-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathposty.html
238 lines (218 loc) · 14.5 KB
/
posty.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
<!DOCTYPE html>
<html lang="pl">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Snake University</title>
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.1.1/css/all.min.css">
<link rel="stylesheet" href="posty.css">
<link rel="stylesheet" href="style.css">
<script src="script.js"></script>
</head>
<body>
<header>
<nav class="navigation">
<a href="index.html">
<img src="img/logo.png" class="logo" alt="University Logo">
</a>
<img src="img/menu.png" class="menu-icon" alt="Menu Icon">
<ul>
<li><a href="index.html#Kursy">Kursy</a></li>
<li><a href="index.html#Nauczyciele">Nauczyciele</a></li>
<li><a href="posty.html">Posty</a></li>
<li><a href="cennik.html">Cennik</a></li>
<li><a href="kontakt.html">Kontakt</a></li>
<li><a href="logowanie.html">Logowanie</a></li>
<li><a href="info.html">O mnie</a></li>
</ul>
</nav>
</header>
<main class="main-content">
<section class="post-section">
<div id="Alex-Smola">
<div class="post">
<h2>Rada dla inżynierów oprogramowania, którzy chcą zacząć w ML </h2>
<p>Zaczęcię uczenia się zależy w dużej mierze od doświadczenie Inżyniera. Również to zależy od tego jaką część uczenia maszynowego chcemy opanować. Dla uściślenia, żałóżmy, że mówimy o junior
software engineer'rze, który ma za sobą 3,5 roku studiów i rok doświadczenia w zawodzie. Pierwszą rzeczą do nauki byłaby algebra liniowa. Duża część uczenia maszynowego, statystyki i optymalizacji opiera się właśnie na różnorodnych
algorytmach z algebry liniowej. Dlatego tak ważne jest zrozumienie podstawowych zagadnień: skalary, wektory, macierze, jedno-dwu lub wielowywymiarowe obiekty, które tworzysz by móc wykorzystywać do transformacji
danych. Trochę jak klocki Lego. Następnie ważnym aspektem jest optymalizacja i podstawowy rachunek różniczkowy. W wielu przypadkach łatwo sformułować pytanie ale ciężko dostać dokładną odpowiedź na nie. Na przykład kiedy chcemy przeprowadzić
regresje liniową na danych chcemy zminimalizować odsetek błedy procentowego, aby wyniki były jak najbardziej poprawne. Tak samo jest kiedy chcemy uzyskać model, który przewiduje z jakim prawdopodobieństwem, ktoś
kliknie w reklamę - to chcemy, żeby ten wynik był bardzo dokładny. Dzięki temu możemy wyciągnąć wnioski i powiedzieć sekcji marketingu...
</p>
<button class="read-more">Czytaj więcej</button>
<div class="author">Autor: Alex Smola</div>
<div class="comments">
<h3>Komentarze</h3>
<ul>
<li>
<div class="comment-img">
<img src="img/user1.jpg" alt="User 1">
</div>
Alex321: Dziękiuje za klarowne wskazówki! Zaczynam przygodę z uczeniem maszynowym jako junior software engineer, i ta sugestia, aby zacząć od algebry liniowej, jest dla mnie kluczowa. Mam nadzieję, że to ułatwi mi zrozumienie głębszych koncepcji
</li>
<li>
<div class="comment-img">
<img src="img/user2.jpg" alt="User 2">
</div>
Ola1309 : Dzięki za świetne wyjaśnienie! Teraz, pracując nad analizą danych, widzę, jak istotne są podstawy algebry liniowej. Masz może jakieś szybkie rady dla tych, którzy chcą teorię przenieść w praktykę?"
</li>
<li>
<div class="comment-img">
<img src="img/user3.jpg" alt="User 3">
</div>
BartekSw2 : Świetny artykuł! Chciałbym zapytać, czy istnieje jakiś konkretny obszar w algebrze liniowej, na którym warto się skupić jako początkujący?
</li>
</ul>
</div>
</div>
</div>
<div id="Andrew-Ng">
<div class="post">
<h2>Zastosowania uczenia maszynowego</h2>
<p>W tym artykule poznasz jak samodzielnie wdrażać algorytmy ML. Dowiesz się o najważniejszych algorytmach uczenia maszynowego oraz takie, które aktualnie używa się w dużych firmach zajmującą
się sztuczną inteligencją lub w firmach technologicznych. Poza nauką algorytmów poznasz również przydatne sztuczki i wskazówki dzięki, którym algorytmy będą działać prawidłowo. Zastanawiasz się
dlaczego uczenie maszynowe jest tak powszechnie stosowane? Jest to spowodowane tym, że ludzie chcieli stworzyć inteligentne maszyny. Okazało się, że istnieje kilka podstawowych rzeczy, do których możemy
zaprogramować maszynę, takich jak znalezienie najkrótszej ścieżki z punktu a do punktu b, jak w GPS. Jednak ciężko było zaprogramować to w taki sposób, żeby komputer nauczył się bardziej wymagających rzeczy
takich jak wyszukiwanie w internecie, rozpoznawanie ludzkiej mowy czy diagnozowanie chorób na podstawie zdjęć rentgenowskich. Jedynym sposobem jaki był to by maszyna sama się tego nauczyła.
Potencjał zastosowania tych algorytmów jest ogromny. Według badania przez McKinsey'a, szacuje się, że sztuczna inteligencja i uczenie maszynowe stworzą dodatkowe 13 bilionów dolarów wartości rocznie do
2030 roku. W tym artykule dowiesz się jakie są najważniejsze algorytmy uczenia maszynowego, jak je zaimplementować i jakie są ich zastosowania oraz...
</p>
<button class="read-more">Czytaj więcej</button>
<div class="author">Autor: Andrew Ng</div>
<div class="comments">
<h3>Komentarze</h3>
<ul>
<li>
<div class="comment-img">
<img src="img/user4.jpg" alt="User 4">
</div>
Łukasz689 : Niesamowite, jak duży potencjał ma ML! Czy znasz konkretne firmy, które już teraz odnoszą sukcesy dzięki tym technologiom?
</li>
<li>
<div class="comment-img">
<img src="img/user5.jpg" alt="User 5">
</div>
Nikola3lo : Super artykuł! Jako osoba na początkowym etapie nauki ML, doceniam jasne wyjaśnienia. Czy masz może rady dla kobiet, które chcą wejść w ten fascynujący świat?
</li>
<li>
<div class="comment-img">
<img src="img/user6.jpg" alt="User 6">
</div>
JacekPlacek1 : Dzięki za info! Jaki algorytm obecnie króluje w firmach zajmujących się AI? Chciałbym zacząć od praktyki.
</li>
</ul>
</div>
</div>
</div>
<div id="Andrej-Kaparthy">
<div class="post">
<h2>Podstawy wielkich modeli językowych</h2>
<p>Wielkie modele językowe to po angielsku LLM i w rzeczywistości to tylko dwa pliki. Zasadniczo aby uruchomić LLM, potrzebujemy dwóch plików. Pliku z parametrami oraz plik ze skryptem
napisanym w C lub innym języku programowania. Nie jest wymagane połączenie z internetem. Przykładem mogą być naukowcy z Meta Ai. Pobrali oni fragment internetu (około 10 terabajtów dancyh)
następnie pozyskali dostęp do klastera GPU. Jest to połączenie kilku lub kilkudziesięciu serwerów aby uzyskać poteżną moc obliczeniową. Następnie przeprowadzili proces szkolenia modelu przez około
12 dni. Całkowity koszt takiego uczenia wyniósł 2 miliony dolarów. W wyniku tego otrzymujemu plik zip parametrów. Te parametry w uproszczeniu będą przewidywać następnie wpisywane słowo. Sieć neuronowa
bierze pod uwagę kontekst pierwszych słów np.: "kot siedzi na" i przewiduje, że najbardziej prawdopodobnym następnym słowem będzie "drapaku". Potem to lub inne słowo pobiera i stara się znowu dopasować
najlepiej pasujące słowo i tak w kółko. Zastosowane jest to w dzisiejszych...
</p>
<button class="read-more">Czytaj więcej</button>
<div class="author">Autor: Andrej Kaparthy</div>
<div class="comments">
<h3>Komentarze</h3>
<ul>
<li>
<div class="comment-img">
<img src="img/user7.jpg" alt="User 7">
</div>
Kasia32 : Dzięki za jasne info! Teraz wszystko staje się jasne. Czy to oznacza, że wielkie modele językowe to efekt łączenia ogromnej ilości danych i mocy obliczeniowej?
</li>
<li>
<div class="comment-img">
<img src="img/user8.jpg" alt="User 8">
</div>
Wiktoria007 : Czy wszystkie dane, które pobierają naukowcy, muszą być ogromne? Czy jednak wielkie modele językowe mogą być szkolone również na mniejszych zbiorach danych?
</li>
<li>
<div class="comment-img">
<img src="img/user9.jpg" alt="User 9">
</div>
Hanako1113 : Czy istnieją tańsze alternatywy dla szkolenia wielkich modeli językowych? Jakieś nowatorskie podejścia do obniżenia kosztów?
</li>
</ul>
</div>
</div>
</div>
<div id="David-Malan">
<div class="post">
<h2>Wstęp do szcztucznej inteligencji</h2>
<p>W dzisiejszych czasach sztuczna inteligencja obejmuje wiele różnych rodzajów technik. Za każdym razem gdy widzimy gdy komputer robi coś inteligentnego lub racjonalnego w pewny sposób na przykład
rozpoznanie czyjejś twarzy lub potrafi grać w gry lepiej niż ludzie lub jest wstanie zrozumieć ludzki język gdy mówimy do telefonu i nam odpowiedzieć. To wszystko to są zastosowania sztucznej inteligencji
Niezależnie czy próbujemy uzyskać wskazówki dojazdu z punktu A do B czy dowiedzieć się jak wygrać w kółko i krzyżyk Ai będzie starało się podać najlepszy ruch. Komputer uczy się za pomocą dużej ilości
danych. Przykładem jest skrzynka pocztowa e-mail, która w jakiś sposób wie, które wiadomości są spamem, a które nie. Google maps jest w stanie podać ci przybliżoną godzine dotarcia do domu z uwzględnieniem
złych stanów pogodowych, korków rzeczy, które mogą się wydarzyć w każdym momencie i są w czasie rzeczywistym liczone...
</p>
<button class="read-more">Czytaj więcej</button>
<div class="author">Autor: David Malan</div>
<div class="comments">
<h3>Komentarze</h3>
<ul>
<li>
<div class="comment-img">
<img src="img/user10.jpg" alt="User 10">
</div>
Maciek17w : Dzisiaj sztuczna inteligencja robi naprawdę wiele ciekawych rzeczy. Na przykład, pomaga nam w rozpoznawaniu twarzy, w grach czy nawet w zrozumieniu języka naturalnego, kiedy rozmawiamy z naszymi telefonami.
</li>
<li>
<div class="comment-img">
<img src="img/user11.jpg" alt="User 11">
</div>
Michalina329 : Dzisiaj sztuczna inteligencja robi wiele użytecznych rzeczy. Na przykład, pomaga nam znaleźć najlepsze trasy z punktu A do B, uwzględniając korki czy złe warunki pogodowe.
</li>
<li>
<div class="comment-img">
<img src="img/user12.jpg" alt="User 12">
</div>
Mateusz89 : Dzięki sztucznej inteligencji nasze skrzynki pocztowe potrafią odróżniać spam od ważnych wiadomości. To sprawia, że nasze e-maile są bardziej zorganizowane i mniej irytujące.
</li>
</ul>
</div>
</div>
</div>
</section>
</main>
<footer class="footer">
<div class="footer-col">
<h3>Kariera</h3>
<ul>
<li>Oferty pracy</li>
<li>Dołącz do nas</li>
<li>Branże</li>
<li>Inwestorzy</li>
</ul>
</div>
<div class="footer-col">
<h3>Dostępność</h3>
<ul>
<li>Ustawienia cookies</li>
<li>Polityka cookies</li>
<li>Polityka prywatności</li>
</ul>
</div>
<div class="footer-col">
<h3>Newsy</h3>
<ul>
<li>Blog</li>
<li>Aktualności</li>
<li>Warunki korzystania</li>
</ul>
</div>
<div class="copyright">
<p>Prawa autorskie @ 2023 Wszelkie prawa zastrzeżone | Kamil Płocki</p>
<div class="link">
<i class="fab fa-facebook"></i>
<i class="fab fa-instagram"></i>
<i class="fab fa-linkedin-in"></i>
</div>
</div>
</footer>
</body>
</html>