DevTalk

64 – O Machine Learning z Vladimirem Alekseichenko

Listen Later

Odcinek 64. goni za dzisiejszymi trendami. Teraźniejszość, przyszłość i cały nasz świat kręci się wokół kilku “gorących tematów”. Zdecydowanie jest jednym z nich jest…

… obszar ekspertyzy naszego dzisiejszego Gościa, Vladimira Alekseichenko (foto: KPT)! Architekt IT, spec od lat badający temat ML i AI, a do tego mówca. Prowadzi warsztaty DataWorkshop – “Praktyczne uczenie maszynowe dla programistów”. Nagrywa podcast Biznes Myśli o sztucznej inteligencji w biznesie. Na Twitterze: @slon1024.

I właśnie o takich tematach – zebranych pod jednym parasolem Machine Learning – dzisiaj rozmawiamy. Co to jest i skąd się wzięło? Na jakim etapie aktualnie się znajdujemy? Gdzie wykorzystuje się ML i AI? I wreszcie: jak samodzielnie zacząć zabawę z tym tematem?

Jak zwykle – sponsorem odcinka jest moja nowa książka: “Zawód: Programista”. Zapraszam do zamówienia!

Przedsprzedaż trwa tylko do końca października, więc warto się pospieszyć :).

Zamów książkę “Zawód: Programista”!

A teraz… PLAY!

http://traffic.libsyn.com/devtalk/DevTalk_E64-Vladimir_Alekseichenko-Machine_Learning.mp3 Zasubskrybuj podcast (e-mail, iTunes) lub ściągnij ten odcinek w mp3.

Linki:

  • strona Vladimira: http://vova.me
  • podcast Biznes Myśli: http://biznesmysli.pl/
    • Warsztaty DataWorkshop: http://dataworkshop.eu
      • dodatkowe materiały na devstyle.pl:
        • post Ceneo o Machine Learning
        • DevTalk o Pythonie
        • DevTalk o R
          • liniowa regresja: https://en.wikipedia.org/wiki/Linear_regression
            • implementacja w Ruby: https://rubygems.org/gems/linear-regression/versions/0.0.2
            • Naive Bayes: https://en.wikipedia.org/wiki/Naive_Bayes_classifier
              • implementacja w Ruby: https://github.com/slon1024/naive_bayes_classifier
                • github Vladimira: https://github.com/slon1024
                • github DataWorkshop: https://github.com/dataworkshop
                  • environment (docker)
                  • titanic: krok1, krok2, krok3, krok4, krok5
                  • bike sharing demand: krok1, krok2, krok3, krok4
                  • xgboost: krok1, krok2, krok3, krok4
                  • visualization: krok1, krok2, krok3, krok4
                  • allstate (intro to neural network): krok1, krok2, krok3, krok4
                  • cnn: krok1, krok2, krok3, krok4
                    • test turinga (odcinek w BM)
                    • iris dataset
                      • Seria artykułów: Machine Learning for Humans
                      • video z ogórkami
                      • opowieść o sąsiedzkim kocie
                        • AlphaGo – i jak to działa
                          • Konkursy – Kaggle
                          • przyszłość AI
                            • najnowsze estymacji + publikacja
                            • książka: Superintelligence
                            • więcej moich myśli na temat
                            • przykłady gdzie AI jest lepsza od ludzi
                              • AlphaGo: Lee Sedol (rank #4), Ke Jie (rank #1), emerytura
                              • Czytanie z poruszenia warg
                              • Wojeny pilot
                              • Libratus (poker)
                              • Dota 2
                              • dodatkowe przypadki użycia AI
                                • Rolnictwa
                                • Rekiny w Australii
                                • Usuwanie wodnych znaków
                                  • Sztuczna inteligencja w biznesie
                                  • Hype Cycle 2017 (ML w fazie drugiej)
                                  • GAN (specjalny rodzaj sieci nieuronowych)
                                  • Flappy Bird (AI + browser)
                                    • python lib
                                      • pandas
                                      • scikit learn
                                      • ipython/jupyter + notebook + lab
                                      • darmowa książka Python Data Science Handbook
                                      • data science platform:
                                        • BigML
                                        • Azure ML Studio
                                        • MLjar.com
                                        • datarobot.com
                                        • Algorytmy (praktyczne/wartościowe implementacja gradient boosting)
                                          • xgboost
                                          • lightGBM
                                          • catboost

                                            • Koniecznie zostaw komentarz: jak Ci się podoba odcinek?
                                            Nie zapomnij też dołączyć do społeczności DevTalk na Facebooku i Twitterze :)!
                                            Zapisz się również na Newsletter, aby nie przegapić żadnego odcinka!

                                            Muzyka wykorzystana w intro:
                                            “Misuse” Kevin MacLeod (incompetech.com)
                                            Licensed under Creative Commons: By Attribution 3.0
                                            http://creativecommons.org/licenses/by/3.0/

                                             

                                            The post 64 – O Machine Learning z Vladimirem Alekseichenko appeared first on DevTalk.

                                            ...more
                                            View all episodesView all episodes
                                            Download on the App Store
                                            DevTalkBy Maciej Aniserowicz
                                            • 5
                                            • 5
                                            • 5
                                            • 5
                                            • 5

                                            5

                                            3 ratings