Bilježnica
Datirane bilješke iz našeg istraživanja i razvoja.

- Zašto SI, a ne AI: u prilog simbiotskoj inteligencijiVećina tehnoloških kompanija osnovanih u ovoj deceniji stavlja dva slova u svoju prezentaciju. Mi smo dva druga stavili u svoje ime. Šta znači Simbiotska inteligencija i kako određuje ono što radimo i zašto to radimo baš tako?
- Šta je zapravo interfejs mozak-računar: od EEG signala do odlukeBez čitanja misli, bez magije. Jednostavno i tačno objašnjavamo kako se mikrovolti na koži glave pretvaraju u odluku po kojoj mašina može djelovati.
- Princip X-a: kako pristupamo problemima koji izgledaju nemogućiX u našem imenu znači odbijanje riječi „nemoguće“. Ne tako što zanemarujemo granice, nego tako što ih pretvaramo u pitanja. Četiri koraka koja primjenjujemo kada nešto još ne radi.
- Zašto razvijam interfejs mozak-računar u TurskojPut jednog osnivača od Şanlıurfe do prve linije neuralne tehnologije: zašto pomoćna komunikacija mora raditi i na turskom, šta zaista traži gradnja na tržištu u razvoju i zašto je 2025. bila prekretnica.
- Regulativa i etika umjetne inteligencijeOd Akta EU o umjetnoj inteligenciji do turskog zakona o zaštiti podataka, od testiranja pristrasnosti do objašnjivosti: gdje je danas regulativa umjetne inteligencije, okvir za njen etički razvoj i praktičan vodič za usklađivanje kompanija s novim pravilima.
- Umjetna inteligencija i etika: odgovornosti naučnika za podatkeNaučnici za podatke imaju ključnu ulogu u svakoj fazi sistema umjetne inteligencije, od dizajna do primjene. Ovaj tekst kroz šest tema opisuje njihove etičke odgovornosti, od privatnosti i pravičnosti do transparentnosti i održivosti.
- Python za analizu podataka: mašinsko učenje uz Scikit-LearnPraktičan uvod u mašinsko učenje uz Scikit-Learn: nadzirano i nenadzirano učenje, podešavanje hiperparametara, unakrsna validacija, odabir obilježja, tumačenje modela, ansambli, metrike, pipeline i studija slučaja na skupu podataka Iris.
- Python za analizu podataka: Matplotlib i vizualizacija podatakaMatplotlib je jedna od najčešće korištenih Python biblioteka za crtanje grafikona. Ovaj vodič obrađuje linijske, stupčaste i kružne grafikone, dijagrame raspršenosti i histograme, zatim prilagođavanje, podgrafikone, logaritamske i 3D grafikone, uz kod za svaki primjer.
- Analiza podataka pomoću pandasa: obrada i vizualizacija podatakaPandas je jedna od najkorisnijih Python biblioteka za svakoga ko radi s podacima. Ovaj vodič prolazi kroz DataFrame i Series, učitavanje, čišćenje, sažimanje i grupisanje podataka, crtanje grafikona, vremenske serije i spajanje, a zatim sve to primjenjuje na sintetičkom skupu podataka.
- U svjetlu renesanse i mudrosti tibetanskih monahaLična bilješka o učešću u seriji Dejavus platforme NUWA NFTs: pet riječi (inicijacija, vrijeme, duhovno, um, tok) pretočeno je u djelo AI umjetnice Çağle Öztürk i muziku E. Buğre Balcıja.
- Šta je neuravnotežen skup podataka i kako se nositi s njim?Vaš model iskazuje tačnost od 99,9 %, a ipak propušta prevare. Na skupu podataka o prevarama s kreditnim karticama pokazujemo zašto neuravnoteženi podaci zavaravaju, koje metrike treba pratiti i kako podatke uravnotežiti oversamplingom, SMOTE-om i undersamplingom.

