Σημειωματάριο

Χρονολογημένες σημειώσεις από την έρευνα και την ανάπτυξή μας.

Ένα μόνο κερί αναμμένο σε ένα σκοτεινό δωμάτιο.
  1. Γιατί SI και όχι AI: το επιχείρημα υπέρ της συμβιωτικής νοημοσύνηςΟι περισσότερες εταιρείες τεχνολογίας που ιδρύθηκαν αυτή τη δεκαετία βάζουν δύο γράμματα στην παρουσίασή τους. Εμείς βάλαμε δύο διαφορετικά στο όνομά μας. Τι σημαίνει Συμβιωτική Νοημοσύνη και πώς καθορίζει τι φτιάχνουμε και γιατί;
  2. Τι είναι στην πραγματικότητα μια διεπαφή εγκεφάλου-υπολογιστή: από το σήμα EEG στην απόφασηΧωρίς ανάγνωση σκέψεων, χωρίς μαγεία. Εξηγούμε απλά και με ακρίβεια πώς τα μικροβόλτ στο τριχωτό της κεφαλής μετατρέπονται σε μια απόφαση πάνω στην οποία μπορεί να ενεργήσει μια μηχανή.
  3. Η αρχή του X: πώς προσεγγίζουμε προβλήματα που μοιάζουν αδύναταΤο X στο όνομά μας σημαίνει άρνηση της λέξης «αδύνατο». Όχι αγνοώντας τα όρια, αλλά μετατρέποντάς τα σε ερωτήματα. Τέσσερα βήματα που ακολουθούμε όταν κάτι δεν λειτουργεί ακόμη.
  4. Γιατί αναπτύσσω διεπαφή εγκεφάλου-υπολογιστή στην ΤουρκίαΗ διαδρομή ενός ιδρυτή από τη Σανλιούρφα στην πρώτη γραμμή της νευροτεχνολογίας: γιατί η υποστηρικτική επικοινωνία πρέπει να λειτουργεί και στα τουρκικά, τι απαιτεί πραγματικά η ανάπτυξη σε αναδυόμενη αγορά και γιατί το 2025 ήταν σημείο καμπής.
  5. Ρύθμιση και ηθική της τεχνητής νοημοσύνηςΑπό τον Κανονισμό της ΕΕ για την ΤΝ έως τον τουρκικό νόμο για την προστασία δεδομένων, από τους ελέγχους μεροληψίας έως την επεξηγησιμότητα: πού βρίσκεται σήμερα η ρύθμιση της ΤΝ, ένα πλαίσιο για ηθική ανάπτυξη ΤΝ και ένας πρακτικός οδηγός προσαρμογής των εταιρειών στους νέους κανόνες.
  6. Τεχνητή νοημοσύνη και ηθική: οι ευθύνες των επιστημόνων δεδομένωνΟι επιστήμονες δεδομένων έχουν καθοριστικό ρόλο σε κάθε στάδιο ενός συστήματος τεχνητής νοημοσύνης, από τον σχεδιασμό έως την εφαρμογή. Το άρθρο περιγράφει σε έξι ενότητες τις ηθικές τους ευθύνες, από την ιδιωτικότητα και τη δικαιοσύνη έως τη διαφάνεια και τη βιωσιμότητα.
  7. Python για ανάλυση δεδομένων: μηχανική μάθηση με το Scikit-LearnΠρακτική εισαγωγή στη μηχανική μάθηση με το Scikit-Learn: επιβλεπόμενη και μη επιβλεπόμενη μάθηση, ρύθμιση υπερπαραμέτρων, διασταυρωμένη επικύρωση, επιλογή χαρακτηριστικών, ερμηνεία μοντέλων, συνδυαστικές μέθοδοι, μετρικές, pipeline και μελέτη περίπτωσης με το σύνολο δεδομένων Iris.
  8. Python για ανάλυση δεδομένων: Matplotlib και οπτικοποίηση δεδομένωνΗ Matplotlib είναι μία από τις πιο διαδεδομένες βιβλιοθήκες γραφημάτων της Python. Ο οδηγός αυτός καλύπτει γραμμικά γραφήματα, ραβδογράμματα, διαγράμματα διασποράς, ιστογράμματα και κυκλικά διαγράμματα και στη συνέχεια την προσαρμογή, τα υπογραφήματα, τα λογαριθμικά και τα τρισδιάστατα γραφήματα, με κώδικα για καθένα.
  9. Ανάλυση δεδομένων με Pandas: επεξεργασία και οπτικοποίηση δεδομένωνΗ pandas είναι μία από τις πιο χρήσιμες βιβλιοθήκες της Python για όποιον δουλεύει με δεδομένα. Ο οδηγός αυτός εξετάζει τα DataFrame και τις Series, τη φόρτωση, τον καθαρισμό, τη σύνοψη, την ομαδοποίηση, τα γραφήματα, τις χρονοσειρές και τη συγχώνευση και στο τέλος τα εφαρμόζει όλα σε ένα συνθετικό σύνολο δεδομένων.
  10. Στο φως της Αναγέννησης και στη σοφία των Θιβετιανών μοναχώνΈνα προσωπικό σημείωμα για τη συμμετοχή στη σειρά Dejavus της NUWA NFTs: πέντε λέξεις (μύηση, χρόνος, πνευματικό, νους, ροή) έγιναν έργο της καλλιτέχνιδας ΤΝ Çağla Öztürk και μουσική του E. Buğra Balcı.
  11. Τι είναι ένα μη ισορροπημένο σύνολο δεδομένων και πώς το αντιμετωπίζουμε;Το μοντέλο σας αναφέρει ακρίβεια 99,9 % και παρ’ όλα αυτά δεν εντοπίζει τις απάτες. Με ένα σύνολο δεδομένων για απάτες με πιστωτικές κάρτες δείχνουμε γιατί τα μη ισορροπημένα δεδομένα παραπλανούν, ποιες μετρικές πρέπει να κοιτάμε και πώς αποκαθιστούμε την ισορροπία με oversampling, SMOTE και undersampling.

Ροή RSS