![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
MIT 6.S191: Modelagem Gerativa Profunda
Aula 4. MIT 6.S191: Modelagem Generativa Profunda
Este vídeo discute como a modelagem generativa profunda pode ser usada para aprender uma representação mais suave e completa dos dados de entrada, que podem ser usados para gerar novas imagens. A chave para o DGM é introduzir uma distribuição de probabilidade para cada variável latente, o que permite que a rede faça uma amostragem dessa distribuição latente para gerar novos dados.
MIT 6.S191: Aprendizagem por Reforço
Aula 5. MIT 6.S191: Aprendizagem por Reforço
Neste vídeo, Alexander Amini discute o conceito de aprendizado por reforço e como ele pode ser usado para treinar uma rede neural. Ele começa explicando como funciona o aprendizado por reforço e como ele pode ser usado em cenários do mundo real. Ele então passa a discutir como treinar uma rede de gradiente de políticas. Por fim, ele conclui o vídeo discutindo como atualizar o gradiente de política em cada iteração do loop de treinamento.
MIT 6.S191 (2022): Deep Learning New Frontiers
Aula 6. MIT 6.S191 (2022): Deep Learning New Frontiers
A palestra "Deep Learning New Frontiers" do MIT 6.S191 abrange uma variedade de tópicos. A palestrante Ava Soleimany explica os diversos prazos do curso, apresenta as palestras dos convidados e discute as atuais fronteiras da pesquisa. Limitações de redes neurais profundas em relação ao Teorema da Aproximação Universal, generalização, qualidade de dados, incerteza e ataques adversários também são abordadas. Além disso, são discutidas redes neurais de convolução de grafos e suas possíveis aplicações em diferentes domínios, como descoberta de medicamentos, mobilidade urbana e previsão de COVID-19. Por fim, a palestra explora o tópico de aprendizado de máquina automatizado (autoML) e como ele pode ajudar a projetar modelos de aprendizado de máquina e aprendizado profundo de alto desempenho. O palestrante conclui enfatizando a importância da conexão e distinção entre aprendizagem humana, inteligência e modelos de aprendizagem profunda.
MIT 6.S191: LiDAR para direção autônoma
Aula 7. MIT 6.S191: LiDAR para direção autônoma
O vídeo "MIT 6.S191: LiDAR for Autonomous Driving" apresenta o desenvolvimento da tecnologia LiDAR da Innoviz para veículos autônomos, destacando os benefícios e a importância das capacidades de visibilidade e previsão do sistema. O palestrante explica os vários fatores que afetam a relação sinal-ruído do sistema LiDAR, a importância da redundância no uso do sensor e a necessidade de alta resolução e eficiência computacional na detecção de objetos relevantes para colisões. Eles também discutem os desafios das redes de aprendizado profundo na detecção e classificação de objetos, diferentes representações de dados LiDAR e a fusão de clustering e abordagens de aprendizado profundo para detecção de objetos e precisão da caixa de limite. Além disso, o vídeo aborda as compensações entre o FMCW e o LiDAR de tempo de voo. No geral, a discussão enfatiza o papel crítico do LiDAR no aumento da segurança e no futuro da direção autônoma.
MIT 6.S191: Reconhecimento Automático de Fala
Aula 8. MIT 6.S191: Reconhecimento Automático de Fala
Neste vídeo, o cofundador da Rev explica a missão da empresa de conectar pessoas que transcrevem, legendam ou legendam mídia com clientes que precisam de serviços de transcrição. A Rev usa o ASR para alimentar seu mercado, transcrevendo mais de 15.000 horas de dados de mídia por semana e oferece sua API para que os clientes criem seus próprios aplicativos de voz. O novo modelo ASR end-to-end de aprendizagem profunda desenvolvido pela Rev alcança uma melhoria significativa no desempenho em comparação com seu antecessor, mas ainda há espaço para melhorias, pois o ASR não é um problema completamente resolvido, mesmo em inglês. O palestrante discute diferentes técnicas para lidar com o viés em conjuntos de dados, preparando dados de áudio para treinamento e abordagens para resolver problemas com o modelo de ponta a ponta.
MIT 6.S191: IA para a ciência
Aula 9. MIT 6.S191: AI for Science
O vídeo MIT 6.S191: AI for Science explora os desafios do uso de métodos de computação tradicionais para resolver problemas científicos complexos e a necessidade de aprendizado de máquina para acelerar as simulações. O palestrante discute a necessidade de desenvolver novos métodos de ML que possam capturar fenômenos de escala fina sem overfitting para pontos discretos e descreve várias abordagens para resolver equações diferenciais parciais (PDEs) usando operadores neurais e transformadas de Fourier. Eles também abordam a importância de manter as informações de fase e amplitude no domínio da frequência e adicionar leis físicas como funções de perda ao resolver problemas inversos com PDEs. Além disso, a possibilidade de usar IA para aprender equações simbólicas e descobrir novas físicas ou leis, a importância da quantificação de incertezas, escalabilidade e considerações do lado da engenharia para aumentar a escala de aplicativos de IA são abordadas. O vídeo termina incentivando as pessoas a buscar projetos legais com IA.
MIT 6.S191: Incerteza em Deep Learning
Aula 10. MIT 6.S191: Incerteza em Deep Learning
O palestrante Jasper Snoek (cientista de pesquisa, Google Brain) discute a importância da incerteza e da robustez fora da distribuição em modelos de aprendizado de máquina, principalmente em áreas como saúde, carros autônomos e sistemas de diálogo conversacional. Ao expressar incerteza nas previsões, os modelos podem fornecer aos médicos ou humanos mais informações para tomar decisões ou pedir esclarecimentos, melhorando a utilidade geral do sistema. O palestrante também apresenta a ideia de incerteza do modelo e as fontes de incerteza, enfatizando que modelos que reconhecem suas próprias limitações podem ser ainda mais úteis.
Inteligência Artificial: a última invenção da humanidade
Inteligência Artificial: a última invenção da humanidade
O vídeo "Inteligência artificial: a última invenção da humanidade" explora os avanços e os riscos potenciais associados ao desenvolvimento da inteligência artificial (IA). O vídeo destaca o AlphaGo do Google DeepMind, que ultrapassou séculos de conhecimento estratégico humano em apenas 40 dias. Ele mergulha nas diferenças entre IA fraca e forte e discute como a IA avançada pode levar a uma singularidade tecnológica, onde ela se aprimora continuamente e se torna bilhões de vezes mais inteligente que os humanos. O palestrante enfatiza a importância de dar à IA valores e princípios humanos e adverte contra a criação de um sistema incontrolável. O vídeo conclui enfatizando a necessidade de considerar cuidadosamente as consequências do desenvolvimento de IA superinteligente antes de fazê-lo.
A Revolução da Inteligência Artificial do Canadá - Dra. Joelle Pineau
A Revolução da Inteligência Artificial do Canadá - Dra. Joelle Pineau
A Dra. Joelle Pineau discute os avanços e desafios no campo da inteligência artificial (IA), destacando o papel do aprendizado de máquina e da visão computacional no progresso da pesquisa de IA. Ela apresenta seu próprio trabalho na otimização de tratamentos para epilepsia usando terapia de estimulação neural e aprendizado por reforço. O Dr. Pineau também discute os impactos socioeconômicos da IA, observando a necessidade de colaboração entre pesquisadores de IA e pesquisadores médicos de domínio específico para otimizar o tratamento. Ela enfatiza a importância de preparar a educação da próxima geração em habilidades de matemática, ciências e computação para atender à demanda de incorporar mais perspectivas técnicas no currículo. No entanto, ela também reconhece desafios no campo, como questões de viés nos dados e questões de privacidade e segurança com relação aos dados. O Dr. Pineau, em última análise, vê a IA como tendo o potencial de revolucionar vários campos, como saúde e robótica, e espera o futuro dos sistemas autônomos que podem operar com segurança e eficácia em ambientes centrados no ser humano.
Ela também destaca a necessidade de trazer diversas perspectivas para o campo da inteligência artificial (IA) para expandir a tecnologia e menciona iniciativas como a AI for Good na McGill que treina jovens mulheres em IA. No entanto, ela observa a necessidade de medir seu impacto e treinar mais pessoas em IA rapidamente para superar o gargalo no desenvolvimento de IA devido à falta de talento. Pineau enfatiza a importância de ter uma força de trabalho diversificada e bem treinada para avançar no campo da IA. O vídeo termina com Pineau anunciando um próximo evento com Michele Lamont no hotel Omni King Edward em 14 de novembro.
Inteligência artificial e algoritmos: prós e contras | Documentário DW (documentário de IA)
Inteligência artificial e algoritmos: prós e contras | Documentário DW (documentário de IA)
O vídeo discute os prós e contras da inteligência artificial, com foco nas implicações éticas da IA. Ele destaca como a IA pode ser usada para melhorar a eficiência e a segurança pública, mas também como pode ser usada para violar a privacidade. O vídeo entrevista Jens Redma, funcionário de longa data do Google, sobre a importância da IA para a empresa.