📋 Abstrakt
Krótkie podsumowanie wydarzenia
📔 Notatki
Główne punkty
Szczegóły
💡 Kluczowe wnioski
🤔 Osobista refleksja
- Co było najbardziej wartościowe?
- Jak mogę wykorzystać zdobytą wiedzę?
📎 Materiały
- Prezentacje:
- Linki:
- Dokumenty:
⏭️ Follow-up
- Zadania do wykonania
- Osoby do skontaktowania
- Materiały do przejrzenia
🖊️ Brudnopis
Pan Profesor Kozak z sieci badawczej Lukasiewicz. Steve Jobs - “Nie potrzebujemy prezentacji zeby o czyms mowic”. Sztuczna Inteligencja a różnorodność. Czym sa dane w AI. Głównym celem wystąpienia jest zwrócenie uwagę na to, jak istotne są dane w kontekście sztucznej inteligencji. Popularyzacja wiedzy na temat sztucznej inteligencji, sposobu uczenia algorytmów oraz uczenia maszynowego w połączeniu z praktycznymi problemami. Karty perforowane jako nosniki danych. Ludzie potrafia rozpoznawac, bo sie czegos wyuczylismy. Dane sa konieczne do wyuczenia modeli, ale musza byc dobre, roznorodne. Uczenie maszynowe vs Sztuczna inteligencja. Oznaczone dane, uczenie nadzorowane, wez te plytki i sie czegos naucz - uczenie nienadzorowane. Proces odkrywania wiedzy z danych w kontekscie uczenia maszynowego: Okreslenie problemu → Przygotowanie danych → Eksploracja danych → Interpretacja wyników Sts wykorzystal ML do wykrywania uzaleznien. Analiza stanu krzewostanow (miasto wie kiedy co i jak posadzic zasadzic itd.). Miasto wykupilo dane satelitarne + z dronów. Moze pomysl do wykonania w Gdyni? co zrobic gdy nie mamy danych? Wyprodukowac. Jezyk polski a jezyk polski migowy to dwa rozne jezyki. Wiec trzeba wziac konkretne osoby, dac im tekst i nagrywac ich jezyk migowy. aby odczytac osoby migowe potrzebowalibysmy osoby starsze, mlodsze, dzieci, kobiety, mezczyzni itd. Transfer Learning pozwala w sytuacji gdy nie mamy wszystkich danych, ale mamy cos podobnego, mozemy go wyczucyc na danych ktore mamy, a potem tylko douczyc mala iloscia danych. Ktos potrafi jezdzic samochodem, pokazujemy mu maly kawalek danych jak jezdzic ciezarowka. i sie doucz. Boks - punktowanie.