seines Studiums in Stanford für dieses Gebiet interessierte. Goodfellow diskutiert seine Erfindung von Generative Adversarial Networks (GANs) und ihr Potenzial für Deep Learning und betont gleichzeitig die Notwendigkeit, GANs zuverlässiger zu machen. Er reflektiert, wie sich sein Denken über KI und Deep Learning im Laufe der Jahre entwickelt hat, von der einfachen Bereitstellung der Technologie für KI-bezogene Aufgaben bis hin zur Erforschung des vollen Potenzials von Deep-Learning-Modellen. Goodfellow gibt auch Ratschläge für diejenigen, die sich mit KI beschäftigen möchten, und erklärt, dass es von entscheidender Bedeutung ist, guten Code zu schreiben und von Anfang an Sicherheit in maschinelle Lernalgorithmen zu integrieren.
Helden des Deep Learning: Andrew Ng interviewt Andrej Karpathy
Helden des Deep Learning: Andrew Ng interviewt Andrej Karpathy
In einem Interview mit Andrew Ng spricht Andrej Karpathy über seine Einführung in Deep Learning durch einen Kurs mit Geoff Hinton und wie er zum menschlichen Maßstab für den ImageNet-Bildklassifizierungswettbewerb wurde. Er spricht über die überraschenden Ergebnisse, als Software Deep Nets seine Leistung übertraf und beschloss, andere darüber durch die Erstellung eines Online-Kurses zu unterrichten. Karpathy diskutiert auch die Zukunft der KI und wie sich das Feld wahrscheinlich in zwei Richtungen aufteilen wird: angewandte KI und AGI. Er rät denjenigen, die in das Gebiet des Deep Learning einsteigen möchten, ein vollständiges Verständnis des gesamten Stacks aufzubauen, indem sie alles von Grund auf neu implementieren.
Heroes of Deep Learning: Andrew Ng interviewt Ruslan Salakhutdinov, Director of AI Research bei Apple
Heroes of Deep Learning: Andrew Ng interviewt Ruslan Salakhutdinov, Director of AI Research bei Apple
Ruslan Salakhutdinov, Director of AI Research bei Apple, spricht über die Entwicklung von Deep Learning, die Herausforderungen beim Training generativer Modelle und unüberwachtes Lernen sowie die spannenden Grenzen der Deep-Learning-Forschung. Er ermutigt die Forscher auch, verschiedene Methoden zu erforschen und keine Angst vor Innovationen zu haben.
Salakhutdinov betont die Bedeutung des Aufbaus dialogbasierter Systeme und Systeme, die Text intelligent lesen können, sowie das ultimative Ziel, menschenähnlichere Lernfähigkeiten zu erreichen.
Helden des Deep Learning: Andrew Ng interviewt Yoshua Bengio
Helden des Deep Learning: Andrew Ng interviewt Yoshua Bengio
Andrew Ng interviewt Yoshua Bengio und sie diskutieren verschiedene Themen im Zusammenhang mit Deep Learning. Bengio drückt aus, wie er zum Deep Learning gekommen ist und wie sich sein Denken über neuronale Netze entwickelt hat. Er diskutiert auch seine Beiträge zur Entwicklung von Wörterinbettungen für Wortfolgen und Deep Learning mit Stapeln von Autoencodern. Darüber hinaus betont Bengio die Bedeutung des unüberwachten Lernens und sein Interesse am Verständnis der Beziehung zwischen Deep Learning und dem Gehirn.
Bengio betont die Notwendigkeit, die Wissenschaft des Deep Learning zu verstehen und richtig zu forschen, um große Herausforderungen anzugehen. Schließlich konzentrieren sie sich auf die Notwendigkeit solider mathematischer Grundkenntnisse für eine Karriere im Bereich Deep Learning und die Bedeutung kontinuierlicher Weiterbildung.
Helden des Deep Learning: Andrew Ng interviewt Pieter Abbeel
Pieter Abbeel diskutiert in diesem Interview mit Andrew Ng die Herausforderungen und Potenziale von Deep Reinforcement Learning. Er stellt fest, dass weitere Arbeiten zur Erforschung, Kreditvergabe und Generierung negativer Beispiele erforderlich sind. Abbeel hebt auch Sicherheitsbedenken und die Bedeutung des Sammelns sicherer Lerndaten hervor, wenn Robotern beigebracht wird, autonom zu leben. Er rät Einzelpersonen, praktische Übungen mit gängigen Frameworks durchzuführen, und schlägt die Vorteile einer Mentorenschaft durch erfahrene Fachleute vor. Darüber hinaus schlägt er die Notwendigkeit von Reinforcement Learning vor, um Maschinen Leistungsziele zu geben, und weist auf die Bedeutung des Klonens von Verhaltensweisen und des überwachten Lernens hin, bevor die Komponente des Reinforcement Learning hinzugefügt wird.
Helden des Deep Learning: Andrew Ng interviewt den Leiter von Baidu Research, Yuanqing Lin
Helden des Deep Learning: Andrew Ng interviewt den Leiter von Baidu Research, Yuanqing Lin
Yuanqing Lin, Head of Baidu Research und Head of China’s National Lab on Deep Learning, spricht über die Gründung des nationalen Labors und seine Auswirkungen auf die Deep-Learning-Community. Lin gibt Einblicke in Chinas Investitionen in Deep Learning und wie diese zu Wachstum in verschiedenen Sektoren geführt haben. Er betont die Bedeutung von Rückkopplungsschleifen in der KI-Entwicklung und wie dies dazu beiträgt, bessere Algorithmen und Technologien zu entwickeln. Lin rät Einzelpersonen, eine starke Grundlage für maschinelles Lernen zu schaffen und mit einem Open-Source-Framework zu beginnen, um erfolgreich in das Feld einzusteigen.
Helden des Deep Learning: Dawn Song über KI, Deep Learning und Sicherheit
Helden des Deep Learning: Dawn Song über KI, Deep Learning und Sicherheit
Dawn Song, eine Expertin für Deep Learning und Computersicherheit, sprach in einem Interview über ihren Karriereweg und ihre Arbeit in den Bereichen KI, Deep Learning und Sicherheit. Song betonte, wie wichtig es sei, Schlüsselprobleme oder -fragen zu identifizieren, um beim ersten Einstieg in das Feld die Lektüre zu leiten, und eine starke Grundlage für die Repräsentation zu entwickeln, um die Forschung in anderen Bereichen zu erleichtern. Sie betonte auch die wachsende Bedeutung des Aufbaus widerstandsfähiger KI- und maschineller Lernsysteme und ihre Arbeit bei der Entwicklung von Verteidigungsmechanismen gegen Black-Box-Angriffe. Song teilte ihre Arbeit zu Datenschutz und Sicherheit, einschließlich der Schulung differentiell privater Sprachmodelle und der Entwicklung einer datenschutzorientierten Cloud-Computing-Plattform auf Blockchain bei Oasis Labs. Schließlich riet Song Menschen, die in neue Bereiche vordringen, mutig zu sein und keine Angst davor zu haben, bei Null anzufangen.