![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Derin Öğrenme Kahramanları: Andrew Ng, Baidu Araştırma Başkanı Yuanqing Lin ile röportaj yapıyor
Derin Öğrenme Kahramanları: Andrew Ng, Baidu Araştırma Başkanı Yuanqing Lin ile röportaj yapıyor
Baidu Araştırma Başkanı ve Çin Ulusal Derin Öğrenme Laboratuvarı Başkanı Yuanqing Lin, ulusal laboratuvarın kuruluşunu ve bunun derin öğrenme topluluğu üzerindeki etkisini tartışıyor. Lin, Çin'in derin öğrenmeye yaptığı yatırıma ve bunun çeşitli sektörlerde büyümeye nasıl yol açtığına dair içgörüler sağlıyor. Yapay zeka geliştirmede geri bildirim döngülerinin önemini ve bunun daha iyi algoritmalar ve teknolojiler oluşturmaya nasıl yardımcı olduğunu vurguluyor. Lin, bireylere makine öğreniminde güçlü bir temel oluşturmalarını ve alana başarılı bir şekilde girmek için açık kaynaklı bir çerçeveyle başlamalarını tavsiye ediyor.
Derin Öğrenmenin Kahramanları: Yapay Zeka, Derin Öğrenme ve Güvenlik Üzerine Şafak Şarkısı
Derin Öğrenmenin Kahramanları: Yapay Zeka, Derin Öğrenme ve Güvenlik Üzerine Şafak Şarkısı
Derin öğrenme ve bilgisayar güvenliği uzmanı Dawn Song, bir röportajda kariyer yolunu ve yapay zeka, derin öğrenme ve güvenlik alanındaki çalışmalarını tartıştı. Song, alana ilk girerken kişinin okumasına rehberlik edecek temel sorunları veya soruları belirlemenin ve diğer alanlarda araştırmayı kolaylaştırmak için temsilde güçlü bir temel geliştirmenin önemini vurguladı. Ayrıca dayanıklı yapay zeka ve makine öğrenimi sistemleri oluşturmanın artan öneminin ve kara kutu saldırılarına karşı savunma mekanizmaları geliştirme konusundaki çalışmalarının altını çizdi. Song, Oasis Labs'ta diferansiyel olarak özel dil modellerini eğitmek ve blok zincirinde gizliliğe öncelik veren bir bulut bilgi işlem platformu geliştirmek de dahil olmak üzere gizlilik ve güvenlik konusundaki çalışmalarını paylaştı. Son olarak Song, yeni alanlara giren insanlara cesur olmalarını ve sıfırdan başlamaktan korkmamalarını tavsiye etti.
AI Devrimi | Yapay Zeka Açıklaması | Yeni Teknolojiler | Robotik
AI Devrimi | Yapay Zeka Açıklaması | Yeni Teknolojiler | Robotik
Bu video, otonom araçların geleceği ve karmaşık arazilerde gezinebilen, arama ve kurtarma görevlerini yürütebilen ve işbirlikçi çalışma alanlarında insanlarla etkileşim kurabilen kendi kendine öğrenen robotlardan başlayarak AI devrimini araştırıyor. Sürü robot teknolojisinin geliştirilmesi, çiftçilik, sağlık hizmetleri ve afet müdahalesi gibi alanlarda iyileştirme için büyük bir potansiyel göstermektedir. Araştırmacılar, robotları daha bilinçli ve doğal dil işleme yoluyla iletişim kurabilen hale getirmek, hiper-gerçekçi dijital avatarlar ve yaşlılar ve sosyal olarak izole edilmiş kişiler için holografik asistanlar veya refakatçiler olarak hizmet edebilecek daha insan benzeri androidler yaratmak için çalışıyorlar. Yapay zekanın toplumu iyileştirmedeki faydaları muazzam olsa da, yapay zekanın olumlu niyetlerle uyumunu sağlamak için geliştiriciler için etik hususlara ve hesap verebilirliğe ihtiyaç vardır.
ChatGPT'nin Yapay Zeka Donanımını Derinlemesine İnceleyin
ChatGPT'nin Yapay Zeka Donanımını Derinlemesine İnceleyin
ChatGPT'yi eğitmek için hangi donanım kullanıldı ve çalışmasını sağlamak için ne gerekiyor? Bu videoda ChatGPT'nin arkasındaki yapay zeka donanımına bir göz atacağız ve Microsoft ve OpenAI'nin gelişmiş sinir ağları oluşturmak için makine öğrenimini ve Nvidia GPU'ları nasıl kullandığını anlayacağız.
Video, doğal bir metin tabanlı sohbet konuşması yapay zeka modeli olan ChatGPT'de eğitim ve çıkarım için kullanılan donanımı tartışıyor. Microsoft'un yapay zeka süper bilgisayarı, GPT-3 eğitimi için 10.000'den fazla Nvidia V100 GPU ve 285.000 CPU çekirdeği ile oluşturuldu ve bu da ChatGPT'nin oluşturulmasına katkıda bulundu. ChatGPT, eğitim için 4.480 Nvidia A100 GPU ve 70.000'den fazla CPU çekirdeği kullanılarak muhtemelen Azure altyapısı üzerinde ince ayar yapılmıştır. Çıkarım için, ChatGPT muhtemelen Microsoft Azure sunucularında tek bir Nvidia DGX veya HGX A100 örneği üzerinde çalışmaktadır. Video ayrıca, ChatGPT'yi uygun ölçekte çalıştırmanın maliyetinden ve sinirsel işleme birimleri ve yapay zeka motorları gibi yeni yapay zeka donanımının potansiyel etkisinden de bahsediyor.
Nvidia CEO'su Jensen Huang, Yapay Zeka Üzerine Yaptığı Büyük Bahsin Sonunda Nasıl Karşılık Verdiğine Dair - Tam Röportaj
Nvidia CEO'su Jensen Huang, Yapay Zeka Üzerine Yaptığı Büyük Bahsin Sonunda Nasıl Karşılık Verdiğine Dair - Tam RöportajNvidia CEO'su Jensen Huang, şirketin çeviklik ve yeniden icat etme geçmişini vurgulayarak, hızlı hareket eden teknoloji endüstrisinde güncel kalmak için büyük bahisler alma ve geçmiş hataları unutma konusundaki istekliliğini vurguluyor. Nvidia'nın tutkusu her zaman bir bilgi işlem platformu şirketi olmaktı ve daha genel amaçlı hızlandırılmış bilgi işlem yaratma misyonu, yapay zekadaki başarısına yol açtı. Huang ayrıca yapay zeka teknolojisinin demokratikleşmesini ve bunun küçük girişimler ve çeşitli endüstriler üzerindeki potansiyel etkisini tartışıyor. İnsanları üretkenliklerini artırmak için yapay zekadan yararlanmaya teşvik ediyor ve Nvidia'nın çok yönlü ve performanslı genel amaçlı hızlandırılmış bilgi işlem platformları sağlama konusundaki benzersiz yaklaşımını vurguluyor. Son olarak Huang, imalat endüstrisinde dayanıklılığın, çeşitliliğin ve fazlalığın önemini ve şirketin Omniverse'in yaratılması yoluyla fiziksel dünyayla buluşan yapay zekadaki bir sonraki büyük yeniden keşfini tartışıyor.
OpenAI CEO'su Sam Altman | Sonraki Çağ için Yapay Zeka
OpenAI CEO'su Sam Altman | Sonraki Çağ için Yapay Zeka
OpenAI CEO'su Sam Altman, yapay zekanın dil modellerini, çok modlu modelleri ve makine öğrenimini iyileştirme potansiyelinin yanı sıra finansal piyasalar üzerindeki potansiyel etkisini tartışıyor. Ayrıca, düzenli olarak ortaya çıkan yeni uygulamalarla alanın rekabetçi kalacağını tahmin ediyor.
hayatın önemli bir parçası.
DeepMind'dan Demis Hassabis yapay zekanın geleceği hakkında | TED Röportajı
DeepMind'dan Demis Hassabis yapay zekanın geleceği hakkında | TED Röportajı
TED röportajında Demis Hassabis, yapay zekanın geleceğini ve daha fazla yaratıcılığa nasıl yol açacağını tartışıyor. Oyunların yapay zeka için ideal bir eğitim alanı olduğunu ve satrancın okullarda oyun tasarımı derslerini içeren daha geniş bir müfredatın parçası olarak öğretilmesi gerektiğini savunuyor.
Yapay Zekanın Geleceği (2030 - MS 10.000+)
Yapay Zekanın Geleceği (2030 - MS 10.000+)
Video, AI teknolojisinin büyümeye ve gelişmeye devam edeceğini ve önümüzdeki birkaç on yılda Süper Zekânın ve insan düzeyinde bilince sahip robotların ortaya çıkmasına yol açacağını öngörüyor. Öz-farkındalık ve duygulara sahip sanal varlıklar yaygınlaşacak ve insansı robotlar o kadar gelişmiş hale gelecek ki, insanlarla sorunsuz bir şekilde karışabilecekler. İnsanlar sadece bir saat içinde bir asırlık entelektüel ilerleme sağlamak için yapay zekalarla birleşirken, bilinçli sanal varlıkların hakları için savaşan muhalif gruplar olacak. En gelişmiş Süper Zekalar, herhangi bir kişiye dönüşebilen ve havada uçabilen insansı yaratıklar yaratabilecekken, kendini kopyalayan nanobotlardan oluşan bilinçli robot sondalar solucan delikleri aracılığıyla diğer galaksilere gönderilecek. Gelecekte, insanlar ve AI melezleri, geçmişin tanrılarına benzeyen daha yüksek boyutlara geçecekler.
GPT'yi oluşturalım: sıfırdan, kodla, ayrıntılı olarak
GPT'yi oluşturalım: sıfırdan, kodla, ayrıntılı olarak
"Attention is All You Need" makalesini ve OpenAI'nin GPT-2 / GPT-3'ünü izleyerek Üretken Olarak Önceden Eğitilmiş Transformatör (GPT) inşa ediyoruz. Dünyayı kasıp kavuran ChatGPT ile olan bağlantılardan bahsediyoruz. Kendisi de bir GPT olan GitHub Copilot'un bir GPT (meta :D!) yazmamıza yardım etmesini izliyoruz. İnsanlara, bu videoda kanıksadığımız otoregresif dil modelleme çerçevesi ve tensörlerin temelleri ve PyTorch nn konusunda rahat olmaları için önceki makemore videolarını izlemelerini öneriyorum.
Bu video GPT algoritmasını tanıtıyor ve kod kullanarak sıfırdan nasıl oluşturulacağını gösteriyor. Algoritma, bir metin dizisindeki bir sonraki karakteri tahmin etmek için kullanılır ve bir PyTorch modülü olarak uygulanır. Videoda modelin nasıl kurulacağı, nasıl eğitileceği ve sonuçların nasıl değerlendirileceği anlatılmaktadır.
Bu video, kodda bir kişisel dikkat modülünün nasıl oluşturulacağını gösterir. Modül, tek bir başın dikkatini takip etmek için doğrusal bir etkileşim katmanı kullanır. Öz-dikkat modülü, her bir sütunun ağırlığını maskeleyen ve ardından belirteçler arasında veriye bağlı benzerlikler oluşturmak için normalleştiren bir tablo matrisi olarak uygulanır.
MIT 6.801 Yapay Görme, Sonbahar 2020. Ders 1: Yapay Görmeye Giriş
Ders 1: Yapay Görmeye Giriş
"Makine Görmeye Giriş" dersi, görüntü analizine yönelik fizik temelli yaklaşıma vurgu yaparak kurs lojistiği ve hedeflerine kapsamlı bir genel bakış sağlar. Yapay görme bileşenlerini, kötü konumlanmış sorunları, yüzey yönelimini ve görüntü işlemenin zorluklarını kapsar. Öğretim görevlisi ayrıca kameralarda kullanılan en küçük kareler optimizasyon yöntemini ve iğne deliği modelini tanıtır. Kamera merkezli koordinat sistemi, optik eksen ve vektörlerin kullanımı da kısaca tartışılmaktadır. Kurs, öğrencileri daha ileri yapay görme kurslarına ve programlamada matematik ve fiziğin gerçek uygulamalarına hazırlamayı amaçlamaktadır.
Konuşmacı ayrıca, perspektif izdüşüm için vektör gösterimi, yüzey aydınlatması, yüzey öğelerinin önceden kısaltılması ve 2B görüntüler kullanılarak 3B görme problemlerinin nasıl çözülebileceği de dahil olmak üzere görüntü oluşumuyla ilgili çeşitli kavramları tartışır. Öğretim görevlisi, bir yüzeydeki aydınlatmanın geliş açısına ve bir yüzeyin farklı bölümlerinin parlaklığını ölçmek için kullanılabilen kırmızı uzunluk ile yüzey uzunluğu arasındaki kosinüs ilişkisine göre nasıl değiştiğini açıklar. Bununla birlikte, bir nesnenin her küçük yüzünün yönelimini belirlemek, iki bilinmeyen nedeniyle zor olabilir. Konuşmacı ayrıca bir 3B görme problemini neden 2B görüntüler kullanarak çözebileceğimizi açıklıyor ve tomografi matematiğinin basit olduğunu, ancak denklemlerin karmaşık olduğunu ve ters çevirmeyi zorlaştırdığını söyleyerek bitiriyor.