Biznes Myśli

Biznes Myślihttps://www.spreaker.com/show/biznes-mysli
Razem z ekspertami omawiamy kluczowe tematy AI: ludzie, pieniądze, trendy, pomysły, dane, narzędzia i sprawdzone praktyki. Biznes Myśli to Twoje sprawdzone źródło na temat sztucznej inteligencji. Świat zmienia się szybciej, niż myślisz – dołącz teraz!

Blog: https://biznesmysli.pl/newsletter
Youtube: ]]>plBusinessCopyright Vladimirhttps://d3wo5wojvuv7l.cloudfront.net/t_rss_itunes_square_1400/images.spreaker.com/original/3f1dd38756a6e44a63bb6d5cfe5d1bd0.jpgBiznes Myślihttps://www.spreaker.com/show/biznes-mysliThu, 26 Dec 2024 08:04:03 +0000VladimirVladimirinfo@biznesmysli.plPodcast o sztucznej inteligencji. Jeżeli chcesz być krok do przodu przed swoją konkurencją, usprawnić jakość produktu czy podejmować bardziej trafne decyzji, to podcast “Biznes myśli...” jest dla Ciebie. Zapraszam.
Razem z ekspertami omawiamy kluczowe tematy AI: ludzie, pieniądze, trendy, pomysły, dane, narzędzia i sprawdzone praktyki. Biznes Myśli to Twoje sprawdzone źródło na temat sztucznej inteligencji. Świat zmienia się szybciej, niż myślisz – dołącz teraz!

Blog: https://biznesmysli.pl/newsletter
Youtube: ]]>falseepisodicBM135: AI 2025: wzrost, przetrwanie albo upadek?https://www.spreaker.com/episode/bm135-ai-2025-wzrost-przetrwanie-albo-upadek--63471541
🎯 Główne myśli:
- Firmy niewdrażające AI do 2025 roku mogą stracić konkurencyjność
- Kluczowe jest zrozumienie różnicy między LLM a klasycznym ML
- Agenci AI to potencjalnie przyszłość, ale wymaga przemyślanego podejścia
- Software 3.0 łączy tradycyjny kod z możliwościami AI

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Partnerem podcastu jest DataWorkshop.

⏰ Skrót:
02:08 Przyszłość rozwiązań AI
02:32 Kontrowersje wokół Agentów AI
05:34 Ewolucja firm i adaptacja do zmian
11:51 Od SaaS do Agentów AI
17:20 Lekcje z ery Big Data
23:09 Mikroserwisy vs Agenci AI
31:12 LLM vs klasyczne uczenie maszynowe
33:58 Software 3.0 i structured approach
38:14 RAG i Agenci AI w praktyce
43:52 Hierarchia rozwoju systemów AI
48:56 Biznesowe zastosowania AI
54:23 Znaczenie krytycznego myślenia

Chcesz więcej? Zapisz się listę chętnych kursu praktyczny LLM. Naucz się krok po kroku, jak budować i wdrażać rozwiązania, które robią różnicę:
👉 https://bit.ly/4gT5C9Z

Ogładaj na Youtube: https://youtu.be/ZGX_t5mZHWI

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_

#AI #SztucznaInteligencja #AgenciAI #PrzyszłośćAI #TrendyTechnologiczne #ArtificialIntelligence #BusinessStrategy #AI2025 #TechnologyTrends
]]>https://api.spreaker.com/episode/63471541Thu, 26 Dec 2024 08:00:09 +0000VladimirAgenci AI to przyszłość, ale czy na pewno rozumiesz, o co w tym wszystkim chodzi? Co Agenci AI mają wspólnego z SaaS, BigData oraz mikroserwisami? O tym i więcej jest w tym odcinku. 🎯 Główne myśli: - Firmy niewdrażające AI do 2025 roku mogą stracić...
🎯 Główne myśli:
- Firmy niewdrażające AI do 2025 roku mogą stracić konkurencyjność
- Kluczowe jest zrozumienie różnicy między LLM a klasycznym ML
- Agenci AI to potencjalnie przyszłość, ale wymaga przemyślanego podejścia
- Software 3.0 łączy tradycyjny kod z możliwościami AI

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Partnerem podcastu jest DataWorkshop.

⏰ Skrót:
02:08 Przyszłość rozwiązań AI
02:32 Kontrowersje wokół Agentów AI
05:34 Ewolucja firm i adaptacja do zmian
11:51 Od SaaS do Agentów AI
17:20 Lekcje z ery Big Data
23:09 Mikroserwisy vs Agenci AI
31:12 LLM vs klasyczne uczenie maszynowe
33:58 Software 3.0 i structured approach
38:14 RAG i Agenci AI w praktyce
43:52 Hierarchia rozwoju systemów AI
48:56 Biznesowe zastosowania AI
54:23 Znaczenie krytycznego myślenia

Chcesz więcej? Zapisz się listę chętnych kursu praktyczny LLM. Naucz się krok po kroku, jak budować i wdrażać rozwiązania, które robią różnicę:
👉 https://bit.ly/4gT5C9Z

Ogładaj na Youtube: https://youtu.be/ZGX_t5mZHWI

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_

#AI #SztucznaInteligencja #AgenciAI #PrzyszłośćAI #TrendyTechnologiczne #ArtificialIntelligence #BusinessStrategy #AI2025 #TechnologyTrends
]]>3370agenci-ai,ai,business,llm,ml,ragfalse3135fullBM134: AI to NIE magia... ale wciąż oczekujesz cudów?https://www.spreaker.com/episode/bm134-ai-to-nie-magia-ale-wciaz-oczekujesz-cudow--63135127
Większość projektów ML nie spełnia oczekiwań firm – dlaczego? Nierealistyczne oczekiwania i przekonanie, że ML to magiczne rozwiązanie, a nie narzędzie wymagające systematycznej pracy. Klucz do sukcesu? Precyzyjne metryki i świadome zarządzanie błędami.

Opowiadam o pułapkach wdrożeń ML, które często spotykają firmy – od ignorowania reguł biznesowych po zbyt szybkie zmiany procesów. Dzielę się przykładami z mojego doświadczenia, które regularnie się powtarzają, więc szansa, że znajdziesz coś, co dotyczy właśnie Ciebie, jest bardzo wysoka. Dowiesz się, dlaczego nawet potężne LLM potrzebują jasnych celów i praktycznych testów. Kluczem do sukcesu jest połączenie wizji biznesowej z inżynierskim podejściem, ciągła iteracja i zbieranie informacji zwrotnej.

Chcesz zrozumieć, jak realnie wykorzystać potencjał ML w swoim biznesie i uniknąć rozczarowań? Ten odcinek jest dla Ciebie. Zapraszam!

Generalnie, wzór na sukces w ML: wizja biznesowa + inżynierskie podejście + ciągła iteracja + feedback = sukces.

Partnerem podcastu jest DataWorkshop.

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Oto, czego się dowiesz:
✅ Dlaczego ML to narzędzie inżynieryjne, a nie magia?
✅ Jakie błędy najczęściej popełnia biznes podczas wdrażania modeli?
✅ Jak precyzyjnie określić metryki sukcesu i zarządzać kompromisem między błędami a wartością?
✅ Dlaczego jakość danych to fundament sukcesu, a nie tylko "miły dodatek"?
✅ Jak iteracyjne podejście wygrywa z tradycyjnym modelem waterfall w ML?
✅ Jak łączyć wizję biznesową z podejściem inżynieryjnym?

💡 Zrozumiesz, że ML to proces systematyczny: od pozyskiwania danych, przez testowanie, aż po wdrożenie modeli w produkcji. Nie zabraknie również przykładów na to, jak dobrze skonstruowane modele mogą przynieść realną wartość biznesową – pod warunkiem, że są odpowiednio zaprojektowane i skalibrowane.

🎯 Dla kogo?
Dla liderów biznesu, inżynierów danych, analityków oraz wszystkich, którzy chcą unikać mitów i wdrażać ML w sposób przemyślany i skuteczny.]]>https://api.spreaker.com/episode/63135127Wed, 04 Dec 2024 08:00:07 +0000Vladimir🎙️ ML bez magii: Jak inżynieria i praktyczne podejście prowadzą do sukcesu? Większość projektów ML nie spełnia oczekiwań firm – dlaczego? Nierealistyczne oczekiwania i przekonanie, że ML to magiczne rozwiązanie, a nie narzędzie wymagające...
Większość projektów ML nie spełnia oczekiwań firm – dlaczego? Nierealistyczne oczekiwania i przekonanie, że ML to magiczne rozwiązanie, a nie narzędzie wymagające systematycznej pracy. Klucz do sukcesu? Precyzyjne metryki i świadome zarządzanie błędami.

Opowiadam o pułapkach wdrożeń ML, które często spotykają firmy – od ignorowania reguł biznesowych po zbyt szybkie zmiany procesów. Dzielę się przykładami z mojego doświadczenia, które regularnie się powtarzają, więc szansa, że znajdziesz coś, co dotyczy właśnie Ciebie, jest bardzo wysoka. Dowiesz się, dlaczego nawet potężne LLM potrzebują jasnych celów i praktycznych testów. Kluczem do sukcesu jest połączenie wizji biznesowej z inżynierskim podejściem, ciągła iteracja i zbieranie informacji zwrotnej.

Chcesz zrozumieć, jak realnie wykorzystać potencjał ML w swoim biznesie i uniknąć rozczarowań? Ten odcinek jest dla Ciebie. Zapraszam!

Generalnie, wzór na sukces w ML: wizja biznesowa + inżynierskie podejście + ciągła iteracja + feedback = sukces.

Partnerem podcastu jest DataWorkshop.

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Oto, czego się dowiesz:
✅ Dlaczego ML to narzędzie inżynieryjne, a nie magia?
✅ Jakie błędy najczęściej popełnia biznes podczas wdrażania modeli?
✅ Jak precyzyjnie określić metryki sukcesu i zarządzać kompromisem między błędami a wartością?
✅ Dlaczego jakość danych to fundament sukcesu, a nie tylko "miły dodatek"?
✅ Jak iteracyjne podejście wygrywa z tradycyjnym modelem waterfall w ML?
✅ Jak łączyć wizję biznesową z podejściem inżynieryjnym?

💡 Zrozumiesz, że ML to proces systematyczny: od pozyskiwania danych, przez testowanie, aż po wdrożenie modeli w produkcji. Nie zabraknie również przykładów na to, jak dobrze skonstruowane modele mogą przynieść realną wartość biznesową – pod warunkiem, że są odpowiednio zaprojektowane i skalibrowane.

🎯 Dla kogo?
Dla liderów biznesu, inżynierów danych, analityków oraz wszystkich, którzy chcą unikać mitów i wdrażać ML w sposób przemyślany i skuteczny.]]>3457ai,biznes,llm,mlfalse3134fullBM133: Agenci AI: między hype'm a rzeczywistościąhttps://www.spreaker.com/episode/bm133-agenci-ai-miedzy-hype-m-a-rzeczywistoscia--62820801
🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Partnerem podcastu jest DataWorkshop.

Oglądaj na Youtube: https://youtu.be/ltsh1QAuWos

W tym odcinku podcastu poruszyłem temat agentów AI, ich możliwości, ale też pułapek i praktycznego zastosowania w biznesie. Zauważyłem, że obecny szum medialny wokół AI, często napędzany przez inwestorów, nie zawsze odzwierciedla rzeczywisty potencjał tej technologii. Dlatego chciałem skupić się na tym, co AI może zaoferować dziś, a nie na obietnicach związanych z odległą przyszłością. Jeśli chodzi o biznes, przestrzegam przed nadmiernym fascynowaniem się autonomią agentów AI. W biznesie liczą się konkretne wyniki, a wdrożenie niedojrzałej technologii może być ryzykowne. Zamiast gonić za medialnym hype'm, warto skupić się na praktycznym wykorzystaniu dostępnych narzędzi AI do rozwiązywania realnych problemów.

Timecode:
0:01:30 - Wprowadzenie do agentów AI i trendy w rozwoju sztucznej inteligencji
0:07:24 - Rola technologii w zmieniającym się świecie biznesu
0:15:55 - Wyzwania związane z wdrażaniem i utrzymaniem systemów AI
0:27:14 - Praktyczne zastosowania agentów AI w HR i marketingu
0:38:59 - Różnica między szumem a praktyczną wartością AI
0:49:48 - Ewolucja AI w biznesie i znaczenie konkretnych rozwiązań
1:00:40 - Rola człowieka w nadzorowaniu algorytmów AI
1:06:51 - Proces wdrażania inteligentnych agentów w firmach

Podziel się swoimi przemyśleniami w komentarzach - jak widzisz rolę AI w swojej branży?

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_]]>https://api.spreaker.com/episode/62820801Wed, 20 Nov 2024 08:00:09 +0000VladimirCzy agenci AI zrewolucjonizują biznes? Odkryj prawdę za hype'em! W tym odcinku zagłębiamy się w fascynujący świat agentów AI, analizując ich potencjał i pułapki w kontekście biznesowym. Dowiedz się, jak odróżnić realne możliwości od marketingowych...
🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Partnerem podcastu jest DataWorkshop.

Oglądaj na Youtube: https://youtu.be/ltsh1QAuWos

W tym odcinku podcastu poruszyłem temat agentów AI, ich możliwości, ale też pułapek i praktycznego zastosowania w biznesie. Zauważyłem, że obecny szum medialny wokół AI, często napędzany przez inwestorów, nie zawsze odzwierciedla rzeczywisty potencjał tej technologii. Dlatego chciałem skupić się na tym, co AI może zaoferować dziś, a nie na obietnicach związanych z odległą przyszłością. Jeśli chodzi o biznes, przestrzegam przed nadmiernym fascynowaniem się autonomią agentów AI. W biznesie liczą się konkretne wyniki, a wdrożenie niedojrzałej technologii może być ryzykowne. Zamiast gonić za medialnym hype'm, warto skupić się na praktycznym wykorzystaniu dostępnych narzędzi AI do rozwiązywania realnych problemów.

Timecode:
0:01:30 - Wprowadzenie do agentów AI i trendy w rozwoju sztucznej inteligencji
0:07:24 - Rola technologii w zmieniającym się świecie biznesu
0:15:55 - Wyzwania związane z wdrażaniem i utrzymaniem systemów AI
0:27:14 - Praktyczne zastosowania agentów AI w HR i marketingu
0:38:59 - Różnica między szumem a praktyczną wartością AI
0:49:48 - Ewolucja AI w biznesie i znaczenie konkretnych rozwiązań
1:00:40 - Rola człowieka w nadzorowaniu algorytmów AI
1:06:51 - Proces wdrażania inteligentnych agentów w firmach

Podziel się swoimi przemyśleniami w komentarzach - jak widzisz rolę AI w swojej branży?

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_]]>3953falsefullBM132: LLM i prawo, możliwości, wyzwania, narzędziahttps://biznesmysli.pl/llm-i-prawo-mozliwosci-wyzwania-narzedzia
Partnerem podcastu jest DataWorkshop.

🎯 W tym odcinku dowiesz się:
- Jak LLM może wspierać pracę prawników
- Jakie są praktyczne zastosowania AI w prawie
- Dlaczego człowiek pozostanie kluczowym elementem procesu
- Jak wdrażać rozwiązania AI w sposób bezpieczny i kontrolowany

Oglądaj na YouTube: https://youtu.be/adQj3bth4XA
🌐 Odwiedź naszą stronę: https://biznesmysli.pl/llm-i-prawo-mozliwosci-wyzwania-narzedzia

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

🕒 Co znajdziesz w tym odcinku:
00:01:09 - Wprowadzenie: LLM jako narzędzie dla prawników
[00:02:28] Praktyczne zastosowania LLM: umowy, dotacje UE, compliance
[00:06:02] Wpływ AI na rynek pracy prawników
[00:11:54] Automatyzacja umów i szablony
[00:15:06] Audytowalność i działanie LLM
[00:18:54] Człowiek w centrum zarządzania LLM
[00:23:31] Wdrażanie ML i anonimowość danych
[00:28:39] Mapa wiedzy - instrukcje do umów
[00:34:04] Zaufanie i transparentność LLM
[00:43:40] Modułowe podejście do umów
[00:46:20] Compliance I LLM
[00:52:54] LLM, efektywność i koszty
[00:55:56] Mapy wiedzy - przewaga konkurencyjna
[00:57:40] AI Act i dokumenty AI

W trakcie tego odcinka poznasz trzy konkretne przykłady, jak sztuczna inteligencja może wspierać prawników w codziennych zadaniach. Omawiam też, dlaczego technologia AI powinna być wspierana ludzkim nadzorem i jak dzięki audytowalności możemy zwiększyć jej efektywność. Co więcej, poruszam temat automatyzacji tworzenia dokumentów i budowania "mapy wiedzy", które mogą wspierać prawników w szybszym przygotowywaniu dokumentów i zwiększaniu wydajności.

Zdobądź praktyczną wiedzę na temat:
- Wykorzystania LLM w prawie: automatyzacja, tworzenie umów, wnioski o granty, compliance
- Wpływu AI na rynek pracy prawników: zagrożenia i szanse
- Budowania efektywnych map wiedzy: klucz do sukcesu w pracy z LLM
- AI Act i jego konsekwencji: przygotuj się na zmiany w 2025 roku

🔖 Tagi:
#llm #legaltech #legal #ai #prawo #genai #biznes #usecase #podcast

📢 Podzielcie się tym odcinkiem z osobami, które mogą być zainteresowane tematyką AI i prawem!

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
Dziękuję, że jesteście z nami! Do usłyszenia w kolejnym odcinku! 🎧

]]>https://api.spreaker.com/episode/62630069Wed, 06 Nov 2024 08:00:02 +0000VladimirCzy duże modele językowe (LLM) to rewolucja, czy zagrożenie dla prawników? W tym odcinku przybliżam możliwości dużych modeli językowych (LLM) w automatyzacji procesów prawnych, tworzeniu dokumentów, tłumaczeniach prawniczych i compliance. To, co...
Partnerem podcastu jest DataWorkshop.

🎯 W tym odcinku dowiesz się:
- Jak LLM może wspierać pracę prawników
- Jakie są praktyczne zastosowania AI w prawie
- Dlaczego człowiek pozostanie kluczowym elementem procesu
- Jak wdrażać rozwiązania AI w sposób bezpieczny i kontrolowany

Oglądaj na YouTube: https://youtu.be/adQj3bth4XA
🌐 Odwiedź naszą stronę: https://biznesmysli.pl/llm-i-prawo-mozliwosci-wyzwania-narzedzia

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

🕒 Co znajdziesz w tym odcinku:
00:01:09 - Wprowadzenie: LLM jako narzędzie dla prawników
[00:02:28] Praktyczne zastosowania LLM: umowy, dotacje UE, compliance
[00:06:02] Wpływ AI na rynek pracy prawników
[00:11:54] Automatyzacja umów i szablony
[00:15:06] Audytowalność i działanie LLM
[00:18:54] Człowiek w centrum zarządzania LLM
[00:23:31] Wdrażanie ML i anonimowość danych
[00:28:39] Mapa wiedzy - instrukcje do umów
[00:34:04] Zaufanie i transparentność LLM
[00:43:40] Modułowe podejście do umów
[00:46:20] Compliance I LLM
[00:52:54] LLM, efektywność i koszty
[00:55:56] Mapy wiedzy - przewaga konkurencyjna
[00:57:40] AI Act i dokumenty AI

W trakcie tego odcinka poznasz trzy konkretne przykłady, jak sztuczna inteligencja może wspierać prawników w codziennych zadaniach. Omawiam też, dlaczego technologia AI powinna być wspierana ludzkim nadzorem i jak dzięki audytowalności możemy zwiększyć jej efektywność. Co więcej, poruszam temat automatyzacji tworzenia dokumentów i budowania "mapy wiedzy", które mogą wspierać prawników w szybszym przygotowywaniu dokumentów i zwiększaniu wydajności.

Zdobądź praktyczną wiedzę na temat:
- Wykorzystania LLM w prawie: automatyzacja, tworzenie umów, wnioski o granty, compliance
- Wpływu AI na rynek pracy prawników: zagrożenia i szanse
- Budowania efektywnych map wiedzy: klucz do sukcesu w pracy z LLM
- AI Act i jego konsekwencji: przygotuj się na zmiany w 2025 roku

🔖 Tagi:
#llm #legaltech #legal #ai #prawo #genai #biznes #usecase #podcast

📢 Podzielcie się tym odcinkiem z osobami, które mogą być zainteresowane tematyką AI i prawem!

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
Dziękuję, że jesteście z nami! Do usłyszenia w kolejnym odcinku! 🎧
3486business,data-science,genai,llm,machine-learning,mlfalse3132fullBM131: Praktyczny LLMhttps://biznesmysli.pl/praktyczny-llm/
Partnerem podcastu jest DataWorkshop.

Dowiesz się:
- Czym różni się myślenie specjalisty od ML od programisty i dlaczego to kluczowe w pracy z LLM?
- Jakie są największe wyzwania związane z wdrażaniem LLM na produkcję i jak je pokonać?
- 7 kroków do stworzenia solidnego rozwiązania LLM, któremu możesz zaufać i które przyniesie realne korzyści.
- "Mapa wiedzy" - nowatorskie podejście do LLM, o którym raczej nie wiesz :)

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

🕒 Spis treści:
00:01:42 - Wprowadzenie do praktycznego LLM
00:03:06 - Statystyki popularności ChatGPT
00:07:45 - Oczekiwania biznesu wobec AI
00:09:50 - Ewolucja programowania i ML
00:12:36 - Krytyka podejścia no-code
00:14:37 - Dlaczego kod jest ważny w biznesie
00:18:28 - Nieprzewidywalność ML i zarządzanie błędami
00:20:50 - Wyzwania w praktycznym zastosowaniu LLM
00:27:00 - Kluczowe role w komunikacji z LLM
00:28:34 - Koncepcja "design by contract"
00:33:34 - Strukturyzacja danych w pracy z LLM
00:39:58 - Testowanie etapów pracy z LLM
00:41:08 - Tworzenie własnych leaderboardów
00:46:40 - Mapy wiedzy w LLM
00:47:44 - Integracja klasycznego ML z LLM
00:54:30 - Koncepcja kursu "Praktyczny LLM"
00:55:30 - Programista 3.0 - nowe podejście do AI

Poczytać możesz tutaj: https://biznesmysli.pl/praktyczny-llm/
Tu możesz oglądać video: https://youtu.be/hJVD876wDyA

Pamiętaj, że LLM to nadal ML! Niepewność i błędy to nieodłączna część uczenia maszynowego. Zamiast oczekiwać cudów, skup się na zarządzaniu ryzykiem, weryfikacji wyników i budowaniu mechanizmów kontroli.

Skoncentruj się na strukturze i kontroli. Definiuj precyzyjne schematy wejścia i wyjścia dla swoich modeli, korzystaj ze "structured output" i waliduj każdy etap procesu. Traktuj LLM jak element większego systemu, który wymaga odpowiedniego zaprojektowania i nadzoru.

Nie ufaj ślepo leaderboardom. To, co sprawdza się w testach, nie zawsze przekłada się na realne problemy. Twórz własne benchmarki, dostosowane do specyfiki Twoich zastosowań.

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_

#llm #genai #ai #production #ml
]]>https://api.spreaker.com/episode/62467903Wed, 23 Oct 2024 07:00:02 +0000VladimirCzy cały szum wokół LLM to tylko marketingowa bańka? 🤔 Choć szum wokół LLM powoli cichnie, ich prawdziwy potencjał LLM dopiero się ujawnia. Kluczem do sukcesu nie jest ślepe podążanie za trendami, ale świadome i ustrukturyzowane podejście, oparte na...
Partnerem podcastu jest DataWorkshop.

Dowiesz się:
- Czym różni się myślenie specjalisty od ML od programisty i dlaczego to kluczowe w pracy z LLM?
- Jakie są największe wyzwania związane z wdrażaniem LLM na produkcję i jak je pokonać?
- 7 kroków do stworzenia solidnego rozwiązania LLM, któremu możesz zaufać i które przyniesie realne korzyści.
- "Mapa wiedzy" - nowatorskie podejście do LLM, o którym raczej nie wiesz :)

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

🕒 Spis treści:
00:01:42 - Wprowadzenie do praktycznego LLM
00:03:06 - Statystyki popularności ChatGPT
00:07:45 - Oczekiwania biznesu wobec AI
00:09:50 - Ewolucja programowania i ML
00:12:36 - Krytyka podejścia no-code
00:14:37 - Dlaczego kod jest ważny w biznesie
00:18:28 - Nieprzewidywalność ML i zarządzanie błędami
00:20:50 - Wyzwania w praktycznym zastosowaniu LLM
00:27:00 - Kluczowe role w komunikacji z LLM
00:28:34 - Koncepcja "design by contract"
00:33:34 - Strukturyzacja danych w pracy z LLM
00:39:58 - Testowanie etapów pracy z LLM
00:41:08 - Tworzenie własnych leaderboardów
00:46:40 - Mapy wiedzy w LLM
00:47:44 - Integracja klasycznego ML z LLM
00:54:30 - Koncepcja kursu "Praktyczny LLM"
00:55:30 - Programista 3.0 - nowe podejście do AI

Poczytać możesz tutaj: https://biznesmysli.pl/praktyczny-llm/
Tu możesz oglądać video: https://youtu.be/hJVD876wDyA

Pamiętaj, że LLM to nadal ML! Niepewność i błędy to nieodłączna część uczenia maszynowego. Zamiast oczekiwać cudów, skup się na zarządzaniu ryzykiem, weryfikacji wyników i budowaniu mechanizmów kontroli.

Skoncentruj się na strukturze i kontroli. Definiuj precyzyjne schematy wejścia i wyjścia dla swoich modeli, korzystaj ze "structured output" i waliduj każdy etap procesu. Traktuj LLM jak element większego systemu, który wymaga odpowiedniego zaprojektowania i nadzoru.

Nie ufaj ślepo leaderboardom. To, co sprawdza się w testach, nie zawsze przekłada się na realne problemy. Twórz własne benchmarki, dostosowane do specyfiki Twoich zastosowań.

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcastaddict.com/podcast/biznes-mysli/3028512
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_

#llm #genai #ai #production #ml
]]>3780ai,llm,ml,practicalfalse3131fullBM130: LangChain i wektorowe bazy: ciemna strona prototypowania AIhttps://biznesmysli.pl/langchain-i-wektorowe-bazy-ciemna-strona-prototypowania-ai1️⃣ Paradoks danych, zwykle zgadzamy się, że dane są ważne, ale często nie poświęcamy im tyle uwagi, ile potrzebują.
2️⃣ Przesadna koncentracja na narzędziach, owszem narzędzia są ważne, ale nie najważniejsze.
3️⃣ Cechy dobrego projektu na produkcję. Powinien być wiarygodny, kontrolowany, audytowalny i łatwy w naprawie błędów.

Partnerem podcastu jest DataWorkshop - gdzie zajmują się praktycznym ML/AI.

Na koniec odcinka też odpowiadam na pytania:

Jakie są najczęstsze błędy firm, które próbują wdrożyć AI (główny mit)?
Jakie są największe wyzwania związane z modelami LLM przy wdrażaniu je na produkcję?
Jakie praktyczne wskazówki mam dla Ciebie, aby wdrożyć AI w swojej firmie?

Najważniejszym elementem udanego wdrożenia AI jest odpowiednie przygotowanie danych. To właśnie na poziomie danych wykonuje się 50-80% całej pracy. Kluczowe jest zadbanie o:

Jakość danych
Odpowiednią strukturyzację (np. w bazie danych lub systemie plików)
Łatwość wyszukiwania potrzebnych informacji
Możliwość aktualizacji danych
Zarządzanie dostępami i uprawnieniami

Jakie są najczęstsze błędy firm, które próbują wdrożyć AI (główny mit)?
Jakie są największe wyzwania związane z modelami LLM przy wdrażaniu je na produkcję?
Jakie praktyczne wskazówki mam dla Ciebie, aby wdrożyć AI w swojej firmie?

Najważniejszym elementem udanego wdrożenia AI jest odpowiednie przygotowanie danych. To właśnie na poziomie danych wykonuje się 50-80% całej pracy. Kluczowe jest zadbanie o:

Jakość danych
Odpowiednią strukturyzację (np. w bazie danych lub systemie plików)
Łatwość wyszukiwania potrzebnych informacji
Możliwość aktualizacji danych
Zarządzanie dostępami i uprawnieniami

Powiem Ci trzy historie (projekty LLM), co najmniej trzy, będzie pewnie ich więcej, ale takie trzy przypadki użycia, w których wprost jako DataWorkshop jesteśmy teraz zaangażowani. Myślę, że to pobudzi Twoją wyobraźnię i lepiej zrozumiesz, co jest ważniejsze. Bo pamiętaj, że w większości przypadków są różne szacunki, 80%, 90%, nawet jeśli 50%, zwykle ML nie działa.

Historia pierwsza - "Mentor"
Organizacja zajmuje się mentoringiem w obszarze IT, skupiając się na wiedzy organizacyjnej, menedżerskiej i liderskiej. Obecnie zapraszani są eksperci, którzy prowadzą warsztaty. Są pewne wyzwania: ciężko jest to uspójnić, bo różni eksperci prezentują wiedzę w inny sposób i co jeszcze jest Trudności ze znalezieniem praktyków, bo znalezienie i zaangażowanie zapracowanych ekspertów jest trudne.Pojawił się pomysł, aby ocyfrować wiedzę i częściowo zautomatyzować mentoring przy pomocy AI. Czy to w ogóle możliwe?

Historia druga - "Egzamin"
Drugi projekt nazwijmy "Egzamin". W szkole zawodowej uczniowie zdają egzaminy, aby zdobyć kwalifikacje. Celem projektu jest stworzenie asystenta AI, który zdałby ten egzamin. Dlaczego to istotne? Zdając egzamin, asystent udowodniłby, że rozumie daną branżę. Można go by potem rozwijać, aby podpowiadał i prognozował. Klasyczne uczenie maszynowe i LLM mogą tu współdziałać. LLM może posiadać ogólną wiedzę zdobytą w procesie uczenia, a klasyczne algorytmy ML mogą prognozować wartości, np. popyt.

Historia trzecia - "Helpdesk"
Trzecia projekt nazwijmy "Helpdesk", projekt, w którym zachowanie poufności jest kluczowe. Nie mogę zdradzać szczegółów branży. W skrócie, chodzi o wykorzystanie LLM do stworzenia chatbota obsługującego bazę wiedzy i odpowiadającego na pytania użytkowników.

Co znajdziesz w tym odcinku?
1️⃣ Paradoks danych – mówimy o ich znaczeniu, ale często zaniedbujemy realne działania na rzecz ich jakości.
2️⃣ Dlaczego 80-90% projektów ML nie trafia na produkcję? Poznaj najczęstsze błędy.
3️⃣ Trzy inspirujące przykłady z życia – mentoring z AI, egzamin z udziałem LLM oraz obsługa klienta wspomagana przez AI.
4️⃣ Kontrola i audytowalność – jak stworzyć projekt, który będzie skalowalny, zaufany i gotowy do poprawy błędów.
5️⃣ LLM i klasyczne ML – współpraca, a nie konkurencja.
6️⃣ Zadbaj o to, co naprawdę ważne!
7️⃣ Jeśli chcesz lepiej zrozumieć, jak skutecznie wdrażać modele ML w Twojej organizacji, nie przegap tego odcinka! 🎧

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: YouTube https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków...]]>3899ai,embedding,langchain,llm,mlfalse3130fullBM129: Inferencja modele LLM: Mniej kosztów, więcej mocyhttps://biznesmysli.pl/inferencja-modele-llm-mniej-kosztow-wiecej-mocy
Oglądaj na YouTube: https://youtu.be/_OKLzmaSmg0

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Poruszam też wątek GPT-4o: czy to rewolucja, czy ewolucja? I dlaczego OpenAI w tym modelu postawiło na inferencję oraz jak to jest powiązane z "rozważaniem". Podaję analogię, aby pobudzić Twoją wyobraźnię :).

Do tego opowiadam jeszcze historię o Elon Musku, jak zorganizował serwerownię z 100 tysiącami kart H100 (+50 tysięcy) w około 4 miesiące, gdzie normalnie zajęłoby to co najmniej rok, i jakie napotkali wyzwania, poza samym zakupem kart GPU (wydał na nie ponad kilka miliardów dolarów). Dla porównania w Polsce na wszystkich uczelniach łącznie jest ok. 1 tys. H100.

Pracując nad tym odcinkiem zrobiłem mapę myśli, aby lepiej ustrektyryzwaoć wiedzę. Tu możesz je znaleźć. Łap! :) Można powiększać i klikać (część linków zostawiłem, chociaż przyznam, że to długi proces, ale uznałem, że może być wartościowy dla Ciebie).

🔥 https://mm.tt/app/map/3441826029?t=XESxGmZdR8

Pytania, na które znajdziesz odpowiedzi w tym odcinku:
- Czym jest inferencja modeli LLM i jakie są kluczowe wymagania sprzętowe do jej przeprowadzenia?
Jakie są dostępne opcje dostępu do mocy obliczeniowej potrzebnej do uruchamiania modeli AI i jakie są ich zalety oraz wady?
- Jakie są główne różnice między zamkniętymi a otwartymi modelami AI i którzy są kluczowi gracze w tej dziedzinie?
- Ile RAMu potrzebuje DUŻY model językowy i czy Twój komputer da radę?
- Ile GPU trzeba mieć aby uruchomić Llame 8B, 70B czy nawet 400B?
Jakie są najważniejsze parametry GPU i co one oznaczają w praktyce (tak po ludzku)?
- Czy NVIDIA to JEDYNY wybór dla sprzętu? Poznaj alternatywy!
- Czym jest kwantyzacja modeli LLM i jak wpływa na ich wydajność oraz precyzję?

Partnerem podcastu jest DataWorkshop.

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_]]>https://api.spreaker.com/episode/62097139Wed, 25 Sep 2024 07:00:02 +0000VladimirChcesz uruchomić modele LLM (np. Llama, Mistral czy Bielika) na własnych warunkach? W tym odcinku dowiesz się o sprzęcie, oprogramowaniu i trikach, które to ułatwią. Konkretna i praktyczna wiedza, która Ci się przyda. Oglądaj na YouTube:...
Oglądaj na YouTube: https://youtu.be/_OKLzmaSmg0

🔔 Subskrybuj i włącz powiadomienia - Twoja droga do praktycznego ML zaczyna się od jednego kliknięcia: https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like, bo więcej lajków = więcej praktycznych treści dla Ciebie!
💬 Co o tym myślisz? Zostaw komentarz! Masz pytanie? Zadaj je - chętnie odpowiem.
🤝 Poznajmy się lepiej! Zaproś mnie do swojej sieci na LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
🔊 Zainicjuj rozmowę o ML w firmie, polecając ten podcast. Zainspiruj zespół do wdrażania ML!

Poruszam też wątek GPT-4o: czy to rewolucja, czy ewolucja? I dlaczego OpenAI w tym modelu postawiło na inferencję oraz jak to jest powiązane z "rozważaniem". Podaję analogię, aby pobudzić Twoją wyobraźnię :).

Do tego opowiadam jeszcze historię o Elon Musku, jak zorganizował serwerownię z 100 tysiącami kart H100 (+50 tysięcy) w około 4 miesiące, gdzie normalnie zajęłoby to co najmniej rok, i jakie napotkali wyzwania, poza samym zakupem kart GPU (wydał na nie ponad kilka miliardów dolarów). Dla porównania w Polsce na wszystkich uczelniach łącznie jest ok. 1 tys. H100.

Pracując nad tym odcinkiem zrobiłem mapę myśli, aby lepiej ustrektyryzwaoć wiedzę. Tu możesz je znaleźć. Łap! :) Można powiększać i klikać (część linków zostawiłem, chociaż przyznam, że to długi proces, ale uznałem, że może być wartościowy dla Ciebie).

🔥 https://mm.tt/app/map/3441826029?t=XESxGmZdR8

Pytania, na które znajdziesz odpowiedzi w tym odcinku:
- Czym jest inferencja modeli LLM i jakie są kluczowe wymagania sprzętowe do jej przeprowadzenia?
Jakie są dostępne opcje dostępu do mocy obliczeniowej potrzebnej do uruchamiania modeli AI i jakie są ich zalety oraz wady?
- Jakie są główne różnice między zamkniętymi a otwartymi modelami AI i którzy są kluczowi gracze w tej dziedzinie?
- Ile RAMu potrzebuje DUŻY model językowy i czy Twój komputer da radę?
- Ile GPU trzeba mieć aby uruchomić Llame 8B, 70B czy nawet 400B?
Jakie są najważniejsze parametry GPU i co one oznaczają w praktyce (tak po ludzku)?
- Czy NVIDIA to JEDYNY wybór dla sprzętu? Poznaj alternatywy!
- Czym jest kwantyzacja modeli LLM i jak wpływa na ich wydajność oraz precyzję?

Partnerem podcastu jest DataWorkshop.

Chcesz więcej? Zajrzyj do moich kursów online i ucz się ML i analizy danych w praktyce!
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🎧 Słuchaj BM wygodnie na Spotify, Apple Podcasts lub Google Podcasts:
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_]]>4159ai,biznes,dataworkshop,gpu,llm,ml,nvidiafalse3129fullBM128: Czy warto inwestować LLM? Czy w klasyczny ML?https://biznesmysli.pl/czy-warto-inwestowac-llm-czy-w-klasyczny-ml/
✔ Subskrybuj kanał: / https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like!
❗Obserwuj mnie na LinkedIn https://www.linkedin.com/in/vladimiralekseichenko
📢 Poleć ten podcast znajomym zainteresowanym praktycznym wykorzystaniem AI w biznesie!

Przedstawiam różne perspektywy, dzieli się osobistymi doświadczeniami i analizuję, jak te technologie mogą wspierać decyzje biznesowe.

W tym odcinku dowiesz się:
• Jakie są kluczowe różnice między LLM a klasycznym ML?
• Kiedy warto inwestować w LLM, a kiedy lepiej stosować tradycyjne podejście?
• Jak łączyć obie technologie dla uzyskania najlepszych rezultatów?
• Jakie są praktyczne zastosowania LLM w biznesie?

Najważniejsze tematy:

1. LLM (Large Language Models) i klasyczne uczenie maszynowe (ML) mają różne zastosowania i zalety - wybór między nimi powinien zależeć od charakteru problemu i dostępnych danych.
2. Klasyczne ML nadal wytwarza większą wartość w biznesie, szczególnie dla danych tabelarycznych, oferując lepszą jakość, szybkość i interpretowalność wyników.
3. LLM są przydatne do pracy z nieustrukturyzowanym tekstem, tworzenia baz wiedzy i wspomagania komunikacji między zespołami technicznymi a biznesowymi.
4. Najlepszym podejściem jest często łączenie klasycznego ML z LLM, wykorzystując zalety obu metod.
5. Wdrażanie i utrzymanie rozwiązań opartych na klasycznym ML jest zwykle prostsze i tańsze niż w przypadku LLM.
6. LLM nie zastępują całkowicie zespołu data science, ale mogą być cennym narzędziem wspomagającym, np. w generowaniu kodu czy dokumentacji.
7. Przy projektowaniu rozwiązań AI kluczowe jest zrozumienie problemu, skupienie się na stabilności i przewidywalności, a nie tylko na najnowszych narzędziach.

Subskrybuj teraz i włącz dzwonek powiadomień, aby być dostawać praktyczną wiedzę o uczeniu maszynowym.
Ten podcast to KONIECZNIE POZYCJA dla każdego, kto:
- Interesuje się sztuczną inteligencją i jej zastosowaniami w biznesie
- Rozważa wdrożenie LLM-ów lub klasycznego ML w swojej firmie
- Chce być na bieżąco z najnowszymi trendami w AI

Oglądaj na Youtube: https://youtu.be/TPDvcFeuoZ4

Autorskie kursy Vladimira:
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🔥 Chcesz uczyć się ML/DS w DataWorkshop? Zarezerwuj indywidualną konsultację, aby doradzić najlepszą opcję dla Ciebie.
https://dataworkshop.typeform.com/to/YCBMn37h

Linki do podcastu:
📌 https://youtu.be/4pfEZuw3dtE
📌 https://biznesmysli.pl
📌 Apple Podcasts: https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 Google Podcasts https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
📌 Spreaker: https://www.spreaker.com/podcast/biznes-mysli--2214604

#machinelearning #datascience #genai #llm #ml #ai]]>https://api.spreaker.com/episode/61329350Wed, 11 Sep 2024 07:00:00 +0000VladimirCzy sztuczna inteligencja zastąpi klasyczne uczenie maszynowe? Dowiedz się, jak skutecznie wykorzystać obie technologie w biznesie! ✔ Subskrybuj kanał: / https://www.youtube.com/@DataWorkshop?sub_confirmation=1 👍 Zostaw like! ❗Obserwuj mnie na...
✔ Subskrybuj kanał: / https://www.youtube.com/@DataWorkshop?sub_confirmation=1
👍 Zostaw like!
❗Obserwuj mnie na LinkedIn https://www.linkedin.com/in/vladimiralekseichenko
📢 Poleć ten podcast znajomym zainteresowanym praktycznym wykorzystaniem AI w biznesie!

Przedstawiam różne perspektywy, dzieli się osobistymi doświadczeniami i analizuję, jak te technologie mogą wspierać decyzje biznesowe.

W tym odcinku dowiesz się:
• Jakie są kluczowe różnice między LLM a klasycznym ML?
• Kiedy warto inwestować w LLM, a kiedy lepiej stosować tradycyjne podejście?
• Jak łączyć obie technologie dla uzyskania najlepszych rezultatów?
• Jakie są praktyczne zastosowania LLM w biznesie?

Najważniejsze tematy:

1. LLM (Large Language Models) i klasyczne uczenie maszynowe (ML) mają różne zastosowania i zalety - wybór między nimi powinien zależeć od charakteru problemu i dostępnych danych.
2. Klasyczne ML nadal wytwarza większą wartość w biznesie, szczególnie dla danych tabelarycznych, oferując lepszą jakość, szybkość i interpretowalność wyników.
3. LLM są przydatne do pracy z nieustrukturyzowanym tekstem, tworzenia baz wiedzy i wspomagania komunikacji między zespołami technicznymi a biznesowymi.
4. Najlepszym podejściem jest często łączenie klasycznego ML z LLM, wykorzystując zalety obu metod.
5. Wdrażanie i utrzymanie rozwiązań opartych na klasycznym ML jest zwykle prostsze i tańsze niż w przypadku LLM.
6. LLM nie zastępują całkowicie zespołu data science, ale mogą być cennym narzędziem wspomagającym, np. w generowaniu kodu czy dokumentacji.
7. Przy projektowaniu rozwiązań AI kluczowe jest zrozumienie problemu, skupienie się na stabilności i przewidywalności, a nie tylko na najnowszych narzędziach.

Subskrybuj teraz i włącz dzwonek powiadomień, aby być dostawać praktyczną wiedzę o uczeniu maszynowym.
Ten podcast to KONIECZNIE POZYCJA dla każdego, kto:
- Interesuje się sztuczną inteligencją i jej zastosowaniami w biznesie
- Rozważa wdrożenie LLM-ów lub klasycznego ML w swojej firmie
- Chce być na bieżąco z najnowszymi trendami w AI

Oglądaj na Youtube: https://youtu.be/TPDvcFeuoZ4

Autorskie kursy Vladimira:
👉 DS/ML od podstaw - https://dataworkshop.eu/pl/practical-machine-learning
👉 Python - https://dataworkshop.eu/pl/intro-python
👉 Statystyka - https://dataworkshop.eu/statistics
👉 SQL - https://dataworkshop.eu/pl/sql
👉 Time Series - https://dataworkshop.eu/pl/time-series
👉 NLP - https://dataworkshop.eu/pl/nlp

🔥 Chcesz uczyć się ML/DS w DataWorkshop? Zarezerwuj indywidualną konsultację, aby doradzić najlepszą opcję dla Ciebie.
https://dataworkshop.typeform.com/to/YCBMn37h

Linki do podcastu:
📌 https://youtu.be/4pfEZuw3dtE
📌 https://biznesmysli.pl
📌 Apple Podcasts: https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 Google Podcasts https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
📌 Spreaker: https://www.spreaker.com/podcast/biznes-mysli--2214604

#machinelearning #datascience #genai #llm #ml #ai]]>3554ai,biznes,genai,llm,machinelearning,mlfalse3128fullBM127: Lokalne modele AI: Twoje dane, Twoje zasadyhttps://biznesmysli.pl/lokalne-modele-ai-twoje-dane-twoje-zasady/Czytaj: https://biznesmysli.pl/lokalne-modele-ai-twoje-dane-twoje-zasady
❗Obserwuj mnie na LinkedIn https://www.linkedin.com/in/vladimiralekseichenko
✔ Subskrybuj kanał: / @DataWorkshop
👍 Zostaw like!

📢 Poleć ten podcast znajomym zainteresowanym praktycznym wykorzystaniem AI w biznesie!

🔑 Dowiesz się:
- Jakie są zalety i wady korzystania z ChatGPT przez stronę internetową vs. API OpenAI lub chmury Azure.
- Czym są modele lokalne, self-hosted, open source i offline oraz jakie dają możliwości.
- Jakie narzędzia ułatwiają uruchamianie i dostosowywanie lokalnych modeli, np. Ollama, LM Studio, Jan.ai, llama.cpp, OpenWebUI.
- Jak lokalne modele językowe wpływają na bezpieczeństwo i prywatność danych.
- Jak wykorzystać lokalne modele do transkrypcji audio, analizy obrazu i innych zadań biznesowych.
- Jakie są wyzwania i ograniczenia związane z korzystaniem z lokalnych modeli.

🔗 Wspomniane narzędzia
- Ollama: https://ollama.com
- LM Studio: https://lmstudio.ai
- Jan.ai: https://jan.ai
- OpenWebUI: https://openwebui.com
- llama.cpp: https://github.com/ggerganov/llama.cpp
- whisper.cpp: https://github.com/ggerganov/whisper.cpp

💬 Podziel się w komentarzach swoimi doświadczeniami z lokalnymi modelami AI. Jakie widzisz zastosowania w swoim biznesie?

Słuchaj/czytaj na innych platformach:
📌 Spotify: https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 Google Podcasts https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
📌 Apple Podcasts https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 Spreker: https://www.spreaker.com/podcast/biznes-mysli--2214604
#llm #ai #machinelearning #llama #datascience #genai

🎙️ W tym odcinku:
0:32 - Wprowadzenie do świata LLM i ich biznesowego potencjału
5:48 - Publiczny ChatGPT vs bezpieczeństwo danych firmowych
11:46 - Rewolucja open source: modele Llama dorównują komercyjnym rozwiązaniom
17:15 - Ollama i LM Studio: narzędzia do lokalnego uruchamiania AI
24:51 - Jan.ai i trend małych modeli językowych
29:32 - Korzyści z lokalnych modeli AI: zgodność z GDPR i EU AI Act
35:35 - Whisper CPP: lokalna transkrypcja audio bez kompromisów
44:44 - Kontrola nad modelami AI: klucz do sukcesu w biznesie
49:08 - Phi 3.5 od Microsoft: mały model, wielkie możliwości]]>https://api.spreaker.com/episode/61172650Wed, 28 Aug 2024 07:00:00 +0000VladimirOdkryj potęgę lokalnych modeli AI! Uruchom je na swoim laptopie lub serwerze. Czytaj: https://biznesmysli.pl/lokalne-modele-ai-twoje-dane-twoje-zasady ❗Obserwuj mnie na LinkedIn https://www.linkedin.com/in/vladimiralekseichenko ✔ Subskrybuj kanał: ...Czytaj: https://biznesmysli.pl/lokalne-modele-ai-twoje-dane-twoje-zasady
❗Obserwuj mnie na LinkedIn https://www.linkedin.com/in/vladimiralekseichenko
✔ Subskrybuj kanał: / @DataWorkshop
👍 Zostaw like!

📢 Poleć ten podcast znajomym zainteresowanym praktycznym wykorzystaniem AI w biznesie!

🔑 Dowiesz się:
- Jakie są zalety i wady korzystania z ChatGPT przez stronę internetową vs. API OpenAI lub chmury Azure.
- Czym są modele lokalne, self-hosted, open source i offline oraz jakie dają możliwości.
- Jakie narzędzia ułatwiają uruchamianie i dostosowywanie lokalnych modeli, np. Ollama, LM Studio, Jan.ai, llama.cpp, OpenWebUI.
- Jak lokalne modele językowe wpływają na bezpieczeństwo i prywatność danych.
- Jak wykorzystać lokalne modele do transkrypcji audio, analizy obrazu i innych zadań biznesowych.
- Jakie są wyzwania i ograniczenia związane z korzystaniem z lokalnych modeli.

🔗 Wspomniane narzędzia
- Ollama: https://ollama.com
- LM Studio: https://lmstudio.ai
- Jan.ai: https://jan.ai
- OpenWebUI: https://openwebui.com
- llama.cpp: https://github.com/ggerganov/llama.cpp
- whisper.cpp: https://github.com/ggerganov/whisper.cpp

💬 Podziel się w komentarzach swoimi doświadczeniami z lokalnymi modelami AI. Jakie widzisz zastosowania w swoim biznesie?

Słuchaj/czytaj na innych platformach:
📌 Spotify: https://open.spotify.com/show/3ZUaHommHHZU6b4WJiyV2I
📌 Google Podcasts https://music.youtube.com/playlist?list=PLWOCRT27Z94XZzwcRI9-ExMyUXeBrF3W_
📌 Apple Podcasts https://podcasts.apple.com/us/podcast/biznes-myśli/id1215290277
📌 Spreker: https://www.spreaker.com/podcast/biznes-mysli--2214604
#llm #ai #machinelearning #llama #datascience #genai

🎙️ W tym odcinku:
0:32 - Wprowadzenie do świata LLM i ich biznesowego potencjału
5:48 - Publiczny ChatGPT vs bezpieczeństwo danych firmowych
11:46 - Rewolucja open source: modele Llama dorównują komercyjnym rozwiązaniom
17:15 - Ollama i LM Studio: narzędzia do lokalnego uruchamiania AI
24:51 - Jan.ai i trend małych modeli językowych
29:32 - Korzyści z lokalnych modeli AI: zgodność z GDPR i EU AI Act
35:35 - Whisper CPP: lokalna transkrypcja audio bez kompromisów
44:44 - Kontrola nad modelami AI: klucz do sukcesu w biznesie
49:08 - Phi 3.5 od Microsoft: mały model, wielkie możliwości]]>3045ai,biznes,llm,machinelearning,ml,production,slmfalse3127fullBM126: RAG w LLM: Dlaczego popularne rozwiązania to droga donikąd?https://biznesmysli.pl/rag-w-llm-dlaczego-popularne-rozwiazania-to-droga-donikad/
Problem: Tradycyjne podejście do RAG (Retrieval-Augmented Generation) w dużych modelach językowych (LLM), choć obiecujące w teorii, często zawodzi w praktyce. Sztuczne dzielenie danych na fragmenty (chunki) prowadzi do utraty kontekstu i generowania niespójnych, a nawet błędnych odpowiedzi.

Przyczyny:
-- Mechaniczne dzielenie tekstu: Tradycyjne metody dzielą dane na chunki na podstawie liczby znaków, ignorując semantykę i kontekst. To prowadzi do utraty sensu i generowania chaotycznych odpowiedzi.
- Nadmierne poleganie na embeddingu: Choć embedding jest potężnym narzędziem, nie jest rozwiązaniem idealnym. Nadmierne poleganie na nim prowadzi do wybierania fragmentów tekstu podobnych semantycznie, ale niekoniecznie istotnych dla danego zapytania.
- Zaniedbanie jakości danych i struktury: Skupienie się na zaawansowanych algorytmach i bazach wektorowych odciąga uwagę od kluczowej kwestii - jakości i struktury danych.

Skutki:
- Niska dokładność i spójność odpowiedzi: Modele LLM generują różne odpowiedzi na to samo pytanie, a użytkownicy nie mają pewności co do ich poprawności.
- Brak transparentności i audytowalności: Trudno jest prześledzić proces generowania odpowiedzi i zweryfikować, skąd pochodzą konkretne informacje.
- Wysokie koszty implementacji i utrzymania: Zastosowanie złożonych architektur i modeli zwiększa koszty, a problemy z jakością danych prowadzą do ciągłych poprawek i reindeksowania.

🕒 Kluczowe momenty:
0:00 Wprowadzenie: RAG w LLM-ach
3:48 Generowanie trafnych odpowiedzi przez LLM-y
13:43 Odpowiedzialność za dane wejściowe
20:44 Problemy z mechanicznym podziałem tekstu
26:20 Osadzenie wektorowe i podobieństwo semantyczne
37:51 Alternatywne podejście do RAG
45:30 Ostrzeżenie przed nadmiernym komplikowaniem AI
53:00 Podsumowanie i alternatywne podejście

🧠 Dowiesz się:
- Dlaczego klasyczne podejście do RAG często zawodzi
- Jak LLM-y interpretują dostarczony kontekst
- Jakie są pułapki przy implementacji RAG
- Co to jest "mapa wiedzy" i jak może zrewolucjonizować AI

Rozwiązanie:
Należy odejść od mechanicznego podejścia do RAG i skupić się na:
Głębokim zrozumieniu problemu biznesowego: Zdefiniowanie, co chcemy osiągnąć i jakie informacje są potrzebne do rozwiązania danego problemu.
Manualnym zaprojektowaniu struktury danych: Ustalenie, w jaki sposób przechowywać dane, aby zachować ich sens i kontekst.
Użyciu embeddingu jako narzędzia pomocniczego: Embedding powinien wspierać, a nie zastępować klasyczne metody wyszukiwania.
Skoncentrowaniu się na jakości i aktualności danych: Zapewnienie, że dane są wiarygodne, aktualne i odpowiednio zabezpieczone.

Korzyści:
- Zwiększenie dokładności i spójności odpowiedzi.
- Poprawa transparentności i audytowalności.
- Obniżenie kosztów implementacji i utrzymania.
- Spełnienie wymogów prawnych (GDPR, EU AI Act).

Zamiast ślepo podążać za modnymi rozwiązaniami, należy skupić się na fundamentach - jakości danych, strukturze i zrozumieniu problemu biznesowego. Tylko takie podejście pozwoli wykorzystać pełen potencjał RAG i zbudować systemy oparte na LLM, które będą nie tylko efektowne, ale przede wszystkim efektywne.

Jeśli interesujesz się przyszłością AI i jej praktycznym zastosowaniem w biznesie, ten odcinek jest obowiązkowy!

👍 Polub ten odcinek i podziel się przynajmniej z jedną osobą (poleć, warto).

🔗 Linki:
https://biznesmysli.pl/rag-w-llm-dlaczego-popularne-rozwiazania-to-droga-donikad/

Obserwuj mi na LinkedIn (wysyłaj też śmiało zaproszenie):
https://www.linkedin.com/in/vladimiralekseichenko/

📢 Podziel się tym odcinkiem z kolegami i znajomymi zainteresowanymi AI i machine learning!

Przydatne publikacji:
- https://arxiv.org/pdf/2005.11401
- https://arxiv.org/pdf/2407.01219
- https://arxiv.org/pdf/2406.04369
- https://arxiv.org/pdf/2305.14283
- https://arxiv.org/pdf/2007.01282

Tagi:
#ai #machinelearning #datascience #nlp #rag #llm #search #bestpractice]]>https://api.spreaker.com/episode/61020968Wed, 14 Aug 2024 07:00:00 +0000VladimirRAG w LLM: Dlaczego popularne rozwiązania to droga donikąd? Problem: Tradycyjne podejście do RAG (Retrieval-Augmented Generation) w dużych modelach językowych (LLM), choć obiecujące w teorii, często zawodzi w praktyce. Sztuczne dzielenie danych na...
Problem: Tradycyjne podejście do RAG (Retrieval-Augmented Generation) w dużych modelach językowych (LLM), choć obiecujące w teorii, często zawodzi w praktyce. Sztuczne dzielenie danych na fragmenty (chunki) prowadzi do utraty kontekstu i generowania niespójnych, a nawet błędnych odpowiedzi.

Przyczyny:
-- Mechaniczne dzielenie tekstu: Tradycyjne metody dzielą dane na chunki na podstawie liczby znaków, ignorując semantykę i kontekst. To prowadzi do utraty sensu i generowania chaotycznych odpowiedzi.
- Nadmierne poleganie na embeddingu: Choć embedding jest potężnym narzędziem, nie jest rozwiązaniem idealnym. Nadmierne poleganie na nim prowadzi do wybierania fragmentów tekstu podobnych semantycznie, ale niekoniecznie istotnych dla danego zapytania.
- Zaniedbanie jakości danych i struktury: Skupienie się na zaawansowanych algorytmach i bazach wektorowych odciąga uwagę od kluczowej kwestii - jakości i struktury danych.

Skutki:
- Niska dokładność i spójność odpowiedzi: Modele LLM generują różne odpowiedzi na to samo pytanie, a użytkownicy nie mają pewności co do ich poprawności.
- Brak transparentności i audytowalności: Trudno jest prześledzić proces generowania odpowiedzi i zweryfikować, skąd pochodzą konkretne informacje.
- Wysokie koszty implementacji i utrzymania: Zastosowanie złożonych architektur i modeli zwiększa koszty, a problemy z jakością danych prowadzą do ciągłych poprawek i reindeksowania.

🕒 Kluczowe momenty:
0:00 Wprowadzenie: RAG w LLM-ach
3:48 Generowanie trafnych odpowiedzi przez LLM-y
13:43 Odpowiedzialność za dane wejściowe
20:44 Problemy z mechanicznym podziałem tekstu
26:20 Osadzenie wektorowe i podobieństwo semantyczne
37:51 Alternatywne podejście do RAG
45:30 Ostrzeżenie przed nadmiernym komplikowaniem AI
53:00 Podsumowanie i alternatywne podejście

🧠 Dowiesz się:
- Dlaczego klasyczne podejście do RAG często zawodzi
- Jak LLM-y interpretują dostarczony kontekst
- Jakie są pułapki przy implementacji RAG
- Co to jest "mapa wiedzy" i jak może zrewolucjonizować AI

Rozwiązanie:
Należy odejść od mechanicznego podejścia do RAG i skupić się na:
Głębokim zrozumieniu problemu biznesowego: Zdefiniowanie, co chcemy osiągnąć i jakie informacje są potrzebne do rozwiązania danego problemu.
Manualnym zaprojektowaniu struktury danych: Ustalenie, w jaki sposób przechowywać dane, aby zachować ich sens i kontekst.
Użyciu embeddingu jako narzędzia pomocniczego: Embedding powinien wspierać, a nie zastępować klasyczne metody wyszukiwania.
Skoncentrowaniu się na jakości i aktualności danych: Zapewnienie, że dane są wiarygodne, aktualne i odpowiednio zabezpieczone.

Korzyści:
- Zwiększenie dokładności i spójności odpowiedzi.
- Poprawa transparentności i audytowalności.
- Obniżenie kosztów implementacji i utrzymania.
- Spełnienie wymogów prawnych (GDPR, EU AI Act).

Zamiast ślepo podążać za modnymi rozwiązaniami, należy skupić się na fundamentach - jakości danych, strukturze i zrozumieniu problemu biznesowego. Tylko takie podejście pozwoli wykorzystać pełen potencjał RAG i zbudować systemy oparte na LLM, które będą nie tylko efektowne, ale przede wszystkim efektywne.

Jeśli interesujesz się przyszłością AI i jej praktycznym zastosowaniem w biznesie, ten odcinek jest obowiązkowy!

👍 Polub ten odcinek i podziel się przynajmniej z jedną osobą (poleć, warto).

🔗 Linki:
https://biznesmysli.pl/rag-w-llm-dlaczego-popularne-rozwiazania-to-droga-donikad/

Obserwuj mi na LinkedIn (wysyłaj też śmiało zaproszenie):
https://www.linkedin.com/in/vladimiralekseichenko/

📢 Podziel się tym odcinkiem z kolegami i znajomymi zainteresowanymi AI i machine learning!

Przydatne publikacji:
-...]]>3529ai,biznesmysli,datascience,llm,machinelearning,ml,ragfalse3126fullBM125: Jak rozmawiać ze sztuczną inteligencją?https://www.spreaker.com/episode/bm125-jak-rozmawiac-ze-sztuczna-inteligencja--60864676
Jedna z głównych myśli to, że umiejętność efektywnej komunikacji z modelami AI (prompt engineering) stanie się jedną z kluczowych kompetencji zawodowych, porównywalną do znajomości pakietu Office czy umiejętności posługiwania się mailem. Zwróć uwagę, że osobny zawód prompt engineering nie przetrwa na rynku biznesowym, ponieważ specjaliści w tej dziedzinie często nie posiadają wystarczającej wiedzy domenowej. Częściej bardziej opłaca się douczyć kogoś na miejscu do rozmowy z AI, niż w drugą stronę. Jest to efektywniejsze. Co ciekawe, korzystanie z AI nie sprawia, że człowiek przestaje myśleć (są też takie mity) - wręcz przeciwnie, uczy się nowych rzeczy i poszerza swoją wiedzę. AI to narzędzie, które pozwala nam szybciej się rozwijać i osiągać cele. Dlatego, ta umiejetność również dotyczy Ciebie!

🔥 Zapisz się na listę chętnych szkolenia: "Jak rozmawiać ze sztuczną inteligencją? Praktyczne podejście". Zdobądź nową praktyczną umiejętność: https://bit.ly/3YqH2HD

💡 Dowiedz się:
- Jak tworzyć efektywne prompty dla modeli AI
- Jakie są kluczowe parametry modeli generatywnych
- Jak oszacować koszty i czas wykorzystania AI w biznesie
- Dlaczego prompt engineering to nowa kluczowa umiejętność zawodowa

🕒 Timecode:
0:00 - Wprowadzenie i przedstawienie gościa
5:02 - Jak rozmawiać ze sztuczną inteligencją?
13:44 - Kluczowe elementy dobrego prompta
17:18 - Tokeny i ich znaczenie w modelach AI
27:53 - Trójkąt tokenów: koszt, czas, rezultat
34:30 - Szacowanie kosztów wykorzystania AI w biznesie
40:34 - Parametry modeli AI - temperatura i topP
49:27 - Praktyczne zastosowania AI w codziennej pracy
55:21 - Dlaczego umiejętność korzystania z AI staje się kluczowa?
1:02:54 - Podsumowanie i pożegnanie

🔗 Przydatne linki
Czytać: https://biznesmysli.pl/jak-rozmawiac-ze-sztuczna-inteligencja/
LinkedIn:
- Vladimir: https://www.linkedin.com/in/vladimiralekseichenko
- Cezary: https://www.linkedin.com/in/cezary-kuik
- Publikacja
RAG Does Not Work for Enterprises: https://arxiv.org/pdf/2406.04369

O czym jeszcze rozmawialiśmy:
- Modele AI mają zdolność zamieniania nieustrukturyzowanych danych w ustrukturyzowane, co jest przydatne np. przy tworzeniu notatek ze spotkań.
- AI może pomagać w upraszczaniu skomplikowanych tekstów technicznych na bardziej zrozumiałe.
- Modele generatywne mogą wcielać się w różne role (np. prezesa firmy), zadając krytyczne pytania i pomagając ulepszyć dokumenty biznesowe.
- Korzystanie z AI do generowania pomysłów i pytań może znacząco podnieść jakość pracy i dokumentów.
- Modele generatywne AI, takie jak ChatGPT czy Claude, stały się niezbędnym narzędziem w codziennej pracy dla wielu osób.

📢 Poleć ten podcast znajomym, którzy interesują się AI i jej zastosowaniem w praktyce!
#ai #sztucznainteligencja #promptengineering #genai #generativeai #machinelearning
]]>https://api.spreaker.com/episode/60864676Wed, 31 Jul 2024 07:00:03 +0000Vladimir🎙️ Gościem dzisiejszego odcinka jest Cezary Kujek, Product Manager w dziale Machine Learning Research w Allegro, specjalista od modeli generatywnych. Jedna z głównych myśli to, że umiejętność efektywnej komunikacji z modelami AI (prompt engineering)...
Jedna z głównych myśli to, że umiejętność efektywnej komunikacji z modelami AI (prompt engineering) stanie się jedną z kluczowych kompetencji zawodowych, porównywalną do znajomości pakietu Office czy umiejętności posługiwania się mailem. Zwróć uwagę, że osobny zawód prompt engineering nie przetrwa na rynku biznesowym, ponieważ specjaliści w tej dziedzinie często nie posiadają wystarczającej wiedzy domenowej. Częściej bardziej opłaca się douczyć kogoś na miejscu do rozmowy z AI, niż w drugą stronę. Jest to efektywniejsze. Co ciekawe, korzystanie z AI nie sprawia, że człowiek przestaje myśleć (są też takie mity) - wręcz przeciwnie, uczy się nowych rzeczy i poszerza swoją wiedzę. AI to narzędzie, które pozwala nam szybciej się rozwijać i osiągać cele. Dlatego, ta umiejetność również dotyczy Ciebie!

🔥 Zapisz się na listę chętnych szkolenia: "Jak rozmawiać ze sztuczną inteligencją? Praktyczne podejście". Zdobądź nową praktyczną umiejętność: https://bit.ly/3YqH2HD

💡 Dowiedz się:
- Jak tworzyć efektywne prompty dla modeli AI
- Jakie są kluczowe parametry modeli generatywnych
- Jak oszacować koszty i czas wykorzystania AI w biznesie
- Dlaczego prompt engineering to nowa kluczowa umiejętność zawodowa

🕒 Timecode:
0:00 - Wprowadzenie i przedstawienie gościa
5:02 - Jak rozmawiać ze sztuczną inteligencją?
13:44 - Kluczowe elementy dobrego prompta
17:18 - Tokeny i ich znaczenie w modelach AI
27:53 - Trójkąt tokenów: koszt, czas, rezultat
34:30 - Szacowanie kosztów wykorzystania AI w biznesie
40:34 - Parametry modeli AI - temperatura i topP
49:27 - Praktyczne zastosowania AI w codziennej pracy
55:21 - Dlaczego umiejętność korzystania z AI staje się kluczowa?
1:02:54 - Podsumowanie i pożegnanie

🔗 Przydatne linki
Czytać: https://biznesmysli.pl/jak-rozmawiac-ze-sztuczna-inteligencja/
LinkedIn:
- Vladimir: https://www.linkedin.com/in/vladimiralekseichenko
- Cezary: https://www.linkedin.com/in/cezary-kuik
- Publikacja
RAG Does Not Work for Enterprises: https://arxiv.org/pdf/2406.04369

O czym jeszcze rozmawialiśmy:
- Modele AI mają zdolność zamieniania nieustrukturyzowanych danych w ustrukturyzowane, co jest przydatne np. przy tworzeniu notatek ze spotkań.
- AI może pomagać w upraszczaniu skomplikowanych tekstów technicznych na bardziej zrozumiałe.
- Modele generatywne mogą wcielać się w różne role (np. prezesa firmy), zadając krytyczne pytania i pomagając ulepszyć dokumenty biznesowe.
- Korzystanie z AI do generowania pomysłów i pytań może znacząco podnieść jakość pracy i dokumentów.
- Modele generatywne AI, takie jak ChatGPT czy Claude, stały się niezbędnym narzędziem w codziennej pracy dla wielu osób.

📢 Poleć ten podcast znajomym, którzy interesują się AI i jej zastosowaniem w praktyce!
#ai #sztucznainteligencja #promptengineering #genai #generativeai #machinelearning
]]>4033ai,biznes,chatgpt,genai,machinelearning,ml,promptfalse3125fullBM124: Jaki model AI wybrać: wyzwania i rozwiązania?https://biznesmysli.pl/jaki-model-ai-wybrac-wyzwania-i-rozwiazania
✅ Dlaczego wszystkie modele AI są błędne i jak to wpływa na biznes? 🤔
✅ Dlaczego też nie ma idealnych modeli LLM i jak wybrać ten "wystarczająco dobry" do swoich potrzeb?
✅ Jak ewoluowały benchmarki i metryki oceny modeli NLP?
✅ Dlaczego tak popularne metryki, np. takie jak MMLU, tracą na znaczeniu?
✅ Czym jest ChatbotArena i Hard Arena - innowacyjne podejścia do oceny AI?
✅Jakie pułapki kryją się w korzystaniu z gotowych leaderboardów i na co uważać?
✅ Dlaczego warto stworzyć własny leaderboard dopasowany do Twoich potrzeb biznesowych i jak to zrobić w 3 prostych krokach?
✅ Dodatkowe wskazówek i narzędzi, które ułatwią Ci ocenianie modeli LLM.

Ten odcinek dostarczy Ci praktycznej wiedzy o tym, jak skutecznie oceniać i wybierać modele AI w praktyce.

Tu możesz czytać: https://biznesmysli.pl/jaki-model-ai-wybrac-wyzwania-i-rozwiazania/
Zapraszam też LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
Partnerem podcastu jest DataWorkshop.

Zapraszam też na YouTube: https://youtu.be/eUIP2i0kxHo
👍 Polubić ten film
💬 Zostawić komentarz
📢 Udostępnić go znajomym, którzy mogą być zainteresowani

Subskrybuj kanał "DataWorksohp", aby być na bieżąco z praktycznym ML/AI! 🔔

#ai #ml #leaderboard #benchmark #arena #llm #biznesmysli

]]>https://api.spreaker.com/episode/60714740Wed, 17 Jul 2024 07:00:03 +0000VladimirModeli LLM to aktualnie gorący temat. Aby efektywnie wdrożyć te modele w swojej firmie, konieczne jest stworzenie własnego leaderboardu, dopasowanego do konkretnych potrzeb biznesowych. Podpowiadam jak to zrobić, czyli od czego można zacząć (3 proste...
✅ Dlaczego wszystkie modele AI są błędne i jak to wpływa na biznes? 🤔
✅ Dlaczego też nie ma idealnych modeli LLM i jak wybrać ten "wystarczająco dobry" do swoich potrzeb?
✅ Jak ewoluowały benchmarki i metryki oceny modeli NLP?
✅ Dlaczego tak popularne metryki, np. takie jak MMLU, tracą na znaczeniu?
✅ Czym jest ChatbotArena i Hard Arena - innowacyjne podejścia do oceny AI?
✅Jakie pułapki kryją się w korzystaniu z gotowych leaderboardów i na co uważać?
✅ Dlaczego warto stworzyć własny leaderboard dopasowany do Twoich potrzeb biznesowych i jak to zrobić w 3 prostych krokach?
✅ Dodatkowe wskazówek i narzędzi, które ułatwią Ci ocenianie modeli LLM.

Ten odcinek dostarczy Ci praktycznej wiedzy o tym, jak skutecznie oceniać i wybierać modele AI w praktyce.

Tu możesz czytać: https://biznesmysli.pl/jaki-model-ai-wybrac-wyzwania-i-rozwiazania/
Zapraszam też LinkedIn: https://www.linkedin.com/in/vladimiralekseichenko/
Partnerem podcastu jest DataWorkshop.

Zapraszam też na YouTube: https://youtu.be/eUIP2i0kxHo
👍 Polubić ten film
💬 Zostawić komentarz
📢 Udostępnić go znajomym, którzy mogą być zainteresowani

Subskrybuj kanał "DataWorksohp", aby być na bieżąco z praktycznym ML/AI! 🔔

#ai #ml #leaderboard #benchmark #arena #llm #biznesmysli

]]>4274ai,benchmark,biznesmysli,leaderboard,llm,machinelearningfalse3124fullBM123:Fine-tuning LLM: fakty i mityhttps://biznesmysli.pl/fine-tuning-llm-fakty-i-mity/
W tym odcinku koncentrujemy się na wyjaśnieniu kluczowych etapów trenowania modeli LLM, takich jak pre-training, fine-tuning oraz alignment, oraz na omówieniu ich zastosowań i wyzwań.

Dowiesz się:

Jak wygląda proces trenowania dużych modeli językowych od podstaw?
Czym jest fine-tuning i kiedy warto go stosować? Jakie są kluczowe etapy tworzenia modeli AI i dlaczego dane są tak ważne? Jakie superkomputery są używane do trenowania AI i ile to kosztuje? Jak wygląda praca nad polskim modelem językowym Bielik 2.0?

Zapraszam!

🕒 Najważniejsze fragmenty:

00:01:52 - Remigiusz Kinas przedstawia się i opowiada o swoim doświadczeniu z ML/AI
00:08:57 - Wyjaśnienie czym jest fine-tuning modeli na przykładzie Computer Vision
00:14:23 - Omówienie różnych rodzajów modeli językowych (pre-trained, instruct, fine-tuned)
00:30:00 - Czym jest T? Trilion czy bilion?
00:31:05 - Ile danych potrzebujemy?
00:43:53 - Cyfronet Helios, czyli na czym był trenowany Bielik?
00:47:15 - Ile kart GPU ma Meta (Facebook)?
00:27:34 - Dlaczego dane są najważniejsze w procesie trenowania modeli AI 00:53:00 - Ile kosztuje wytrenować model LLM?
00:58:32 - Czy warto robić fine-tuning?
01:09:07 - Co nowego w Bieliku 2?
01:24:42 - Podsumowanie

Czytać: https://biznesmysli.pl/fine-tuning-llm-fakty-i-mity/
YouTube (ogłądać video): https://youtu.be/Kf55mex40-o

LinkedIn:

https://www.linkedin.com/in/remigiusz-kinas/
https://www.linkedin.com/in/vladimiralekseichenko/

Inne linki:

https://ai.meta.com/blog/meta-llama-3/
https://opencsg.com/datasets/AIWizards/Alpaca-CoT
https://top500.org/lists/green500/list/2024/06/
https://github.com/meta-llama/llama/blob/main/MODEL_CARD.md
https://github.com/NVIDIA/Megatron-LM https://github.com/hiyouga/LLaMA-Factory
https://arxiv.org/pdf/2406.06608
https://github.com/vllm-project/vllm

W podcaście omówiono:
Rodzaje modeli LLM:
- Model bazowy (pre-trained): Posiada ogromną wiedzę, ale nie potrafi prowadzić konwersacji - służy do przewidywania następnego słowa.
- Model instrukcyjny (instruct): Potrafi wykonywać polecenia i prowadzić konwersacje. Powstaje poprzez fine-tuning modelu bazowego.
- Model po alignmencie: Model instrukcyjny dodatkowo "wygładzony" i dostosowany do preferowanego stylu konwersacji.

Fazy trenowania modelu:
- Pre-training: Najważniejsza faza, w której model nabywa wiedzę. Wymaga ogromnych zbiorów danych i jest bardzo kosztowna (rzędu setek tysięcy dolarów).
- Fine-tuning: Dostrajanie modelu do konkretnych zadań. Wymaga mniejszych zbiorów danych i jest tańszy od pre-trainu.
- Alignment: Dopasowanie stylu i sposobu odpowiedzi modelu. Wymaga najmniej danych i jest najtańszy.

Dane:
- Pre-training: Dane tekstowe w ogromnej ilości (terabajty), im więcej, tym lepiej. Ważna jest jakość danych.
- Fine-tuning: Instrukcje dla modelu (polecenia i przykładowe odpowiedzi) w ilości od tysięcy do milionów.
- Alignment: Pary odpowiedzi (preferowana i odrzucona) w ilości kilku tysięcy.

Koszty:
- Pre-training: Bardzo wysokie, porównywalne z ceną mieszkania w Warszawie.
- Fine-tuning: Znacznie niższe od pre-trainu.
- Alignment: Niskie, możliwe do przeprowadzenia na lokalnej maszynie.

Mit fine-tuningu jako rozwiązania na wszystko:
- W większości przypadków fine-tuning nie jest konieczny.
- Lepiej skupić się na promptowaniu (zadawaniu precyzyjnych pytań) i technikach RAG (Retrieval Augmented Generation - wzbogacanie odpowiedzi o dane z zewnętrznych źródeł).
- Fine-tuning może być przydatny w wąskich dziedzinach, dla specyficznych formatów odpowiedzi lub w celu zapewnienia bezpieczeństwa danych.

Bielik 2.0: Nowa wersja polskiego modelu językowego.
- Większy model (11 miliardów parametrów).
- Dłuższy kontekst wejściowy (32 tysiące tokenów).
- Wsparcie dla Function Calling (beta).
- Uczenie wzmacniane (RLHF).
- Więcej wersji kwantyzacyjnych.
- Wsparcie dla VLLM.
- Test na inteligencję emocjonalną (EQ Bench).
- Planowana wersja multimodalna (tekst i obraz).

#ai #genai #llm #podcast #machinelearning #datascience #finetuning]]>https://api.spreaker.com/episode/60584330Wed, 03 Jul 2024 07:00:03 +0000Vladimir🎙️ Czy zdarza Ci się zastanawiać, jak powstają zaawansowane modele AI, takie jak ChatGPT? Czy wiesz, że trening takiego modelu może kosztować tyle, co luksusowy apartament w Warszawie (a w skali GPT nawet znacznie więcej)? A może ciekawi Cię, ile...
W tym odcinku koncentrujemy się na wyjaśnieniu kluczowych etapów trenowania modeli LLM, takich jak pre-training, fine-tuning oraz alignment, oraz na omówieniu ich zastosowań i wyzwań.

Dowiesz się:

Jak wygląda proces trenowania dużych modeli językowych od podstaw?
Czym jest fine-tuning i kiedy warto go stosować? Jakie są kluczowe etapy tworzenia modeli AI i dlaczego dane są tak ważne? Jakie superkomputery są używane do trenowania AI i ile to kosztuje? Jak wygląda praca nad polskim modelem językowym Bielik 2.0?

https://www.linkedin.com/in/remigiusz-kinas/
https://www.linkedin.com/in/vladimiralekseichenko/

Inne linki:

https://ai.meta.com/blog/meta-llama-3/
https://opencsg.com/datasets/AIWizards/Alpaca-CoT
https://top500.org/lists/green500/list/2024/06/
https://github.com/meta-llama/llama/blob/main/MODEL_CARD.md
https://github.com/NVIDIA/Megatron-LM https://github.com/hiyouga/LLaMA-Factory
https://arxiv.org/pdf/2406.06608
https://github.com/vllm-project/vllm

Dowiesz się, jakie mity krążą na temat dużych modeli językowych (LLM) i dlaczego ChatGPT to nie jedyny gracz na rynku.
Zrozumiesz różnicę między prototypem LLM a rozwiązaniem gotowym do wdrożenia - to kluczowe przy tworzeniu rozwiązań AI!
Poznasz mechanikę halucynacji w LLM i jak sobie z nimi radzić. Nie uwierzysz, jak fascynujące jest to zjawisko!
Odkryjesz, jakie wyzwania wiążą się z długimi oknami kontekstowymi i dlaczego więcej nie zawsze znaczy lepiej.
Zrozumiesz, że reprezentacja wektorowa (embedding) nie jest idealna. Ma zalety, ale też ograniczenia.
Dowiesz się, jak AI wpłynie na rynek pracy i dlaczego warto traktować je jako narzędzie, a nie zagrożenie.
Zainspiruje Cię (mam nadzieje) do ciągłego rozwoju i wyprzedzania zmian w świecie, który ewoluuje w zawrotnym tempie!

Dowiesz się, jakie mity krążą na temat dużych modeli językowych (LLM) i dlaczego ChatGPT to nie jedyny gracz na rynku.
Zrozumiesz różnicę między prototypem LLM a rozwiązaniem gotowym do wdrożenia - to kluczowe przy tworzeniu rozwiązań AI!
Poznasz mechanikę halucynacji w LLM i jak sobie z nimi radzić. Nie uwierzysz, jak fascynujące jest to zjawisko!
Odkryjesz, jakie wyzwania wiążą się z długimi oknami kontekstowymi i dlaczego więcej nie zawsze znaczy lepiej.
Zrozumiesz, że reprezentacja wektorowa (embedding) nie jest idealna. Ma zalety, ale też ograniczenia.
Dowiesz się, jak AI wpłynie na rynek pracy i dlaczego warto traktować je jako narzędzie, a nie zagrożenie.
Zainspiruje Cię (mam nadzieje) do ciągłego rozwoju i wyprzedzania zmian w świecie, który ewoluuje w zawrotnym tempie!

Podam, jak zwykle, konkretne przykłady lub analogii. I staram się tłumaczyć zawiłości techniczne prostym językiem.

Najważniejsze tematy poruszone w tym odcinku:
00:04:50 - Powtórka i umówienie 10 mitów na temat AI (odcinek BM55)
00:05:55 - Porównanie trendów ChatGPT i AI, ChatGPT przyrównywane do AI
00:10:34 - Otwarty nie zawsze znaczy możliwy do komercyjnego wykorzystania
00:37:17 - Ryzyko związane z fine-tuningiem modeli
00:43:12 - Ostrożne podejście do dostrajania modeli
00:48:11 - Ograniczenia reprezentacji wektorowej (embedding)
01:03:13 - Czym naprawdę jest halucynacja w kontekście LLM?
01:04:47 - Wpływ AI na rynek pracy
01:05:59 - Filozoficzne rozważania o świadomości AI i człowieka]]>4042ai,biznes,genai,llm,mit,ml,podcastfalse3122fullBM121: Sztuczna inteligencja zmienia szukanie odpowiedzihttps://biznesmysli.pl/sztuczna-inteligencja-zmienia-szukanie-odpowiedzi
Dowiesz się m.in.:
1. Jakie rewolucyjne zmiany zaszły w ostatnich latach w wyszukiwaniu dokumentów i wyciąganiu odpowiedzi
2. Jaką rolę odgrywają duże modele językowe (LLM) w question answering?
3. Dlaczego jakość i ilość danych treningowych ma kluczowe znaczenie?
4. Jakie są kluczowe etapy budowy systemu question answering?
5. Z jakich kluczowych komponentów składa się system question answering?
6. Jak dobrać odpowiednie dokumenty źródłowe i zadbać o kwestie dostępu i poufności
7. Jakie triki można zastosować przy generowaniu finalnej odpowiedzi z dużego kontekstu?

W trakcie rozmowy poruszamy:

Przemiany, jakie zaszły w technologii question answering, to wynik zastosowania nowoczesnych sieci neuronowych i generatywnych modeli językowych. Dzisiejsze systemy są niezwykle skuteczne, umożliwiając użytkownikom szybkie uzyskanie odpowiedzi na pytania bez konieczności przeszukiwania setek dokumentów.

Jakość danych treningowych ma ogromne znaczenie. Im lepsze dane, tym bardziej precyzyjne odpowiedzi generuje system. Kluczowe jest też odpowiednie przygotowanie i przetworzenie tych danych, co wpływa na efektywność całego procesu.

Rozmowa dotyczy również praktycznych aspektów budowy systemów question answering - od wyboru odpowiednich dokumentów źródłowych, przez ekstrakcję i preprocessing danych, aż po wybór modelu wyszukiwania i generowania odpowiedzi. Istotne jest, aby systemy te były użyteczne nawet przy niepełnej dokładności, co może znacząco zaoszczędzić czas użytkowników.

Mimo rozwoju LLM, kluczowe kompetencje w budowaniu systemów AI pozostają takie same - liczy się dobranie odpowiednich narzędzi do realizacji celów i myślenie produktowe.

Na koniec, Piotr i Vladimir omawiają znaczenie precyzyjnego zdefiniowania celów i wymagań przed rozpoczęciem budowy systemu. Bez tego, nawet najlepsze technologie mogą nie przynieść oczekiwanych rezultatów.

Subskrybuj kanał, aby być na bieżąco z najnowszymi trendami w świecie technologii i sztucznej inteligencji! Postaw też dobrą ocenę :).🔔
]]>https://api.spreaker.com/episode/60281713Wed, 05 Jun 2024 07:00:03 +0000VladimirCzy wiesz, że obecna technologia osiągnęła już poziom 9-9,5 na 10 w obszarze odpowiadania na pytania? W dzisiejszym odcinku zagłębiamy się w świat question answering, czyli technologii, która pozwala maszynom rozumieć pytania i udzielać na nie...
Dowiesz się m.in.:
1. Jakie rewolucyjne zmiany zaszły w ostatnich latach w wyszukiwaniu dokumentów i wyciąganiu odpowiedzi
2. Jaką rolę odgrywają duże modele językowe (LLM) w question answering?
3. Dlaczego jakość i ilość danych treningowych ma kluczowe znaczenie?
4. Jakie są kluczowe etapy budowy systemu question answering?
5. Z jakich kluczowych komponentów składa się system question answering?
6. Jak dobrać odpowiednie dokumenty źródłowe i zadbać o kwestie dostępu i poufności
7. Jakie triki można zastosować przy generowaniu finalnej odpowiedzi z dużego kontekstu?

W trakcie rozmowy poruszamy:

Przemiany, jakie zaszły w technologii question answering, to wynik zastosowania nowoczesnych sieci neuronowych i generatywnych modeli językowych. Dzisiejsze systemy są niezwykle skuteczne, umożliwiając użytkownikom szybkie uzyskanie odpowiedzi na pytania bez konieczności przeszukiwania setek dokumentów.

Jakość danych treningowych ma ogromne znaczenie. Im lepsze dane, tym bardziej precyzyjne odpowiedzi generuje system. Kluczowe jest też odpowiednie przygotowanie i przetworzenie tych danych, co wpływa na efektywność całego procesu.

Rozmowa dotyczy również praktycznych aspektów budowy systemów question answering - od wyboru odpowiednich dokumentów źródłowych, przez ekstrakcję i preprocessing danych, aż po wybór modelu wyszukiwania i generowania odpowiedzi. Istotne jest, aby systemy te były użyteczne nawet przy niepełnej dokładności, co może znacząco zaoszczędzić czas użytkowników.

Mimo rozwoju LLM, kluczowe kompetencje w budowaniu systemów AI pozostają takie same - liczy się dobranie odpowiednich narzędzi do realizacji celów i myślenie produktowe.

Na koniec, Piotr i Vladimir omawiają znaczenie precyzyjnego zdefiniowania celów i wymagań przed rozpoczęciem budowy systemu. Bez tego, nawet najlepsze technologie mogą nie przynieść oczekiwanych rezultatów.

Subskrybuj kanał, aby być na bieżąco z najnowszymi trendami w świecie technologii i sztucznej inteligencji! Postaw też dobrą ocenę :).🔔
]]>5660ai,biznes,datascience,llm,ml,nlp,qa,wyszukiwarkafalse3121fullBM120 - Sztuczna inteligencja pod własnym dachem: rozmowa z kierownikiem AI Lab z OPIhttps://biznesmysli.pl/sztuczna-inteligencja-pod-wlasnym-dachem/Marek Kozłowski, ekspert od NLP (Natural Language Processing) i machine learning, pracujący w AI Labie w OPI (Ośrodku Przetwarzania i Informacji, Państwowy Instytut Badawczy).

W tym odcinku rozmawiamy o:

Dlaczego trenowanie własnych modeli LLM jest tak ważne dla rozwoju Polski? Marek wyjaśnia, dlaczego własne modele LLM mogą być kluczem do rozwoju nowoczesnej gospodarki, innowacyjności i kompetencji.
Jak wygląda proces trenowania modeli LLM? Marek krok po kroku omawia poszczególne etapy uczenia, od pre-trainingu, przez fine-tuning, aż do procesu ewaluacji i walidacji. - Jakie są konkretne wyzwania i możliwości związane z budową ekosystemu modeli LLM w Polsce? Marek omawia inicjatywy takie jak konsorcjum PLLuM i stowarzyszenie Speaklish, a także dzieli się swoimi przemyśleniami na temat potencjału rozwoju modeli LLM w naszym kraju.

Kluczowe punkty odcinka:

LLM to coś w rodzaju nowoczesnej waluty: posiadanie własnego modelu LLM może dać przewagę konkurencyjną i wpłynąć na rozwój gospodarki i innowacyjności.
Dane to klucz: jakość i ilość danych są kluczowymi elementami determinującymi jakość modeli LLM.
Ekosystem jest ważniejszy niż pojedynczy model: budowanie ekosystemu modeli LLM, z odpowiednim zestawem danych, narzędzi i kompetencji, jest niezbędne do osiągnięcia sukcesu.

Dodatkowo:

Marek opowiada o doświadczeniach i projektach realizowanych w AI Labie w OPI, w tym o systemie antyplagiatowym JSA i modelach Qra i MMLW.
Podnosi kwestię otwartości modeli LLM i podkreśla, że kluczowe jest tworzenie modeli dostępnych dla wszystkich.

Zapraszam do wysłuchania tego inspirującego odcinka!

Spis treści:
00:00:00 - Wprowadzenie
00:01:35 - Kim jest Marek Kozłowski?
00:03:35 - OPI i AI Lab - co to jest i czym się zajmuje?
00:10:40 - Historia deep learningu i NLP w Polsce
00:12:40 - Jakie książki Marek ostatnio czytał?
00:16:10 - OPI - software house I laboratoria
00:20:00 - Projekty zrealizowane przez AI Lab w OPI
00:25:00 - Dane i ich znaczenie dla budowy modeli LLM
00:30:10 - Definicja modeli LLM
00:33:00 - Reprezentacyjne i generatywne modele LLM
00:37:00 - OpenAI i Google - historia sukcesu i porażki
00:40:00 - Dane jako klucz do sukcesu
00:41:35 - Etapy uczenia modeli LLM
00:53:00 - Dlaczego warto budować modele LLM pod własnym dachem?
00:56:00 - Konsorcjum PLLuM
01:06:00 - Ekosystem usług oparty o AI
01:14:00 - Racją stanu
01:16:00 - Przyszłość AI w Polsce
01:17:00 - Otwartość modeli LLM
01:17:40 - Podsumowanie i zaproszenie do kolejnych odcinków

Pamiętaj o:

Subskrybowaniu kanału!
Komentarzach i ocenie odcinka.
Udostępnieniu podcastu innym!

Do zobaczenia w kolejnym odcinku Biznes Myśli!

LinkedIn:

Marek Kozłowski: https://www.linkedin.com/in/marek-kozłowski-phd-97a20945/
Vladimir Alekseichenko: https://www.linkedin.com/in/vladimiralekseichenko/

Link: https://biznesmysli.pl/sztuczna-inteligencja-pod-wlasnym-dachem
Newsletter: https://biznesmysli.pl/newsletter

Modele:

https://huggingface.co/core42/jais-13b
https://huggingface.co/OPI-PG/Qra-13b
https://huggingface.co/speakleash/Bielik-7B-v0.1

Benchmarks:

KLEJ: https://klejbenchmark.com/leaderboard/
MTEB: https://huggingface.co/spaces/mteb/leaderboard

]]>https://api.spreaker.com/episode/60120504Wed, 22 May 2024 07:00:02 +0000Vladimir🎙️ Witaj w 120 odcinku podcastu "Biznes Myśli"! Dzisiaj zagłębiamy się w temat wytrenowania własnych modeli LLM, czyli dużych modeli językowych, pod własnym dachem. Gościem odcinka jest Marek Kozłowski, ekspert od NLP (Natural Language Processing) i...Marek Kozłowski, ekspert od NLP (Natural Language Processing) i machine learning, pracujący w AI Labie w OPI (Ośrodku Przetwarzania i Informacji, Państwowy Instytut Badawczy).

W tym odcinku rozmawiamy o:

Dlaczego trenowanie własnych modeli LLM jest tak ważne dla rozwoju Polski? Marek wyjaśnia, dlaczego własne modele LLM mogą być kluczem do rozwoju nowoczesnej gospodarki, innowacyjności i kompetencji.
Jak wygląda proces trenowania modeli LLM? Marek krok po kroku omawia poszczególne etapy uczenia, od pre-trainingu, przez fine-tuning, aż do procesu ewaluacji i walidacji. - Jakie są konkretne wyzwania i możliwości związane z budową ekosystemu modeli LLM w Polsce? Marek omawia inicjatywy takie jak konsorcjum PLLuM i stowarzyszenie Speaklish, a także dzieli się swoimi przemyśleniami na temat potencjału rozwoju modeli LLM w naszym kraju.

Kluczowe punkty odcinka:

LLM to coś w rodzaju nowoczesnej waluty: posiadanie własnego modelu LLM może dać przewagę konkurencyjną i wpłynąć na rozwój gospodarki i innowacyjności.
Dane to klucz: jakość i ilość danych są kluczowymi elementami determinującymi jakość modeli LLM.
Ekosystem jest ważniejszy niż pojedynczy model: budowanie ekosystemu modeli LLM, z odpowiednim zestawem danych, narzędzi i kompetencji, jest niezbędne do osiągnięcia sukcesu.

Dodatkowo:

Marek opowiada o doświadczeniach i projektach realizowanych w AI Labie w OPI, w tym o systemie antyplagiatowym JSA i modelach Qra i MMLW.
Podnosi kwestię otwartości modeli LLM i podkreśla, że kluczowe jest tworzenie modeli dostępnych dla wszystkich.

Subskrybowaniu kanału!
Komentarzach i ocenie odcinka.
Udostępnieniu podcastu innym!

Do zobaczenia w kolejnym odcinku Biznes Myśli!

LinkedIn:

Marek Kozłowski: https://www.linkedin.com/in/marek-kozłowski-phd-97a20945/
Vladimir Alekseichenko: https://www.linkedin.com/in/vladimiralekseichenko/

Link: https://biznesmysli.pl/sztuczna-inteligencja-pod-wlasnym-dachem
Newsletter: https://biznesmysli.pl/newsletter

Modele:

https://huggingface.co/core42/jais-13b
https://huggingface.co/OPI-PG/Qra-13b
https://huggingface.co/speakleash/Bielik-7B-v0.1

Benchmarks:

KLEJ: https://klejbenchmark.com/leaderboard/
MTEB: https://huggingface.co/spaces/mteb/leaderboard

]]>4983ai,llm,machine-learning,ml,nlpfalse3120fullBM 03: Role i kompetencje w projekcie Machine Learninghttps://www.spreaker.com/episode/bm-03-role-i-kompetencje-w-projekcie-machine-learning--52107364
Dlatego porozmawiamy o tym:

1. Kogo potrzebujesz w projekcie ML, aby iść do przodu - wprowadzenie
2. Kto łączy DS / ML z biznesem?
3. Jakie kompetencje są potrzebne, aby wystartować?
4. Czego potrzebujesz, aby rozpędzić się z ML w Twojej firmie?]]>https://api.spreaker.com/episode/52107364Tue, 06 Dec 2022 08:01:59 +0000VladimirW tym odcinku porozmawiamy sobie o rolach i kompetencjach w projektach z uczeniem maszynowym w roli głównej. Temat zwykle zamyka się na “Data Scientist” lub “ML Engineer”, ale jednak na tym nie kończą się kompetencje potrzebne, aby projekt z sukcesem...
Dlatego porozmawiamy o tym:

1. Kogo potrzebujesz w projekcie ML, aby iść do przodu - wprowadzenie
2. Kto łączy DS / ML z biznesem?
3. Jakie kompetencje są potrzebne, aby wystartować?
4. Czego potrzebujesz, aby rozpędzić się z ML w Twojej firmie?]]>3045ai,aiskills,dane,datascience,dsjob,machinelearning,mljob,uczeniemaszynowefalse33fullBM 02: Metryki sukcesu w projektach Machine Learninghttps://www.spreaker.com/episode/bm-02-metryki-sukcesu-w-projektach-machine-learning--51882693
W tym odcinku porozmawiamy o tym, co i jak warto mierzyć w projektach ML.
Postaram się odpowiedzieć na pytania:

1. Co to są metryki sukcesu i dlaczego są podstępne?
2. Dlaczego biznesowe metryki sukcesu są takie ważne w projektach ML?
3. Jak biznesowe metryki sukcesu wpływają na techniczne?
4. Jakie pytania warto zadać rozmawiając o metrykach?
5. O częstych błędach popełnianych na tym etapie i ich wpływie na cały projekt?]]>https://api.spreaker.com/episode/51882693Mon, 14 Nov 2022 05:06:12 +0000VladimirWitaj w kolejnym odcinku serii: “Machine Learning - od pomysłu do wdrożenia” W tym odcinku porozmawiamy o tym, co i jak warto mierzyć w projektach ML. Postaram się odpowiedzieć na pytania: 1. Co to są metryki sukcesu i dlaczego są...
W tym odcinku porozmawiamy o tym, co i jak warto mierzyć w projektach ML.
Postaram się odpowiedzieć na pytania:

1. Co to są metryki sukcesu i dlaczego są podstępne?
2. Dlaczego biznesowe metryki sukcesu są takie ważne w projektach ML?
3. Jak biznesowe metryki sukcesu wpływają na techniczne?
4. Jakie pytania warto zadać rozmawiając o metrykach?
5. O częstych błędach popełnianych na tym etapie i ich wpływie na cały projekt?]]>3076ai,business,datascience,machinelearning,metrics,metrykisukcesu,ml,success,uczeniemaszynowefalse32fullBM 01: Twój pomysł na Machine Learning - 7 ważnych filtrówhttps://www.spreaker.com/episode/bm-01-twoj-pomysl-na-machine-learning-7-waznych-filtrow--51449477
Pytania, na które będziemy szukać odpowiedzi w ciągu najbliższej godziny:

1) Co potrafi ML, a czego nie potrafi?
2) Jakie wartości może przynieść ML w Twojej firmie?
3) W jakich branżach ML daje przewagę?
4) Jak szukać obszarów w Twojej firmie, gdzie uczenie maszynowe może pomóc?
5) Jak postawić pierwszy krok, aby zbadać potencjał, czy ML daje wartość?

Wysłuchaj od początku do końca tego odcinka, aby dowiedzieć się, jak walidować swoje pomysły na ML, poznasz 7 podstawowych filtrów, które pomogą Ci uniknąć problemów na starcie.

W następnych odcinkach tej serii będziemy stawiać kolejne kroki, które pozwolą Ci poznać lepiej ważne momenty i zagadnienia projektu ML. Bądź z nami do końca, aby zdobyć ogromną dawkę wiedzy i inspiracji.]]>https://api.spreaker.com/episode/51449477Mon, 03 Oct 2022 07:35:57 +0000VladimirSeria: Machine Learning - od pomysłu do wdrożenia Pytania, na które będziemy szukać odpowiedzi w ciągu najbliższej godziny: 1) Co potrafi ML, a czego nie potrafi? 2) Jakie wartości może przynieść ML w Twojej firmie? 3) W jakich branżach ML...
Pytania, na które będziemy szukać odpowiedzi w ciągu najbliższej godziny:

1) Co potrafi ML, a czego nie potrafi?
2) Jakie wartości może przynieść ML w Twojej firmie?
3) W jakich branżach ML daje przewagę?
4) Jak szukać obszarów w Twojej firmie, gdzie uczenie maszynowe może pomóc?
5) Jak postawić pierwszy krok, aby zbadać potencjał, czy ML daje wartość?

Wysłuchaj od początku do końca tego odcinka, aby dowiedzieć się, jak walidować swoje pomysły na ML, poznasz 7 podstawowych filtrów, które pomogą Ci uniknąć problemów na starcie.

W następnych odcinkach tej serii będziemy stawiać kolejne kroki, które pozwolą Ci poznać lepiej ważne momenty i zagadnienia projektu ML. Bądź z nami do końca, aby zdobyć ogromną dawkę wiedzy i inspiracji.]]>3071biznes,dane,datascience,machinelearning,praktyka,uczeniemaszynowefalse31fullBM: Zapowiedź nowej seriihttps://www.spreaker.com/episode/bm-zapowiedz-nowej-serii--51061891https://api.spreaker.com/episode/51061891Mon, 29 Aug 2022 05:02:31 +0000VladimirPodcast Biznes Myśli po przerwie wraca w nowej odsłonie. Odsłuchaj tego odcinka i dowiedz się, jaką nową serię przygotowaliśmy dla Ciebie.1604biznes,business,dane,data,datascience,innowacja,it,machinelearning,optymalizacja,uczeniemaszynowefalse3trailerBM115: Przyszłość Machine Learning - prognozy praktyków i ekspertówhttps://www.spreaker.com/episode/bm115-przyszlosc-machine-learning-prognozy-praktykow-i-ekspertow--48061432
A najważniejsze pytanie, czy to wpłynie na Twoją branżę i karierę zawodową?

Dziś zapraszam Cię do swego rodzaju podsumowania roku 2021 i refleksji, co może wydarzyć się w przyszłości. Posłuchaj 5 wypowiedzi ekspertów podcastu Biznes Myśli z 2021 i dowiedz się, co przewidują, jakie widzą możliwości i potencjały w najbliższych latach.]]>https://api.spreaker.com/episode/48061432Mon, 27 Dec 2021 04:00:02 +0000VladimirCzy zastanawiasz się, jak zmieni się Data Science i Machine Learning w ciągu najbliższego roku, 5 czy 10 lat? Czy uda się nam wejść na kolejny poziom, który dokona rewolucji? Jaki mamy potencjał i marzenia? A najważniejsze pytanie, czy to wpłynie...
A najważniejsze pytanie, czy to wpłynie na Twoją branżę i karierę zawodową?

Dziś zapraszam Cię do swego rodzaju podsumowania roku 2021 i refleksji, co może wydarzyć się w przyszłości. Posłuchaj 5 wypowiedzi ekspertów podcastu Biznes Myśli z 2021 i dowiedz się, co przewidują, jakie widzą możliwości i potencjały w najbliższych latach.]]>1506ai,biznes,datascience,future,machinelearning,nauka,predykcja,prognozowanie,science,uczeniemaszynowefalse218fullBM114: Nauka Machine Learning - 3 różne perspektywyhttps://www.spreaker.com/episode/bm114-nauka-machine-learning-3-rozne-perspektywy--47897688
Dzisiaj zebrałem trzy opinie moich świeżo upieczonych absolwentów kursu „Praktyczne uczenie maszynowe od podstaw”, aby pokazać Ci, jak różne profile mają te osoby, ale każdy znalazł coś wartościowego dla siebie w tym kursie.

Dzielę się tutaj opiniami kursantów, aby pokazać ich perspektywę, ich historie oraz wrażenia. Może zainspirują kogoś, by samemu spróbować swoich sił w uczeniu maszynowym.]]>https://api.spreaker.com/episode/47897688Mon, 13 Dec 2021 04:00:06 +0000VladimirUczenie maszynowe nie jest skierowane do jednego konkretnego zawodu. To warstwa, która przecina wiele, o ile nie wszystkie, dziedziny w mniejszym lub większym stopniu. To również będzie dotyczyć Ciebie. Dzisiaj zebrałem trzy opinie moich świeżo...
Dzisiaj zebrałem trzy opinie moich świeżo upieczonych absolwentów kursu „Praktyczne uczenie maszynowe od podstaw”, aby pokazać Ci, jak różne profile mają te osoby, ale każdy znalazł coś wartościowego dla siebie w tym kursie.

Dzielę się tutaj opiniami kursantów, aby pokazać ich perspektywę, ich historie oraz wrażenia. Może zainspirują kogoś, by samemu spróbować swoich sił w uczeniu maszynowym.]]>3239ai,data,datascience,education,edukacja,machinelearning,mlcourse,mlkurs,uczeniemaszynowefalse217fullBM113: Transformacja cyfrowahttps://www.spreaker.com/episode/bm113-transformacja-cyfrowa--47696838Jakich błędów nie popełniać na początku? Im więcej danych tym lepiej, czy ilość nie ma znaczenia? Jakie dane warto digitalizować?
Na te i inne pytania znajdziesz odpowiedź w tym odcinku podcastu.]]>https://api.spreaker.com/episode/47696838Mon, 29 Nov 2021 04:00:02 +0000VladimirCo musisz wiedzieć na temat transformacji cyfrowej? Jakich błędów nie popełniać na początku? Im więcej danych tym lepiej, czy ilość nie ma znaczenia? Jakie dane warto digitalizować? Na te i inne pytania znajdziesz odpowiedź w tym odcinku podcastu.Jakich błędów nie popełniać na początku? Im więcej danych tym lepiej, czy ilość nie ma znaczenia? Jakie dane warto digitalizować?
Na te i inne pytania znajdziesz odpowiedź w tym odcinku podcastu.]]>4290ai,biznes,cyfryzacja,dane,data,datadriven,datascience,digitalizacja,transformacja,transformacjacyfrowafalse216fullBM112: Data Science oczami praktykahttps://www.spreaker.com/episode/bm112-data-science-oczami-praktyka--47366320https://api.spreaker.com/episode/47366320Mon, 08 Nov 2021 04:03:35 +0000VladimirGościem odcinka jest Konrad Banachewicz, który od 18 lat mieszka w Holandii, a pochodzi z Polski. Jeżeli zajmujesz się Uczeniem Maszynowym, Data Science, posłuchaj! Myślę, że będziesz mógł sobie zaoszczędzić miesiące, a może nawet lata. Dowiesz się...3496ai,allegro,datalake,datascience,deeplearning,machinelearningfalse215fullBM111: Wizualizacja danychhttps://www.spreaker.com/episode/bm111-wizualizacja-danych--47021553
Ania zajmuje się również dziedziną XAI albo interpretowalność modeli czy sztucznej inteligencji. O tym postaram się nagrać osobny odcinek. Nie chciałem się za bardzo rozdrabniać, bo to jest wątek nieco szerszy, który zasługuje co najmniej na własny odcinek. Dzisiaj natomiast porozmawiamy o tym, czym jest zły wykres, jak zrobić poprawny oraz czy można robić Data Science na wysokim poziomie bez wizualizacji.]]>https://api.spreaker.com/episode/47021553Mon, 18 Oct 2021 03:00:09 +0000VladimirDane zawierają w sobie ogrom informacji, jednak kluczem do tego jest ich właściwa interpretacja. Pomocna temu będzie wizualizacja danych i to jest właśnie temat mojej rozmowy z Anną Kozak. Z jednej strony jest wykładowcą, skończyła Politechnikę na...
Ania zajmuje się również dziedziną XAI albo interpretowalność modeli czy sztucznej inteligencji. O tym postaram się nagrać osobny odcinek. Nie chciałem się za bardzo rozdrabniać, bo to jest wątek nieco szerszy, który zasługuje co najmniej na własny odcinek. Dzisiaj natomiast porozmawiamy o tym, czym jest zły wykres, jak zrobić poprawny oraz czy można robić Data Science na wysokim poziomie bez wizualizacji.]]>2910ai,akademia,biznes,dane,data,datascience,machinelearning,uczeniemaszynowe,wizualizacjafalse214fullBM110: Product Manager w zespole AIhttps://www.spreaker.com/episode/bm110-product-manager-w-zespole-ai--46807929Historia Oli jest bardzo ciekawa - skończyła studia matematyczne, później pracowała jako Machine Learning Engineer, Data Scientist i niedawno zdecydowała się zmienić tę ścieżkę kariery i zostać Product Managerem. Porozmawiamy o tym, skąd pomysł na taką zmianę, ale także o sztuce zarządzania projektami, roli Product Managera w zespole AI i nie tylko. Zaczynamy!]]>https://api.spreaker.com/episode/46807929Mon, 04 Oct 2021 03:00:14 +0000VladimirJak wygląda praca Product Managera w zespole AI? Na to i wiele innych pytań odpowie gość tej rozmowy - Ola Możejko. Historia Oli jest bardzo ciekawa - skończyła studia matematyczne, później pracowała jako Machine Learning Engineer, Data Scientist i...Historia Oli jest bardzo ciekawa - skończyła studia matematyczne, później pracowała jako Machine Learning Engineer, Data Scientist i niedawno zdecydowała się zmienić tę ścieżkę kariery i zostać Product Managerem. Porozmawiamy o tym, skąd pomysł na taką zmianę, ale także o sztuce zarządzania projektami, roli Product Managera w zespole AI i nie tylko. Zaczynamy!]]>3172ai,datascience,machinelearning,pm,productmanager,projectai,projectmanager,sztucznainteligencja,zarządzanieprojektemfalse213fullBM109: Najważniejsza rzecz w Machine Learninghttps://www.spreaker.com/episode/bm109-najwazniejsza-rzecz-w-machine-learning--46593392
W tym odcinku porozważamy o eksperymentowaniu i o tym, dlaczego odgrywa ono kluczową rolę w Machine Learning.

Dodatkowo dowiesz się, jakie prowadzę własne eksperymenty, jak może Ci to pomóc. Mam też dla Ciebie pracę domową i przydatne punkty, które pomogą Ci zarządzać eksperymentami. Zaczniemy filozoficznie, ale jak zwykle skończymy praktycznie ;)]]>https://api.spreaker.com/episode/46593392Mon, 20 Sep 2021 03:00:03 +0000VladimirIle eksperymentów w tygodniu udaje Ci się przeprowadzić? W tym odcinku porozważamy o eksperymentowaniu i o tym, dlaczego odgrywa ono kluczową rolę w Machine Learning. Dodatkowo dowiesz się, jakie prowadzę własne eksperymenty, jak może Ci to...
W tym odcinku porozważamy o eksperymentowaniu i o tym, dlaczego odgrywa ono kluczową rolę w Machine Learning.

Dodatkowo dowiesz się, jakie prowadzę własne eksperymenty, jak może Ci to pomóc. Mam też dla Ciebie pracę domową i przydatne punkty, które pomogą Ci zarządzać eksperymentami. Zaczniemy filozoficznie, ale jak zwykle skończymy praktycznie ;)]]>4575ai,datascience,education,experiment,learning,machinelearning,practicalskillsfalse212fullBM108: Machine Learning & Cyber Securityhttps://www.spreaker.com/episode/bm108-machine-learning-cyber-security--46390477

Dziś porozmawiamy o temacie ML & Cyber Security i rozwoju od analityka danych do Data Scientist na konkretnym przykładzie. Poznaj historię Mirka!]]>https://api.spreaker.com/episode/46390477Mon, 06 Sep 2021 03:00:16 +0000VladimirDzisiejszym gościem jest Mirosław Mamczur. Mirek już kiedyś był w odcinku, ale to była króciutka wypowiedź tuż po kursie, bo Mirek jest absolwentem kursu "Praktyczne uczenie maszynowe od podstaw". To była pierwsza edycja. Dla mnie, dla DataWorkshop i...

Dziś porozmawiamy o temacie ML & Cyber Security i rozwoju od analityka danych do Data Scientist na konkretnym przykładzie. Poznaj historię Mirka!]]>3917bank,cybersecurity,datascience,education,machinelearning,ml,nlp,technologyfalse211fullBM107: Wyceń swoje mieszkanie z pomocą Machine Learninghttps://www.spreaker.com/episode/bm107-wycen-swoje-mieszkanie-z-pomoca-machine-learning--46195897https://api.spreaker.com/episode/46195897Mon, 23 Aug 2021 03:00:09 +0000VladimirBędziemy rozmawiać o nieruchomościach. Dzisiejszym gościem jest Filip Finfando, który pracuje w SonarHome jako Lead ML Engineer. Co to jest za firma? Jeżeli słuchasz podcastu Biznes Myśli od samego początku to był czwarty odcinek, gdzie opowiadałem...3584ai,datascience,innovation,machinelearning,nieruchomości,realestatefalse210fullBM106: Czy developer potrzebuje Machine Learning?https://www.spreaker.com/episode/bm106-czy-developer-potrzebuje-machine-learning--46016811
Dotychczas miałem dwie możliwości: albo głównie ja zadaje pytania, albo prowadzę monolog. Pomyślałem, że fajnie byłoby, żeby ktoś, kto ma trochę inne doświadczenie (programisty), wyciągnął tym razem ze mnie może nieco mniej oczywiste tematy i opinie. Człowiek jest bardzo subiektywny. Dzięki takim eksperymentom będę w stanie wyciągnąć więcej ukrytych warstw.

Ten odcinek będzie bardzo przydatny przede wszystkim dla programistów. W szczególności jeżeli mówimy o programistach .NET, C#, bo Kajetan właśnie w tym się specjalizuje.]]>https://api.spreaker.com/episode/46016811Mon, 09 Aug 2021 03:00:14 +0000VladimirTym razem mam dla Ciebie nieco inny podcast niż zazwyczaj. Jest to pewien eksperyment. Polega on na tym, że Kajetan Duszyński, który prowadzi podcast Backend na froncie, zaprosił mnie do swojego podcastu, a ja pomyślałem, że warto również...
Dotychczas miałem dwie możliwości: albo głównie ja zadaje pytania, albo prowadzę monolog. Pomyślałem, że fajnie byłoby, żeby ktoś, kto ma trochę inne doświadczenie (programisty), wyciągnął tym razem ze mnie może nieco mniej oczywiste tematy i opinie. Człowiek jest bardzo subiektywny. Dzięki takim eksperymentom będę w stanie wyciągnąć więcej ukrytych warstw.

Ten odcinek będzie bardzo przydatny przede wszystkim dla programistów. W szczególności jeżeli mówimy o programistach .NET, C#, bo Kajetan właśnie w tym się specjalizuje.]]>4536ai,c#,datascience,education,machinelearning,ml.netfalse29fullBM105 - Dobre praktyki i sztuka nazywania rzeczy w Machine Learninghttps://www.spreaker.com/episode/bm105-dobre-praktyki-i-sztuka-nazywania-rzeczy-w-machine-learning--45825712

Gościem odcinka jest Marcina Możejko. To jest bardzo ciekawy, pozytywny człowiek. Marcin ma bogate doświadczenie zawodowe – z jednej strony twarde, wiedza matematyczna, z drugiej strony programistyczne, a z trzeciej strony to wszystko jeszcze łączy Data Science jako inżynier i próbuje być na krawędzi tych światów, które wcale nie jest tak łatwo połączyć.]]>https://api.spreaker.com/episode/45825712Mon, 26 Jul 2021 03:00:15 +0000VladimirJak nazywać rzeczy i dlaczego to jest istotne w projektach Machine Learning? Jakie są dobre praktyki w ML i czego można się nauczyć w chińskiej firmie? Gościem odcinka jest Marcina Możejko. To jest bardzo ciekawy, pozytywny człowiek. Marcin ma...

Gościem odcinka jest Marcina Możejko. To jest bardzo ciekawy, pozytywny człowiek. Marcin ma bogate doświadczenie zawodowe – z jednej strony twarde, wiedza matematyczna, z drugiej strony programistyczne, a z trzeciej strony to wszystko jeszcze łączy Data Science jako inżynier i próbuje być na krawędzi tych światów, które wcale nie jest tak łatwo połączyć.]]>4216academy,ai,datascience,engineer,machinelearning,r&d,researcher,science,tclfalse28fullBM104: Machine Learning Engineer - kariera, wyzwania, możliwościhttps://www.spreaker.com/episode/bm104-machine-learning-engineer-kariera-wyzwania-mozliwosci--45661027https://api.spreaker.com/episode/45661027Mon, 12 Jul 2021 03:00:19 +0000VladimirGościem dzisiejszego odcinka jest Kamil Krzyk - Machine Learning Engineer, który podzieli się z nami swoimi przemyśleniami z codzienności specjalisty od Machine Learning. Trafne spostrzeżenia Kamila ukazują szereg wyzwań i możliwości, które dziś...3723ai,aicareer,aichallenges,aijob,datascience,ds,machinelearning,ml,pracait,sztucznainteligencjafalse27fullBM103: Transformery w uczeniu maszynowym - możliwości i ograniczeniahttps://www.spreaker.com/episode/bm103-transformery-w-uczeniu-maszynowym-mozliwosci-i-ograniczenia--45471387
Jedną z nich jest na pewno Performance i Transformery, który zostały stworzone z myślą o usprawnieniach NLP, czyli dziedziny nauki i technologii poświęconej przetwarzaniu języka naturalnego, ale w tej chwili ich wykorzystanie jest znacznie szersze.

Moim gościem jest Krzysztof Choromański, który zrobił doktorat na Uniwersytecie w Kolumbii. Pracuje już od 7 lat w Google Brain Robotics. Jest autorem ciekawych publikacji naukowych i ma wiele wartościowego do powiedzenia w temacie dzisiejszego odcinka.]]>https://api.spreaker.com/episode/45471387Mon, 28 Jun 2021 03:00:17 +0000VladimirW uczeniu maszynowym istnieje wiele różnych rozwiązań i są grube książki, które opisują je wszystkie, ale z grubsza rzecz ujmując jest kilka rzeczy, które trzeba poznać. Jedną z nich jest na pewno Performance i Transformery, który zostały...
Jedną z nich jest na pewno Performance i Transformery, który zostały stworzone z myślą o usprawnieniach NLP, czyli dziedziny nauki i technologii poświęconej przetwarzaniu języka naturalnego, ale w tej chwili ich wykorzystanie jest znacznie szersze.

Moim gościem jest Krzysztof Choromański, który zrobił doktorat na Uniwersytecie w Kolumbii. Pracuje już od 7 lat w Google Brain Robotics. Jest autorem ciekawych publikacji naukowych i ma wiele wartościowego do powiedzenia w temacie dzisiejszego odcinka.]]>4796ai,computervision,google,googlebrainrobotics,machinelearning,naturallanguageprocessing,nlp,nlpperformance,performance,science,transformerfalse26fullBM102 – Komu może pomóc Data Science kurs?https://www.spreaker.com/episode/bm102-komu-moze-pomoc-data-science-kurs--45288057

Chcę pokazać Ci, kim są moi absolwenci, jakie są ich motywacje i plany. Te osoby są na początku swojej drogi w DS, ale ich motywacja do rozwoju może okazać się dla Ciebie inspirująca. Może i Tobie uda się przekonać, czy też zweryfikować, dzięki temu podcastowi, czy chcesz rozwijać się w obszarze ML i DS także od strony praktycznej.]]>https://api.spreaker.com/episode/45288057Mon, 14 Jun 2021 03:00:11 +0000VladimirDziś poznasz 3 różne perspektywy osób, które przerobiły mój autorski kurs “Data Science & Machine Learning w praktyce”. Po każdej edycji nagrywam taki odcinek. Dlaczego? Chcę pokazać Ci, kim są moi absolwenci, jakie są ich motywacje i plany. Te...

Chcę pokazać Ci, kim są moi absolwenci, jakie są ich motywacje i plany. Te osoby są na początku swojej drogi w DS, ale ich motywacja do rozwoju może okazać się dla Ciebie inspirująca. Może i Tobie uda się przekonać, czy też zweryfikować, dzięki temu podcastowi, czy chcesz rozwijać się w obszarze ML i DS także od strony praktycznej.]]>4240ai,datascience,machinelearning,nauka,practicial,rozwój,skillsfalse25fullBM101 - AutoML: możliwości i wyzwaniahttps://www.spreaker.com/episode/bm101-automl-mozliwosci-i-wyzwania--45099294
Moim gościem w tej rozmowie jest Piotr Płoński, twórca MLJAR - popularnego na całym świecie i rozwijającego się w Polsce narzędzia AutoML.]]>https://api.spreaker.com/episode/45099294Mon, 31 May 2021 03:00:08 +0000VladimirJednym z coraz częściej poruszanych tematów w obszarze AI jest AutoML, który według wielu działa lepiej niż człowiek. To stwierdzenie jest poniekąd prawdziwe, ale jest także bardzo mylące - w szczególności dla osób, które nie do końca rozumieją...
Moim gościem w tej rozmowie jest Piotr Płoński, twórca MLJAR - popularnego na całym świecie i rozwijającego się w Polsce narzędzia AutoML.]]>4005ai,automatyzacja,automl,biznes,machinelearning,sztucznainteligencja,uczeniemaszynowefalse24fullBM100 – Zima AIhttps://www.spreaker.com/episode/bm100-zima-ai--44858463Czym właściwie jest zima w tym kontekście?
Na kogo to wpływa i jak?
Skąd bierze się natura tego zjawiska?
Czy jest się czego bać?
Jakiego rozwoju AI możemy się spodziewać?

Na te i wiele innych pytań znajdziesz odpowiedzi w 100 odcinku podcastu Biznes Myśli. Dowiesz się o trendach w branży AI oraz przemyśleniach Vladimira, które prowokują do krytycznego myślenia i zadawania kolejnych pytań.]]>https://api.spreaker.com/episode/44858463Mon, 17 May 2021 03:00:02 +0000VladimirCzy zbliża się kolejna zima AI, a może jednak wiosna? Czym właściwie jest zima w tym kontekście? Na kogo to wpływa i jak? Skąd bierze się natura tego zjawiska? Czy jest się czego bać? Jakiego rozwoju AI możemy się spodziewać? Na te i...Czym właściwie jest zima w tym kontekście?
Na kogo to wpływa i jak?
Skąd bierze się natura tego zjawiska?
Czy jest się czego bać?
Jakiego rozwoju AI możemy się spodziewać?

Na te i wiele innych pytań znajdziesz odpowiedzi w 100 odcinku podcastu Biznes Myśli. Dowiesz się o trendach w branży AI oraz przemyśleniach Vladimira, które prowokują do krytycznego myślenia i zadawania kolejnych pytań.]]>3876ai,biznes,deeplearning,machinelearning,sztucznainteligencja,technologia,winterai,zimaaifalse23fullBM99 – Kluczowe role w projekcie Machine Learninghttps://www.spreaker.com/episode/bm99-kluczowe-role-w-projekcie-machine-learning--44593455
Jakie role są kluczowe, aby projekt miał szansę przeżyć i przynieść wymierne korzyści?

Posłuchaj tego odcinka podcastu, aby odpowiedzieć na te i wiele innych pytań, które zwiększają szansę na powodzenie projektów klasy R&D w branży Data Science i Machine Learning.]]>https://api.spreaker.com/episode/44593455Mon, 03 May 2021 03:00:12 +0000VladimirDlaczego większość projektów Machine Learning nie odnosi sukcesu lub wręcz upada? Jakie role są kluczowe, aby projekt miał szansę przeżyć i przynieść wymierne korzyści? Posłuchaj tego odcinka podcastu, aby odpowiedzieć na te i wiele innych...
Jakie role są kluczowe, aby projekt miał szansę przeżyć i przynieść wymierne korzyści?

Posłuchaj tego odcinka podcastu, aby odpowiedzieć na te i wiele innych pytań, które zwiększają szansę na powodzenie projektów klasy R&D w branży Data Science i Machine Learning.]]>2544ai,biznes,datascience,innovations,innowacja,machinelearning,r&d,sztucznainteligencjafalse22fullBM98: Chmura Krajowa - Sztuczna Inteligencja w biznesiehttps://www.spreaker.com/episode/bm98-chmura-krajowa-sztuczna-inteligencja-w-biznesie--44381504https://api.spreaker.com/episode/44381504Mon, 19 Apr 2021 03:00:11 +0000Vladimir3768ai,aiwbiznesie,biznes,chmura,chmurakrajowa,dane,data,googlecloud,machinelearning,podcast,praktycznawiedza,sztucznainteligencja,uczeniemaszynowefalse21fullBM97 – Podsumowanie roku 2020https://www.spreaker.com/episode/bm97-podsumowanie-roku-2020--42589610https://api.spreaker.com/episode/42589610Mon, 21 Dec 2020 04:00:17 +0000VladimirTen odcinek poświęcony jest podsumowaniu roku 2020, w którym dzielimy się z Tobą przemyśleniami dotyczącymi efektywności, ale także wynikami ankiety, która niedawno było przeprowadzona na łamach Biznes Myśli. Pojawiły się także dwa konkursy, które...4073ankieta,efektywność,konkurs,machinelearning,podsumowanie,uczeniemaszynowefalsefullBM96 – Cyberataki na sztuczną inteligencjęhttps://www.spreaker.com/episode/bm96-cyberataki-na-sztuczna-inteligencje--42354900https://api.spreaker.com/episode/42354900Mon, 07 Dec 2020 06:15:23 +0000VladimirStabilność modeli to bardzo ważny temat. Z jednej strony pojawia się coraz więcej algorytmów, które przynoszą całkiem fajne wyniki, choć z drugiej strony może to być złudne. Mam na myśli to, że jak wdrożymy model na produkcję, to może nas zaskoczyć. W...2343ai,bezpieczeństwoai,cyberataki,cybersecurity,machinelearning,sztucznainteligencja,szyfrowanedane,uczeniemaszynowe,vectorinstitutefalsefullBM95– 3 krótkie historie efektywnego rozwojuhttps://www.spreaker.com/episode/bm95-3-krotkie-historie-efektywnego-rozwoju--42113466https://api.spreaker.com/episode/42113466Mon, 23 Nov 2020 04:00:08 +0000VladimirW tym odcinku poznasz 3 krótkie historie ambitnych osób, które zaczęły się efektywnie rozwijać w obszarze Machine Learning. Niech to będzie wskazówka i inspiracja. Dowiesz się także o konkretnych przykładach zastosowania narzędzi ML w biznesie, które...3546edukacja,edukaction,machinelearning,oblinekurs,practice,praktyka,rozwój,uczeniemaszynowefalsefullBM94 – Fundacja DataWorkshop – cele i działaniahttps://www.spreaker.com/episode/bm94-fundacja-dataworkshop-cele-i-dzialania--41864854https://api.spreaker.com/episode/41864854Mon, 09 Nov 2020 04:00:12 +0000VladimirZ tego odcinka dowiesz się, czym jest DataWorkshop Foundation, jaki był cel jej powstania i w którą stronę zmierza. Posłuchaj trójki gości, którzy są zaangażowani w działanie i rozwój fundacji, która koncentruje się na uczeniu maszynowym.5660ai,dataworkshop,dataworkshopfoundation,foundation,machinelearning,ml,practice,praktyka,projects,projekty,uczeniemaszynowefalsefullBM93 - NLP w Amazon – porozmawiaj z Alexąhttps://www.spreaker.com/episode/bm93-nlp-w-amazon-porozmawiaj-z-alexa--41637284https://api.spreaker.com/episode/41637284Mon, 26 Oct 2020 04:00:18 +0000VladimirGościem najnowszego odcinka jest Staszek Paśko - Senior Principal Software Engineer w Amazon, który pracuje nad rozwojem serwisu głosowego Alexa. Porozmawialiśmy z nim o tym, czym są technologie przetwarzania i syntezy mowy oraz jak rozwija się to...4054ai,alexa,amazon,machinelearning,nlp,sztucznainteligencja,uczeniemaszynowe,voiceservice,voicetechnologyfalsefullBM92 – W którym kierunku rozwijamy podcast?https://www.spreaker.com/episode/bm92-w-ktorym-kierunku-rozwijamy-podcast--41412560https://api.spreaker.com/episode/41412560Mon, 12 Oct 2020 03:00:12 +0000VladimirCześć, to już 92 odcinek podcastu BM, za mną ponad 3 lata nagrań, 90h rozmów, wiele inspirujących spotkań z ludźmi zajmującymi się uczeniem maszynowym, AI i innymi obszarami powiązanymi, a także wiele przemyśleń, którymi mogłem się z Wami podzielić....2175ai,it,machinelearning,podcast,sztucznainteligencja,uczeniemaszynowefalsefullBM 91 – Oddychaj zdrowiej dzięki Machine Learninghttps://www.spreaker.com/episode/bm-91-oddychaj-zdrowiej-dzieki-machine-learning--41169923https://api.spreaker.com/episode/41169923Mon, 28 Sep 2020 03:48:48 +0000VladimirOdcinek #91 dotyczy naszego zdrowia i tego bez czego nie możemy żyć, czyli oddechu. Gościem jest Jan Szwagierczak, Data Scientist, który mieszka i pracuje w Kopenhadze. A nad czym pracuje? No właśnie nad tym, aby żyło i oddychało nam się lepiej.2895ai,breath,health,innovation,machinelearning,oddychanie,uczeniemaszynowe,zdrowiefalsefullBM90: Czy uczenie maszynowe daje programistom nowe możliwości?https://www.spreaker.com/episode/bm90-czy-uczenie-maszynowe-daje-programistom-nowe-mozliwosci--40889864
✅ Dlaczego warto zainteresować się językiem Python?
✅Jak należy interpretować modne słowa Data Science, Machine Learning, AI?
✅ Czym jest ML/DS, tak po ludzku dla programisty?
✅ Dlaczego programiście warto zainteresować się ML/DS?
✅ Od czego zacząć i jak sprawdzić, czy to dla mnie (i czy dam rady)?
✅Jak wygląda rynek pracy w Polsce i jakie są zarobki w tej branże?]]>https://api.spreaker.com/episode/40889864Mon, 14 Sep 2020 03:00:06 +0000VladimirW tym odcinku wyjątkowo to Vladimir został przepytany. Dzielimy się rozmową, którą przeprowadził Jędrzej Paulus z Developer-Wannabe Podcast, na temat tego, co uczenie maszynowe może dać programistom. Nie zabrakło ważnych, filozoficznych pytań...
✅ Dlaczego warto zainteresować się językiem Python?
✅Jak należy interpretować modne słowa Data Science, Machine Learning, AI?
✅ Czym jest ML/DS, tak po ludzku dla programisty?
✅ Dlaczego programiście warto zainteresować się ML/DS?
✅ Od czego zacząć i jak sprawdzić, czy to dla mnie (i czy dam rady)?
✅Jak wygląda rynek pracy w Polsce i jakie są zarobki w tej branże?]]>4542ai,developer,machinelearning,pracawit,programowanie,uczeniemaszynowefalsefullBM89 – Jak zmusić leniwe sieci neuronowe do produkcji lekówhttps://www.spreaker.com/episode/bm89-jak-zmusic-leniwe-sieci-neuronowe-do-produkcji-lekow--40598538https://api.spreaker.com/episode/40598538Mon, 31 Aug 2020 04:19:20 +0000VladimirGościem tego wywiadu jest Stanisław Jastrzębski, który m.in. teraz dołącza do startupu Molecule.one. Jego zadaniem będzie wspieranie procesów wykorzystując nowoczesne narzędzia. Ma pewne przemyślenia, że niektóre zmiany mogą nastąpić znacznie...3665ai,badanianaukowe,farmacja,innowacja,machinelearning,medycyna,produkcjaleków,r&d,reasearch,siecineuronowe,sztucznainteligencja,technologia,uczeniemaszynowe,zdrowiefalsefullBM88 – Automatyzacja testów za pomocą Machine Learninghttps://www.spreaker.com/episode/bm88-automatyzacja-testow-za-pomoca-machine-learning--40360747https://api.spreaker.com/episode/40360747Mon, 17 Aug 2020 03:00:18 +0000VladimirGościem tej rozmowy jest Daniel Kornaś, który opowie o swoich doświadczeniach w branży IT, w szczególności w testowaniu software’u. W pewnym momencie swojego życia stwierdził, że w klasycznym testowaniu czegoś mu brakuje, nie jest to wystarczająco...3179automatyzacja,machinelearning,nokia,q&a,testy,testyautomatyczne,uczeniemaszynowefalsefullBM87 – Jak robić mniej, ale wytwarzać wiecejhttps://www.spreaker.com/episode/bm87-jak-robic-mniej-ale-wytwarzac-wiecej--40116546
Jak ta zasada może wyglądać w praktyce, kiedy i jak można ją stosować omawiamy w tym odcinku.]]>https://api.spreaker.com/episode/40116546Mon, 03 Aug 2020 03:00:10 +0000VladimirPewnie zastanawiasz się czasem, co zrobić, aby otrzymać więcej wartości mniejszym kosztem. Czy znana jest zasada Pareto - 20/80? Czy w projektach uczenia maszynowego i pracy z danymi również można niewielkim wysiłkiem osiągnąć dużą wartość biznesową?...
Jak ta zasada może wyglądać w praktyce, kiedy i jak można ją stosować omawiamy w tym odcinku.]]>431020/80,analiza,dane,datascience,machinelearning,zasadaparetofalsefullBM86 – Projekty Machine Learning – 5 etapów efektywnego procesuhttps://www.spreaker.com/episode/bm86-projekty-machine-learning-5-etapow-efektywnego-procesu--39856319https://api.spreaker.com/episode/39856319Mon, 20 Jul 2020 03:00:03 +0000VladimirProjekty, które wymagają podejścia analitycznego takie jak np. projekty Machine Learning zastawiają wiele pułapek. Jak w nie nie wpaść lub wyjść z nich obronną ręką? W tym odcinku poznasz 5 etapów, których realizacja pomaga usprawnić proces w wielu...4330analysis,analyticalapproach,efficiency,innovation,machinelearning,proces,projects,uczeniemaszynowefalsefullBM85 – Uczenie maszynowe w twojej firmie – mityhttps://www.spreaker.com/episode/bm85-uczenie-maszynowe-w-twojej-firmie-mity--36183681
W tym odcinku rozprawimy się z kilkoma mitami.]]>https://api.spreaker.com/episode/36183681Mon, 06 Jul 2020 03:00:13 +0000VladimirDlaczego tak wiele firm jest mało efektywnych? Skąd biorą się przesądy o projektach AI i jak sobie z nimi radzić? Od czego powinniśmy zacząć innowację w swojej firmie? W tym odcinku rozprawimy się z kilkoma mitami.
W tym odcinku rozprawimy się z kilkoma mitami.]]>4695ai,firma,innowacja,machinelearning,uczeniemaszynowefalsefullBM84 – Kiedy i jak nauczyć się Machine Learninghttps://www.spreaker.com/episode/bm84-kiedy-i-jak-nauczyc-sie-machine-learning--32348535https://api.spreaker.com/episode/32348535Mon, 22 Jun 2020 03:00:06 +0000VladimirW #84 odcinku poznasz 3 wyjątkowe osoby, które podzielą się swoimi przemyśleniami na temat rozwoju w zakresie uczenia maszynowego. Kiedy i jak nauczyć się ML? O czym warto pamiętać i jak może wyglądać edukacja? Jeśli rozważasz poznać praktyczne...5320dataworkshop,edukacja,kurs,machinelearning,ml,nauka,praktyka,rozwój,uczeniemaszynowefalsefullBM83 – Jak Google i DeepMind wspierają służbę zdrowia?https://www.spreaker.com/episode/bm83-jak-google-i-deepmind-wspieraja-sluzbe-zdrowia--29835389https://api.spreaker.com/episode/29835389Mon, 08 Jun 2020 03:00:02 +0000VladimirInnowacja nieodłącznie wiąże się z licznymi wyzwaniami, bo wymaga pokonywania nierzadko bardzo wielu barier, zmiany utartych tematów i sposobu myślenia. O tym i nie tylko miałem okazję porozmawiać z Joanną Chwastowską z Google, która pracuje w dziale...4127ai,deepmind,google,healthcare,innowacja,joannachwastowska,machinelearning,streams,uczeniemaszynowe,zdrowiefalsefullBM82 – Statystyka w biznesie i marketingu – opowiada Janina Bąkhttps://www.spreaker.com/episode/bm82-statystyka-w-biznesie-i-marketingu-opowiada-janina-bak--28229883https://api.spreaker.com/episode/28229883Mon, 25 May 2020 03:00:06 +0000VladimirStatystyka umożliwia lepiej i trafniej podejmować decyzje. To bardzo ważna dziedzina nauki. Uczenie maszynowe też wykorzystuje sporo elementów ze statystyki. Dzisiaj chciałbym ten temat rozszerzyć, dlatego zaprosiłem do rozmowy Janinę Bąk, znaną i...3673biznes,janinabąk,janinadaily,marketing,statystyka,uczeniemaszynowefalsefullBM81 – Programowanie probabilistycznehttps://www.spreaker.com/episode/bm81-programowanie-probabilistyczne--27046511https://api.spreaker.com/episode/27046511Mon, 11 May 2020 03:00:09 +0000VladimirGościem #81 odcinka jest Adam Goliński, doktorant na Oxfordzie, który prowadzi ciekawe badania m.in. na temat probabilistycznego programowania. Podzieli się swoim doświadczeniem i powie m.in. o tym, jak zainteresował się na tematem kompresji obrazu...2815ai,datacompression,kompresjadanych,machinelearning,oxford,probabilisticprogramming,programowanieprobabilistyczne,uczeniemaszynowefalsefullBM80 – Jak sztuczna inteligencja może pomóc znaleźć Ci mieszkaniehttps://www.spreaker.com/episode/bm80-jak-sztuczna-inteligencja-moze-pomoc-znalezc-ci-mieszkanie--26157921https://api.spreaker.com/episode/26157921Mon, 27 Apr 2020 03:00:08 +0000VladimirDzisiejszym gościem jest Paweł Gniadkowski, CEO firmy Obido. Jest to miejsce, które umożliwia znalezienie mieszkania do zakupu na rynku pierwotnym w wygodny dla Ciebie sposób. W 2019 r. mój zespół rozpoczął współpracę z Obido i wdrożyliśmy pierwszy...3823ai,biznes,innowacja,machinelearning,mieszkanie,ml,nieruchomości,sztucznainteligencja,uczeniemaszynowefalsefullBM79 – Uczenie nienadzorowane oczami naukowca z DeepMindhttps://www.spreaker.com/episode/bm79-uczenie-nienadzorowane-oczami-naukowca-z-deepmind--25391105
Z tego artykułu dowiesz się:

- czym jest uczenie nienadzorowane,
- czym jest autoenkoder,
- czym jest autoenkoder wariacyjny i czym różni się od klasycznego,
- jakie możliwości i ograniczenia mają AIR i SQAIR,
- jak działają autoenkodery kapsułkowe,
- na co należy uważać przy eksperymentach z uczeniem maszynowym,
- jak może wyglądać ścieżka dostania się do DeepMind.]]>https://api.spreaker.com/episode/25391105Mon, 13 Apr 2020 03:00:14 +0000VladimirUczenie nienadzorowane (unsupervised learning) to dziedzina uczenia maszynowego o ogromnym potencjale, która w bliskiej przyszłości będzie nas coraz bardziej zaskakiwać. O tym właśnie rozmawiałem z Adamem Kosiorkiem, doktorem nauk z Uniwersytetu...
Z tego artykułu dowiesz się:

- czym jest uczenie nienadzorowane,
- czym jest autoenkoder,
- czym jest autoenkoder wariacyjny i czym różni się od klasycznego,
- jakie możliwości i ograniczenia mają AIR i SQAIR,
- jak działają autoenkodery kapsułkowe,
- na co należy uważać przy eksperymentach z uczeniem maszynowym,
- jak może wyglądać ścieżka dostania się do DeepMind.]]>3363adamkosiorek,air,autoenkoder,deepmind,machinelearning,oxford,research,sqair,uczeniemaszynowe,uczenienienienadzorowane,unsupervisedlearningfalsefullBM78 – Innowacje w handlu stacjonarnymhttps://www.spreaker.com/episode/bm78-innowacje-w-handlu-stacjonarnym--24607668https://api.spreaker.com/episode/24607668Mon, 30 Mar 2020 03:00:05 +0000VladimirHandel to jeden z obszarów biznesu, które dotykają każdego z nas. Co może na tym polu zmienić technologia, jak na jego rozwój wpłyną innowacje? O tym miałem okazję rozmawiać z Marcinem Dąbrowskim, założycielem Surge Cloud oraz sklepu Take&Go, który w...3021automation,handelstacjonarny,innovation,innowacja,machinelearning,shop,uczeniemaszynowefalsefullBM77 – Różne oblicza Computer Visionhttps://www.spreaker.com/episode/bm77-rozne-oblicza-computer-vision--23916358https://api.spreaker.com/episode/23916358Mon, 16 Mar 2020 04:00:17 +0000VladimirDzisiejszym gościem jest Filip Piękniewski, który bardzo długo zajmuje się tematami związanymi z widzeniem komputerowym, ale robi to nie tylko używając tzw. deep learning, a ma znacznie szerszą wizję. Jego rozważania na temat świata, inteligencji i...5420ai,computervision,handelstacjonarny,machinelearning,sklepyprzyszłości,sztucznainteligencja,uczeniemaszynowefalsefullBM76 – Sztuczna inteligencja i robotyzacjahttps://www.spreaker.com/episode/bm76-sztuczna-inteligencja-i-robotyzacja--23373407https://api.spreaker.com/episode/23373407Mon, 02 Mar 2020 04:00:02 +0000VladimirSztuczna inteligencja znajduje swoje zastosowanie w wielu dziedzinach. Tym razem poruszę temat robotyzacji. Mój gość, Marek Cygan z Nomagic, opowie o oprogramowaniu przygotowywanym w specjalnym projekcie, a także o możliwościach, jakie niesie...3194ai,automatyzacja,machinelearning,nomagic,robotyzacja,uczeniemaszynowefalsefullBM75: Świat akademicki, biznes oraz ML – rozmowa z Tomkiem Trzcińskimhttps://www.spreaker.com/episode/bm75-swiat-akademicki-biznes-oraz-ml-rozmowa-z-tomkiem-trzcinskim--22858224https://api.spreaker.com/episode/22858224Mon, 17 Feb 2020 04:00:17 +0000VladimirGdzie łączy się świat akademicki i biznes? Jak zbudować innowacyjny zespół tak, aby jego założyciel mógł skupić się na innych inspirujących rzeczach, które będą stale motywowały zespół do dalszej pracy? O tym opowie Tomek Trzciński z Tooploox,...3226ai,akademia,biznes,comixify,innowacja,machinelearning,sztucznainteligencja,tomasztrzciński,tooplox,uczelniawyższa,uczeniemaszynowefalsefullBM74: Sztuczna inteligencja i autyzmhttps://www.spreaker.com/episode/bm74-sztuczna-inteligencja-i-autyzm--22353872https://api.spreaker.com/episode/22353872Mon, 03 Feb 2020 04:00:19 +0000VladimirCo 59 dziecko rodzi się z autyzmem. Co to jest? Dlaczego warto wykrywać autyzm jak najwcześniej? Czy da się zdiagnozować autyzm przy pomocy uczenia maszynowego? O tym i nawet więcej, dowiesz się z dzisiejszego wywiadu. Gośćmi odcinka są Anna...2872ai,autyzm,machinelearning,medycyna,służbazdrowia,sztucznainteligencja,uczeniemaszynowefalsefullBM73: Co może przynieść praktyczny kurs ML i kiedy warto spróbowaćhttps://www.spreaker.com/episode/bm73-co-moze-przyniesc-praktyczny-kurs-ml-i-kiedy-warto-sprobowac--21866339https://api.spreaker.com/episode/21866339Mon, 20 Jan 2020 04:00:14 +0000VladimirCześć. Witam Cię w 73. odcinku podcastu Biznes Myśli. Według różnych rankingów jednym z najbardziej atrakcyjnych zawodów na rok 2020 jest specjalista od uczenia maszynowego. Nazwy stanowiska mogą być różne, ale chodzi o inteligentną obróbkę danych,...3202datascience,edukacja,kurs,machinelearning,nauka,uczeniemaszynowefalsefullBM72: Łukasz Prokulski – dane i analizyhttps://www.spreaker.com/episode/bm72-lukasz-prokulski-dane-i-analizy--21312683https://api.spreaker.com/episode/21312683Mon, 06 Jan 2020 04:00:20 +0000VladimirGościem #72 odcinka podcastu BM jest Łukasz Prokulski, który zajmuje się zawodowo i w ramach hobby danymi, od wielu lat prowadzi także bloga i fanpage 'Dane i analizy", gdzie dzieli się przemyśleniami i praktycznymi poradami dotyczącymi danych i...3452analiza,dane,datascience,łukaszprokulski,wizualizacjafalsefullBM71: Podsumowanie roku 2019https://www.spreaker.com/episode/bm71-podsumowanie-roku-2019--20969276
Dowiesz się o najciekawszych wnioskach z raportu Artificial Intelligence Index 2019
* Rozkwit badań AI
* Inwestycja w AI
* Edukacja

Też będzie o Pluribus (nowa wersja Libratus), AlphaStar itd.

Będzie też podsumowanie BiznesMyśli oraz DataWorkshop.

https://biznesmysli.pl/71]]>https://api.spreaker.com/episode/20969276Mon, 23 Dec 2019 04:00:11 +0000VladimirOkres świąteczny jest czasem, kiedy warto zrobić podsumowanie roku, a także przemyśleć kolejne kroki i odpowiednio przygotować się na nowy rok. Dowiesz się o najciekawszych wnioskach z raportu Artificial Intelligence Index 2019 * Rozkwit badań AI *...
Dowiesz się o najciekawszych wnioskach z raportu Artificial Intelligence Index 2019
* Rozkwit badań AI
* Inwestycja w AI
* Edukacja

Też będzie o Pluribus (nowa wersja Libratus), AlphaStar itd.

Będzie też podsumowanie BiznesMyśli oraz DataWorkshop.

https://biznesmysli.pl/71]]>39052019,biznesmysli,dataworkshop,machinelearning,podsumowanie,uczeniemaszynowefalsefullBM70: Sztuczna inteligencja i bezpieczeństwohttps://www.spreaker.com/episode/bm70-sztuczna-inteligencja-i-bezpieczenstwo--20583401
Jak sobie z tym radzić? To bardzo zły znak, że analitycy odpowiadający za bezpieczeństwo firm nie są w stanie przetworzyć 100% znalezionych zagrożeń z odpowiednim zrozumieniem. Lekarstwem na ten problem może być właśnie sztuczna inteligencja.

W tym samym raporcie można znaleźć informację, że 48% badanych szacuje, że budżety na AI w cyberbezpieczeństwie wzrosną średnio o 29% w 2020 roku. Warto zauważyć, że taki wzrost nie jest naturalnym zjawiskiem, lecz wskazuje na to, że dostrzeżono, jak ważna jest stabilizacja w tym obszarze.

https://biznesmysli.pl/70]]>https://api.spreaker.com/episode/20583401Mon, 09 Dec 2019 04:00:04 +0000VladimirCzy wiesz, że zgodnie z raportem Capgemini, ponad połowa osób decyzyjnych w tematach bezpieczeństwa twierdzi, że analitycy cyberbezpieczeństwa są zbyt przytłoczeni bieżącymi zadaniami, na skutek czego 23% zidentyfikowanych incydentów nie jest...
Jak sobie z tym radzić? To bardzo zły znak, że analitycy odpowiadający za bezpieczeństwo firm nie są w stanie przetworzyć 100% znalezionych zagrożeń z odpowiednim zrozumieniem. Lekarstwem na ten problem może być właśnie sztuczna inteligencja.

W tym samym raporcie można znaleźć informację, że 48% badanych szacuje, że budżety na AI w cyberbezpieczeństwie wzrosną średnio o 29% w 2020 roku. Warto zauważyć, że taki wzrost nie jest naturalnym zjawiskiem, lecz wskazuje na to, że dostrzeżono, jak ważna jest stabilizacja w tym obszarze.

https://biznesmysli.pl/70]]>3463bezpieczeństwo,machinelearning,security,uczeniemaszynowefalsefullBM69: Sztuczna inteligencja i branża ubezpieczeńhttps://www.spreaker.com/episode/bm69-sztuczna-inteligencja-i-branza-ubezpieczen--20241409
https://biznesmysli.pl/69]]>https://api.spreaker.com/episode/20241409Mon, 25 Nov 2019 04:10:11 +0000VladimirUczenie maszynowe już zmieniło czy zmienia wiele branż. Czasem te zmiany są rewolucyjne, czasem jednak bardziej ewolucyjne. Jak sprawa wygląda w branży ubezpieczeń? Jak uczenie maszynowe wpływa na świat ubezpieczeń? Dzisiejszym gościem jest Marcin...
https://biznesmysli.pl/69]]>3177biznes,business,machinelearning,pzu,sztucznainteligencja,ubezpieczeniefalsefullBM68: Czy Twoja firma jest gotowa na ML?https://www.spreaker.com/episode/bm68-czy-twoja-firma-jest-gotowa-na-ml--19961182
https://biznesmysli.pl/68]]>https://api.spreaker.com/episode/19961182Mon, 11 Nov 2019 04:00:14 +0000VladimirPrzygotowałem dla Ciebie omówienie 5 problemów, które mogą Cię spotkać, jeśli zdecydujesz się rozpocząć proces zaszczepienia ML w DNA Twojej firmy. Tak naprawdę problemów jest znacznie więcej, natomiast to jest pewna praktyczna esencja, która z dużym...
https://biznesmysli.pl/68]]>2784biznes,machinelearning,ncbr,transformacja,uczeniemaszynowefalsefullBM67: Dzieją się rzeczy z uczeniem maszynowym w Polscehttps://www.spreaker.com/episode/bm67-dzieja-sie-rzeczy-z-uczeniem-maszynowym-w-polsce--19599334Pojawiła się także inicjatywa lokalnych spotkań. Najpierw to był Kraków, Katowice, Warszawa, Rzeszów, Olsztyn, Wrocław. Dołączają inne miasta, w których odbędą się najbliższe spotkania:

Poznań: 22 października o 18:00
Łódź: 22 października o 18:30
Wrocław: 23 października o 19:00
Lublin: 23 października o 19:00

Szykują się kolejne miasta: Szczecin, Bielsko-Biała, Białystok.

Kilka słów na temat założeń grupy.
To są bezpłatne spotkania dotyczące machine learning.
Każda grupa posiada duży stopień autonomii i sama decyduje, jak się rozwija.
W każdej grupie jest jeden lub kilku koordynatorów.

Wizja jest, żeby każda grupa robiła projekty społeczne używając uczenia maszynowego. Na to też możesz popatrzeć z innej strony. Dla Ciebie to również może oznaczać poznanie ludzi z pasją (bo sama grupa jest filtrem) oraz zdobywanie doświadczenia na praktycznych projektach (co może bardzo pozytywnie wpłynąć np. na znalezienie pracy jako specjalista machine learning). Dołącz!]]>https://api.spreaker.com/episode/19599334Mon, 21 Oct 2019 03:00:12 +0000VladimirWarsztaty na żywo Pojawiła się także inicjatywa lokalnych spotkań. Najpierw to był Kraków, Katowice, Warszawa, Rzeszów, Olsztyn, Wrocław. Dołączają inne miasta, w których odbędą się najbliższe spotkania: Poznań: 22 października o 18:00 Łódź: 22...Pojawiła się także inicjatywa lokalnych spotkań. Najpierw to był Kraków, Katowice, Warszawa, Rzeszów, Olsztyn, Wrocław. Dołączają inne miasta, w których odbędą się najbliższe spotkania:

Poznań: 22 października o 18:00
Łódź: 22 października o 18:30
Wrocław: 23 października o 19:00
Lublin: 23 października o 19:00

Szykują się kolejne miasta: Szczecin, Bielsko-Biała, Białystok.

Kilka słów na temat założeń grupy.
To są bezpłatne spotkania dotyczące machine learning.
Każda grupa posiada duży stopień autonomii i sama decyduje, jak się rozwija.
W każdej grupie jest jeden lub kilku koordynatorów.

Wizja jest, żeby każda grupa robiła projekty społeczne używając uczenia maszynowego. Na to też możesz popatrzeć z innej strony. Dla Ciebie to również może oznaczać poznanie ludzi z pasją (bo sama grupa jest filtrem) oraz zdobywanie doświadczenia na praktycznych projektach (co może bardzo pozytywnie wpłynąć np. na znalezienie pracy jako specjalista machine learning). Dołącz!]]>2442dataworkshop,machinelearning,uczeniemaszynowe,warsztatyfalsefullBM66: Myślenie innowacyjne o ML, DWCONF i coś więcejhttps://www.spreaker.com/episode/bm66-myslenie-innowacyjne-o-ml-dwconf-i-cos-wiecej--19377793
Dzisiejszy wpis będzie między innymi na temat mojego wystąpienia “Think out the box”. Przy czym tak się złożyło, że na samej konferencji miałem bardzo ograniczony czas i mam wrażenie, że warto jeszcze zgłębić ten temat i dodać więcej przykładów, żeby lepiej wyjaśnić, co mam na myśli.

https://biznesmysli.pl/66]]>https://api.spreaker.com/episode/19377793Mon, 07 Oct 2019 03:00:12 +0000VladimirZrobiliśmy to! Tak chcę rozpocząć dzisiejszy odcinek i za chwilę wszystko wyjaśnię. Dzisiaj opowiem Ci o moich przemyśleniach o osiąganiu więcej w innowacyjny sposób. Da się zastosować również w innych obszarach niż uczenie maszynowe. Dzisiejszy wpis...
Dzisiejszy wpis będzie między innymi na temat mojego wystąpienia “Think out the box”. Przy czym tak się złożyło, że na samej konferencji miałem bardzo ograniczony czas i mam wrażenie, że warto jeszcze zgłębić ten temat i dodać więcej przykładów, żeby lepiej wyjaśnić, co mam na myśli.

https://biznesmysli.pl/66]]>3938biznes,conference,dwcc,innovationn,inowacje,konferencja,machinelearningfalsefullBM65: Przypadki użycia NLP w biznesiehttps://www.spreaker.com/episode/bm65-przypadki-uzycia-nlp-w-biznesie--19111452
Dzisiaj opowiem Ci o takich zastosowaniach jak: Sentiment Analysis, Spelling Corrector, Entity (Person, Place, Brand etc ) Recognition, Text Summarization...

Szczególnie skupi się na dwóch mniej oczywistych zastosowaniach: zbieranie danych i gwarancje ja jakości (jak i spójności) oraz wykrywanie oszustw w medycynie (przypadek firmy ubezpieczeniowej).

Zapraszam: https://biznesmysli.pl/65]]>https://api.spreaker.com/episode/19111452Mon, 16 Sep 2019 03:00:18 +0000VladimirPoprzedni odcinek nagrałem o przetwarzaniu języka naturalnego. Przygotowałem więcej materiału niż na jeden odcinek, a więc dzisiaj będzie kontynuacja tego tematu. Dzisiaj opowiem Ci o takich zastosowaniach jak: Sentiment Analysis, Spelling...
Dzisiaj opowiem Ci o takich zastosowaniach jak: Sentiment Analysis, Spelling Corrector, Entity (Person, Place, Brand etc ) Recognition, Text Summarization...

Szczególnie skupi się na dwóch mniej oczywistych zastosowaniach: zbieranie danych i gwarancje ja jakości (jak i spójności) oraz wykrywanie oszustw w medycynie (przypadek firmy ubezpieczeniowej).

Zapraszam: https://biznesmysli.pl/65]]>2583biznes,business,machinelearning,nlp,uczeniemaszynowefalsefullBM64: Przetwarzanie języka naturalnego w biznesiehttps://www.spreaker.com/episode/bm64-przetwarzanie-jezyka-naturalnego-w-biznesie--18974793
https://biznesmysli.pl/64]]>https://api.spreaker.com/episode/18974793Mon, 02 Sep 2019 03:00:20 +0000VladimirNLP, czyli przetwarzanie języka naturalnego może być bardzo pomocne z praktycznego punktu widzenia. Może usprawnić jakość produktu, zadowolenie klientów i ostatecznie zwiększyć wartość firmy. W obecnych czasach jest rozkwit NLP i wiele dzieje się w...
https://biznesmysli.pl/64]]>3721dataworkshop,doc2vec,gensim,machinelearning,nlp,tomasmikolov,word2vecfalsefullBM63: Praktyczne podejście do uczenia maszynowegohttps://www.spreaker.com/episode/bm63-praktyczne-podejscie-do-uczenia-maszynowego--18850298
Obecnie pracuje jako Senior Data Scientist w Alpha. Jest to firma stworzona przez Telefonikę, duży telekom międzynarodowy głównie w krajach latynoskich i pracuje w zespole, który zajmuje się zdrowiem psychicznym.

https://biznesmysli.pl/63]]>https://api.spreaker.com/episode/18850298Mon, 19 Aug 2019 03:00:06 +0000VladimirDzisiejszym gościem jest Bartek Skorulski, która mieszka w Barcelonie. Pracował w różnych firmach oraz różnych branżach. Ma ciekawe doświadczenie praktyczne związane wprost z wdrożeniem rozwiązań uczenia maszynowego. Obecnie pracuje jako Senior Data...
Obecnie pracuje jako Senior Data Scientist w Alpha. Jest to firma stworzona przez Telefonikę, duży telekom międzynarodowy głównie w krajach latynoskich i pracuje w zespole, który zajmuje się zdrowiem psychicznym.

https://biznesmysli.pl/63]]>3017biznes,business,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM 62: Rozmowa z machine learning engineer z Netguru: obrazowanie hiperspektralne i innehttps://www.spreaker.com/episode/bm-62-rozmowa-z-machine-learning-engineer-z-netguru-obrazowanie-hiperspektralne-i-inne--18723959
W ciągu kilku ostatnich dekad obrazowanie hiperspektralne nabierało coraz większego znaczenia i ma zastosowanie w różnych obszarach. Z tego odcinka dowiesz się, czym jest obrazowanie hiperspektralne (ang. hyperspectral imaging), jaki ma cel i gdzie może być przydatne?

Dzisiejszym gościem jest Michał Marcinkiewicz. Bardzo ciekawy człowiek, który jest zaangażowany w projekty badawcze związane z uczeniem maszynowym w Netguru. Zapraszam do lektury.

http://biznesmysli.pl/62]]>https://api.spreaker.com/episode/18723959Mon, 05 Aug 2019 03:00:10 +0000VladimirMy, jako ludzie jesteśmy bardzo ograniczeni co do tego, co widzimy. To jest jakiś wąski zakres możliwości, który dostaliśmy. Niektóre zwierzęta, ptaki widzą więcej niż my. W ciągu kilku ostatnich dekad obrazowanie hiperspektralne nabierało coraz...
W ciągu kilku ostatnich dekad obrazowanie hiperspektralne nabierało coraz większego znaczenia i ma zastosowanie w różnych obszarach. Z tego odcinka dowiesz się, czym jest obrazowanie hiperspektralne (ang. hyperspectral imaging), jaki ma cel i gdzie może być przydatne?

Dzisiejszym gościem jest Michał Marcinkiewicz. Bardzo ciekawy człowiek, który jest zaangażowany w projekty badawcze związane z uczeniem maszynowym w Netguru. Zapraszam do lektury.

http://biznesmysli.pl/62]]>3619machinelearning,netguru,sztucznainteigencja,uczeniemaszynowefalsefullBM 61: Jak ugryźć uczenie maszynowe od strony praktycznej?https://www.spreaker.com/episode/bm-61-jak-ugryzc-uczenie-maszynowe-od-strony-praktycznej--18606453
W tym miejscu warto zatrzymać się na chwilę i wyjaśnić kilka kwestii.

https://biznesmysli.pl/61]]>https://api.spreaker.com/episode/18606453Mon, 22 Jul 2019 03:00:15 +0000VladimirW sierpniu 2018 roku LinkedIn opublikował coroczny raport LinkedIn Workforce Report. Można w nim znaleźć wiele ciekawych informacji m.in. o pewnych umiejętnościach, na które obecnie jest duży popyt. Zauważalnie szybka jest dynamika wzrostu...
W tym miejscu warto zatrzymać się na chwilę i wyjaśnić kilka kwestii.

https://biznesmysli.pl/61]]>3587artificialintelligence,dataworkshop,machinelearning,sztucznainteligencjafalsefullBM60: Drony zmieniają branże ubezpieczeń, budowlaną i innehttps://www.spreaker.com/episode/bm60-drony-zmieniaja-branze-ubezpieczen-budowlana-i-inne--18483914
https://biznesmysli.pl/60]]>https://api.spreaker.com/episode/18483914Mon, 08 Jul 2019 03:00:08 +0000VladimirJak myślisz, czy drony to tylko zabawka? Właśnie o tym będzie dzisiaj mowa. Zaprosiłem do rozmowy Pawła Wójcika, który omówi świetne przykłady praktycznych zastosowań dronów. Mało tego, to już się dzieje, bo firma, o której mówimy, ma nazwę SkySnap i...
https://biznesmysli.pl/60]]>3846biznes,budownictwo,dron,machinelearning,ubezpieczenia,uczeniemaszynowefalsefullBM59: Szkoła 42, czy to edukacja przyszłości?https://www.spreaker.com/episode/bm59-szkola-42-czy-to-edukacja-przyszlosci--18353885
https://biznesmysli.pl/59]]>https://api.spreaker.com/episode/18353885Mon, 24 Jun 2019 03:00:11 +0000VladimirDzisiaj chcę podzielić się z Tobą informacjami o projekcie szkoły 42. Wydaje się, że w Polsce jest to mało znana inicjatywa, ale warto o niej wiedzieć i zastanowić się, czy to jest dobra alternatywa dla tradycyjnego szkolnictwa. Jest to szkoła, w...
https://biznesmysli.pl/59]]>593edukcja,przyłosć,school42,szkoła,uczniemaszynowefalsefullBM58: Sztuczna inteligencja w Azjihttps://www.spreaker.com/episode/bm58-sztuczna-inteligencja-w-azji--18220626
http://biznesmysli.pl/58]]>https://api.spreaker.com/episode/18220626Mon, 10 Jun 2019 03:00:13 +0000VladimirW styczniu 2019 roku Japończycy rozpoczęli swój pierwszy test pociągu... autonomicznego. Wykorzystano do tego trasę publicznej linii kolejowej w Tokio. Pociąg zrobił dwa okrążenia po ponad 34 km każde i rozpędzał się do maksymalnej prędkości 80 km...
http://biznesmysli.pl/58]]>3562azja,chiny,japonia,sztucznainteligencja,uczeniemaszynowefalsefullBM57: Możliwe blokery oraz rozwiązania w uczeniu maszynowymhttps://www.spreaker.com/episode/bm57-mozliwe-blokery-oraz-rozwiazania-w-uczeniu-maszynowym--17909800
Dlaczego o tym wszystkim mówię? Podzielę z Tobą trzema problemami i jak można podejść do rozwiązywania.

http://biznesmysli.pl/57]]>https://api.spreaker.com/episode/17909800Mon, 13 May 2019 03:00:09 +0000VladimirZbieram coraz więcej informacji zwrotnej i pytań na temat uczenia maszynowego lub blokerów, które powstrzymują przed rozpoczęciem pracy z nim. Zebrałem najbardziej aktualną listę problemów i na nie odpowiedzieć. Zastanawiam się nad najodpowiedniejszą...
Dlaczego o tym wszystkim mówię? Podzielę z Tobą trzema problemami i jak można podejść do rozwiązywania.

http://biznesmysli.pl/57]]>4300dataworkshop,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM56: 10 właściwych pytań przy wdrażaniu uczenia maszynowegohttps://www.spreaker.com/episode/bm56-10-wlasciwych-pytan-przy-wdrazaniu-uczenia-maszynowego--17773295
http://biznesmysli.pl/56]]>https://api.spreaker.com/episode/17773295Mon, 29 Apr 2019 03:00:12 +0000VladimirPomagam firmom wdrażać uczenie maszynowe we właściwy sposób. Ta pierwsza część pewnie brzmi dość standardowo, natomiast na czym polega ten “właściwy sposób”? O tym będzie dzisiejszy odcinek. Przedstawię Ci 10 pytań, które zadaję zaczynając współpracę...
http://biznesmysli.pl/56]]>4563biznes,machinelearning,porady,sztucznainteligencja,uczeniemaszynowe,wdrożaniefalsefullBM55: 10 mitów o sztucznej inteligencjihttps://www.spreaker.com/episode/bm55-10-mitow-o-sztucznej-inteligencji--17632978
http://biznesmysli.pl/55]]>https://api.spreaker.com/episode/17632978Mon, 15 Apr 2019 03:00:14 +0000VladimirSztuczna inteligencja staje się coraz bardziej popularnym tematem i to dlatego pojawia się również szeregów mitów, które bardzo przeszkadzają i zaburzają obraz rzeczywistości przez to, że wpadają w pewne skrajności. Dlatego dzisiaj przygotowałam dla...
http://biznesmysli.pl/55]]>3531machinelearning,mity,sztucznainteligencja,uczeniemaszynowefalsefullBM54: Sztuczna inteligencja masowo zastępuje pracowników w bankachhttps://www.spreaker.com/episode/bm54-sztuczna-inteligencja-masowo-zastepuje-pracownikow-w-bankach--17490111
Z tego artykułu dowiesz się:
1. Jakie zmiany dyktuje wprowadzenie sztucznej inteligencji w organizacjach bankowych.
2. W jaki sposób największy bank Rosji, Sberbank, wykorzystuje osiągnięcia technologii do rozwoju.
3. Jak banki przygotowują się na zmiany związane z automatyzacjami procesów.
4. Co takie zmiany oznaczają dla pracowników.

http://biznesmysli.pl/54]]>https://api.spreaker.com/episode/17490111Mon, 01 Apr 2019 03:00:12 +0000VladimirCzy jest możliwe, że nawet ponad 50% menedżerów średniego szczebla w bankach zostanie zastąpione przez sztuczną inteligencję? Czy to znów tylko kolejne straszące prognozy, czy jednak rzeczywistość, w której już żyjemy? Odpowiedzi na te pytania...
Z tego artykułu dowiesz się:
1. Jakie zmiany dyktuje wprowadzenie sztucznej inteligencji w organizacjach bankowych.
2. W jaki sposób największy bank Rosji, Sberbank, wykorzystuje osiągnięcia technologii do rozwoju.
3. Jak banki przygotowują się na zmiany związane z automatyzacjami procesów.
4. Co takie zmiany oznaczają dla pracowników.

http://biznesmysli.pl/54]]>3219bank,biznes,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM53: Komputery kwantowe i sztuczna inteligencjahttps://www.spreaker.com/episode/bm53-komputery-kwantowe-i-sztuczna-inteligencja--17353875- czym są komputery kwantowe.
- w czym tkwi potencjał komputerów kwantowych w porównaniu do klasycznych maszyn.
- jak w praktyce zastosować moc komputerów kwantowych.

Ray Kurzweil stworzył koncepcję krzywej, która pokazuje jak rośnie moc obliczeniowa w czasie. Przedstawione to jest w ten sposób, że zwiększa się ona w sposób wykładniczy i w pewnym momencie komputery stają się mądrzejsze lub chociażby posiadają większe możliwości obliczeniowe niż człowiek. Ten moment, tzw. one human brain ma nastąpić w 2023 roku.

Niemniej obecnie możemy być przy granicach tych możliwości z uwagi na prawa natury, według których w ten sposób dalszy rozwój zwyczajnie nie będzie dalej możliwy.
Aby zapewnić dalszy wzrost, koniecznym jest znalezienie innego, nowego sposobu i takim rozwiązaniem prawdopodobnie będą komputery kwantowe. Dzięki temu krzywa Kurzweila wciąż będzie mieć swoje zastosowanie.

>>> http://biznesmysli.pl/53]]>https://api.spreaker.com/episode/17353875Mon, 18 Mar 2019 04:00:09 +0000VladimirZ tego artykułu dowiesz się: - czym są komputery kwantowe. - w czym tkwi potencjał komputerów kwantowych w porównaniu do klasycznych maszyn. - jak w praktyce zastosować moc komputerów kwantowych. Ray Kurzweil stworzył koncepcję krzywej, która...- czym są komputery kwantowe.
- w czym tkwi potencjał komputerów kwantowych w porównaniu do klasycznych maszyn.
- jak w praktyce zastosować moc komputerów kwantowych.

Ray Kurzweil stworzył koncepcję krzywej, która pokazuje jak rośnie moc obliczeniowa w czasie. Przedstawione to jest w ten sposób, że zwiększa się ona w sposób wykładniczy i w pewnym momencie komputery stają się mądrzejsze lub chociażby posiadają większe możliwości obliczeniowe niż człowiek. Ten moment, tzw. one human brain ma nastąpić w 2023 roku.

Niemniej obecnie możemy być przy granicach tych możliwości z uwagi na prawa natury, według których w ten sposób dalszy rozwój zwyczajnie nie będzie dalej możliwy.
Aby zapewnić dalszy wzrost, koniecznym jest znalezienie innego, nowego sposobu i takim rozwiązaniem prawdopodobnie będą komputery kwantowe. Dzięki temu krzywa Kurzweila wciąż będzie mieć swoje zastosowanie.

>>> http://biznesmysli.pl/53]]>3546komputerykwantowe,machinelearning,mocobliczneniowa,sztucanainteligencjafalsefullBM52: Czy sztuczna inteligencja pomoże Ci mieć emeryturę?https://www.spreaker.com/episode/bm52-czy-sztuczna-inteligencja-pomoze-ci-miec-emeryture--17211949
Społeczeństwo w Polsce, jak i w całej Europie się starzeje. Informacje na ten temat można znaleźć m.in. w badaniach GUS. W raporcie “Społeczne i ekonomiczne konsekwencje starzenia się społeczeństw a główne kierunki reform systemów emerytalnych w Europie” można zobaczyć odsetek osób w wieku powyżej 65 lat w odniesieniu do całości populacji. W latach 1950-2010 w Polsce to było ok. 10%, w latach 2010 - 2060 będzie to ponad 45%.

1. Świat zmienia się szybciej niż myślisz.
2. Uczenie maszynowe dość istotnie zmienia świat finansów (między innym zastąpi tysiące ludzi na różnych stanowiskach).
3. Świat inwestycji również zmienia się i uczenie maszynowe odgrywa w tym ogromną rolę.
4. Za 20-30 lat system emerytalny może ulec znaczącym zmianom (o ile w ogóle przetrwa). To oznacza, że starość milionów ludzi (i być może Twoja) może być smutna. Coś z tym trzeba zrobić.
5. Chodzi mi po głowie, aby zrobić uczciwą platformę dla ludzi, która będzie łatwa w użyciu i będzie skupiać się na problemach ludzi. To będzie metryką sukcesu.
6. Zrobienie takiej platformy, jest dużym wyzwaniem i ogromną odpowiedzialnością. Dlatego podchodzę do tematu bardzo ostrożnie, zbieram informację zwrotną i szukam osób, które mogą pomóc w realizacji.
7. Zróbmy ten świat chociaż trochę lepszym, wykorzystując technologię.

Więcej znajdziesz na http://biznesmysli.pl/52]]>https://api.spreaker.com/episode/17211949Mon, 04 Mar 2019 04:00:20 +0000VladimirW latach 2010 - 2060 będzie to ponad 45% osób powyżej 65 lat. Emerytura może stać się marzeniem, bo kto miałby na je zarobić? Może sztuczna inteligencja? Społeczeństwo w Polsce, jak i w całej Europie się starzeje. Informacje na ten temat można...
Społeczeństwo w Polsce, jak i w całej Europie się starzeje. Informacje na ten temat można znaleźć m.in. w badaniach GUS. W raporcie “Społeczne i ekonomiczne konsekwencje starzenia się społeczeństw a główne kierunki reform systemów emerytalnych w Europie” można zobaczyć odsetek osób w wieku powyżej 65 lat w odniesieniu do całości populacji. W latach 1950-2010 w Polsce to było ok. 10%, w latach 2010 - 2060 będzie to ponad 45%.

1. Świat zmienia się szybciej niż myślisz.
2. Uczenie maszynowe dość istotnie zmienia świat finansów (między innym zastąpi tysiące ludzi na różnych stanowiskach).
3. Świat inwestycji również zmienia się i uczenie maszynowe odgrywa w tym ogromną rolę.
4. Za 20-30 lat system emerytalny może ulec znaczącym zmianom (o ile w ogóle przetrwa). To oznacza, że starość milionów ludzi (i być może Twoja) może być smutna. Coś z tym trzeba zrobić.
5. Chodzi mi po głowie, aby zrobić uczciwą platformę dla ludzi, która będzie łatwa w użyciu i będzie skupiać się na problemach ludzi. To będzie metryką sukcesu.
6. Zrobienie takiej platformy, jest dużym wyzwaniem i ogromną odpowiedzialnością. Dlatego podchodzę do tematu bardzo ostrożnie, zbieram informację zwrotną i szukam osób, które mogą pomóc w realizacji.
7. Zróbmy ten świat chociaż trochę lepszym, wykorzystując technologię.

Więcej znajdziesz na http://biznesmysli.pl/52]]>3711falsefullBM51: Moja podroż do sztucznej inteligencjihttps://www.spreaker.com/episode/bm51-moja-podroz-do-sztucznej-inteligencji--17088917
Między innymi dowiesz się:
- Jak to się stało, że zajmujesz się IT i data science?
- Jak wyglądała twoja nauka w początkowym okresie?
- Jaką rolę odegrały studia w twoim życiu? Czy wybór uczelni miał duże znaczenie?
- Kiedy zainteresowałeś się tematyką machine learning?
- W jaki sposób rozwijałeś się, jeśli chodzi o tematy myślenia maszynowego?
- Czy uważasz, że nadal trzeba przekonywać biznes, żeby stosować metody data science, czy raczej wszyscy już o tym wiedzą?
Czy to, czym się teraz zajmujesz, robisz w pełnym wymiarze czasu, czy jeszcze pracujesz? Jak to u ciebie wygląda dzisiaj?
Skąd czerpiesz pewność siebie, aby prowadzić tak wiele różnych projektów?
Czy masz jakiś określony cel, który chciałbyś osiągnąć?

Do usłyszenia!]]>https://api.spreaker.com/episode/17088917Tue, 19 Feb 2019 21:30:22 +0000VladimirPrzepraszam, że odcinek pojawił się we wtorek, zamiast poniedziałku. Na to są pewne przyczyny. Tym razem inaczej niż zwykle. Będzie wywiad, tylko... ze mną :). Między innymi dowiesz się: - Jak to się stało, że zajmujesz się IT i data science? - Jak...
Między innymi dowiesz się:
- Jak to się stało, że zajmujesz się IT i data science?
- Jak wyglądała twoja nauka w początkowym okresie?
- Jaką rolę odegrały studia w twoim życiu? Czy wybór uczelni miał duże znaczenie?
- Kiedy zainteresowałeś się tematyką machine learning?
- W jaki sposób rozwijałeś się, jeśli chodzi o tematy myślenia maszynowego?
- Czy uważasz, że nadal trzeba przekonywać biznes, żeby stosować metody data science, czy raczej wszyscy już o tym wiedzą?
Czy to, czym się teraz zajmujesz, robisz w pełnym wymiarze czasu, czy jeszcze pracujesz? Jak to u ciebie wygląda dzisiaj?
Skąd czerpiesz pewność siebie, aby prowadzić tak wiele różnych projektów?
Czy masz jakiś określony cel, który chciałbyś osiągnąć?

Do usłyszenia!]]>4450falsefullBM50: Przyszłość naszych dziecihttps://www.spreaker.com/episode/bm50-przyszlosc-naszych-dzieci--16939487
Z tego artykułu dowiesz się:
- Jakie obawy o przyszłość mamy jako rodzice.
- Jakie cechy warto rozwijać u dzieci.
- Jak wygląda współczesny konsumpcjonizm.
- Czym jest pieniądz i jaką ma realną wartość.
- W jaki sposób pogrywa się dziś z naszym zdrowiem.
- Czy i jak otoczenie kształtuje człowieka.

http://biznesmysli.pl/50]]>https://api.spreaker.com/episode/16939487Mon, 04 Feb 2019 04:00:17 +0000VladimirDzisiaj poruszę trudny ale ważny temat, o którym od dawna chciałem opowiedzieć. Z tego artykułu dowiesz się: - Jakie obawy o przyszłość mamy jako rodzice. - Jakie cechy warto rozwijać u dzieci. - Jak wygląda współczesny konsumpcjonizm. - Czym jest...
Z tego artykułu dowiesz się:
- Jakie obawy o przyszłość mamy jako rodzice.
- Jakie cechy warto rozwijać u dzieci.
- Jak wygląda współczesny konsumpcjonizm.
- Czym jest pieniądz i jaką ma realną wartość.
- W jaki sposób pogrywa się dziś z naszym zdrowiem.
- Czy i jak otoczenie kształtuje człowieka.

http://biznesmysli.pl/50]]>6195artificialintelligence,future,machinelearning,visionfalsefullBM49: Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do światu MLhttps://www.spreaker.com/episode/bm49-uczenie-maszynowe-na-dataworkshop-pragmatyczne-wejscie-do-swiatu-ml--16764246
DataWorkshop to miejsce, gdzie możesz rozpocząć swoją praktyczną przygodę z uczeniem maszynowym. Zdobyć wiedzę od praktyka. Dotychczas przeszkoliłem ponad 700 osób. Są dwa autorskie kursy online, więcej informacji na stronie http://dataworkshop.eu

http://biznesmysli.pl/49]]>https://api.spreaker.com/episode/16764246Mon, 21 Jan 2019 04:00:07 +0000VladimirUczenie maszynowe, lub tak zwana sztuczna inteligencja jest bardzo gorącym tematem, głównie dlatego, że można dzięki niej uzyskać zauważalną wartość dodaną w biznesie. Czasem nawet może być ona kluczowa, bo dzięki temu pojawią się nowe biznesy, które...
DataWorkshop to miejsce, gdzie możesz rozpocząć swoją praktyczną przygodę z uczeniem maszynowym. Zdobyć wiedzę od praktyka. Dotychczas przeszkoliłem ponad 700 osób. Są dwa autorskie kursy online, więcej informacji na stronie http://dataworkshop.eu

http://biznesmysli.pl/49]]>3789artificialintelligence,biznes,dataworkshop,machinelearning,workshopfalsefullBM48: Efektywne tworzenie wizualizacji, KPI, raportówhttps://www.spreaker.com/episode/bm48-efektywne-tworzenie-wizualizacji-kpi-raportow--16643976- Czym jest wizualizacja?
- Czy wizualizacja jest w jakikolwiek sposób powiązana z językiem?
- Jakie narzędzia można wykorzystać do wizualizacji?
- Czym są kluczowe wskaźniki efektywności (KPI)?
- Jakie błędy najczęściej popełniamy w procesie wdrażania KPI do naszej firmy?
- Kto powinien być "właścicielem" KPI w firmie?
- Jakie są sposoby manipulacji z wykorzystaniem wizualizacji?
- W jaki sposób należy postępować z pracownikami odpowiedzialnymi za kluczowe parametry w swojej firmie?
- Czy uczenie maszynowe i AI może pomóc nam w dobraniu odpowiedniego KPI?

http://biznesmysli.pl/48]]>https://api.spreaker.com/episode/16643976Mon, 07 Jan 2019 04:00:13 +0000VladimirW tym odcinku dowiesz się: - Czym jest wizualizacja? - Czy wizualizacja jest w jakikolwiek sposób powiązana z językiem? - Jakie narzędzia można wykorzystać do wizualizacji? - Czym są kluczowe wskaźniki efektywności (KPI)? - Jakie błędy najczęściej...- Czym jest wizualizacja?
- Czy wizualizacja jest w jakikolwiek sposób powiązana z językiem?
- Jakie narzędzia można wykorzystać do wizualizacji?
- Czym są kluczowe wskaźniki efektywności (KPI)?
- Jakie błędy najczęściej popełniamy w procesie wdrażania KPI do naszej firmy?
- Kto powinien być "właścicielem" KPI w firmie?
- Jakie są sposoby manipulacji z wykorzystaniem wizualizacji?
- W jaki sposób należy postępować z pracownikami odpowiedzialnymi za kluczowe parametry w swojej firmie?
- Czy uczenie maszynowe i AI może pomóc nam w dobraniu odpowiedniego KPI?

http://biznesmysli.pl/48]]>5346artificialintelligence,biznes,business,kpi,machinelearningfalsefullBM47: Przetwarzanie języka naturalnego (rownież polskiego)https://www.spreaker.com/episode/bm47-przetwarzanie-jezyka-naturalnego-rowniez-polskiego--16492190
W tym odcinku dowiesz się:

Czym jest NLP?
- Jakie problemy biznesowe można rozwiązać stosująć NLP?
- Dokładnie w jaki sposób działa przetwarzanie języka naturalnego?
- Na jakim etapie jest NLP biorąc pod uwagę język polski?
- Jakie instytucje oraz ośrodki badawcze pracują nad udoskonalaniem NLP dla języka polskiego?
- Czy NLP można wykorzystać w sytuacjach biznesowych?
- Jakie oraz jak obszerne są aktualne zasoby przetwarzania języka naturalnego z wykorzystaniem języka polskiego?
- Dlaczego NLP dla języka angielskiego jest najbardziej rozbudowane?
- Czym jest konkurs PolEval oraz jak wziąć w nim udział?
- Jak PolEval przyczynia się do poszerzenia wiedzy na temat NLP dla języka polskiego?
- Jakie zasoby i narzędzia można wykorzystać oraz gdzie je znaleźć w przypadku rozpoczęcia nauki o NLP?

http://biznesmysli.pl/47]]>https://api.spreaker.com/episode/16492190Mon, 17 Dec 2018 04:00:03 +0000VladimirDzisiejszym tematem będzie przetwarzanie języka naturalnego. Łukasz Kobyliński jest dzisiejszym gościem, który ma doświadczenie w tym temacie, w szczególności w NLP dla języka polskiego. Rozmowa wyszła trochę dłuższa, ale warto jej posłuchać....
W tym odcinku dowiesz się:

Czym jest NLP?
- Jakie problemy biznesowe można rozwiązać stosująć NLP?
- Dokładnie w jaki sposób działa przetwarzanie języka naturalnego?
- Na jakim etapie jest NLP biorąc pod uwagę język polski?
- Jakie instytucje oraz ośrodki badawcze pracują nad udoskonalaniem NLP dla języka polskiego?
- Czy NLP można wykorzystać w sytuacjach biznesowych?
- Jakie oraz jak obszerne są aktualne zasoby przetwarzania języka naturalnego z wykorzystaniem języka polskiego?
- Dlaczego NLP dla języka angielskiego jest najbardziej rozbudowane?
- Czym jest konkurs PolEval oraz jak wziąć w nim udział?
- Jak PolEval przyczynia się do poszerzenia wiedzy na temat NLP dla języka polskiego?
- Jakie zasoby i narzędzia można wykorzystać oraz gdzie je znaleźć w przypadku rozpoczęcia nauki o NLP?

http://biznesmysli.pl/47]]>4211biznes,business,machinelearning,nlp,sztucznainteligencja,tekst,uczeniemaszynowefalsefullBM46: Szeregi czasowe:_rozmowa z doświadczonym inżynierem z Uberhttps://www.spreaker.com/episode/bm46-szeregi-czasowe-rozmowa-z-doswiadczonym-inzynierem-z-uber--16368149
Jest nią Sławomir Smyl. Sławek pracuje w Uberze. Jest on bardzo otwarty na świat oraz na nowoczesne metody, które potrafi adaptować. Moim głównym celem było zapytać wprost, czy metody statystyczne radzą sobie lepiej od uczenia maszynowego. Wbrew pozorom, oczekiwałem, że metody statystyczne w przypadku konkursu M4 poradzą sobie lepiej. Było tam 100 000 szeregów czasowych. Problem z tymi szeregami był taki, że one nie posiadały żadnego kontekstu, tylko samą wartość zmieniająca się w czasie.

W tym odcinku dowiesz się:
- Czym jest prognozowanie na szeregach czasowych (time series forecasting)?
- Jakie zastosowanie mają szeregi czasowe w biznesie?
- Jaka jest różnica pomiędzy statystyką a uczeniem maszynowym?
- Które podejście sprawdza się najlepiej w stosunku do prognozowania szeregów czasowych?
- Na co należy zwracać szczególną uwagę przy wykorzystywaniu uczenia maszynowego do prognozowania szeregów czasowych?
- Czy odbywają się konkursy związane z prognozowaniem szeregów czasowych?
- Jak konkursy wpływają na rozwój technologii?
- Czym jest M4 Competition?
- Jak działa model hybrydowy który łączy uczenie maszynowe ze statystyką?

http://biznesmysli.pl/46]]>https://api.spreaker.com/episode/16368149Mon, 03 Dec 2018 04:00:06 +0000VladimirDzisiejszym tematem będzie prognozowanie szeregów czasowych. Zaprosiłem eksperta, prawdziwego weterana który, jak to się mówi “zjadł zęby” w tym obszarze. Jest nią Sławomir Smyl. Sławek pracuje w Uberze. Jest on bardzo otwarty na świat oraz na...
Jest nią Sławomir Smyl. Sławek pracuje w Uberze. Jest on bardzo otwarty na świat oraz na nowoczesne metody, które potrafi adaptować. Moim głównym celem było zapytać wprost, czy metody statystyczne radzą sobie lepiej od uczenia maszynowego. Wbrew pozorom, oczekiwałem, że metody statystyczne w przypadku konkursu M4 poradzą sobie lepiej. Było tam 100 000 szeregów czasowych. Problem z tymi szeregami był taki, że one nie posiadały żadnego kontekstu, tylko samą wartość zmieniająca się w czasie.

W tym odcinku dowiesz się:
- Czym jest prognozowanie na szeregach czasowych (time series forecasting)?
- Jakie zastosowanie mają szeregi czasowe w biznesie?
- Jaka jest różnica pomiędzy statystyką a uczeniem maszynowym?
- Które podejście sprawdza się najlepiej w stosunku do prognozowania szeregów czasowych?
- Na co należy zwracać szczególną uwagę przy wykorzystywaniu uczenia maszynowego do prognozowania szeregów czasowych?
- Czy odbywają się konkursy związane z prognozowaniem szeregów czasowych?
- Jak konkursy wpływają na rozwój technologii?
- Czym jest M4 Competition?
- Jak działa model hybrydowy który łączy uczenie maszynowe ze statystyką?

http://biznesmysli.pl/46]]>3481business,inżynier,machinelearning,timeseries,uber,uczeniemaszynowefalsefullBM45: Sztuczna inteligencja w sprzedażyhttps://www.spreaker.com/episode/bm45-sztuczna-inteligencja-w-sprzedazy--16255268
W tym odcinku dowiesz się:
- Jak działa oraz czym zajmuje się firma Schneider Electric?
- Jaka jest rola Michała w firmie?
- W jaki sposób sztuczna inteligencja może usprawnić proces sprzedażowy?
- Jak sprawnie przeprowadzić segmentację rynku na podstawie określonych danych?
- W jaki sposób rozmawiać z osobami decyzyjnymi w firmach oraz biznesach, aby przekonać ich do swojego rozwiązania?
- Czym jest "Joseph" oraz jaką pełni funkcję?
- Jak uczyć się na własnych błędach na przykładzie przeprowadzonych iteracji?
- Czy uczenie maszynowe zrewolucjonizuje proces sprzedaży w najbliższej przyszłości?

http://biznesmysli.pl/45]]>https://api.spreaker.com/episode/16255268Mon, 19 Nov 2018 04:00:09 +0000VladimirDzisiejszym gościem jest Michał Korzycki, który pracuje jako Head of Data Science w Schneider Electric. Opowie bardzo ciekawe i inspirujące historie oparte na własnym doświadczeniu, kiedy to prawdziwy lider bierze całe ryzyko na siebie, aby...
W tym odcinku dowiesz się:
- Jak działa oraz czym zajmuje się firma Schneider Electric?
- Jaka jest rola Michała w firmie?
- W jaki sposób sztuczna inteligencja może usprawnić proces sprzedażowy?
- Jak sprawnie przeprowadzić segmentację rynku na podstawie określonych danych?
- W jaki sposób rozmawiać z osobami decyzyjnymi w firmach oraz biznesach, aby przekonać ich do swojego rozwiązania?
- Czym jest "Joseph" oraz jaką pełni funkcję?
- Jak uczyć się na własnych błędach na przykładzie przeprowadzonych iteracji?
- Czy uczenie maszynowe zrewolucjonizuje proces sprzedaży w najbliższej przyszłości?

http://biznesmysli.pl/45]]>3082biznes,machinelearning,sales,sprzedaż,sztucznainteligencjafalsefullBM44: Prowadzący naukowiec z DeepMind o rozwoju sztucznej inteligencjihttps://www.spreaker.com/episode/bm44-prowadzacy-naukowiec-z-deepmind-o-rozwoju-sztucznej-inteligencji--16134793
W tym odcinku dowiesz się:
-Jak działa Janusz Marecki oraz czym się zajmuje DeepMind?
-Co Januszu udało się osiągnąć IBM Research?
-Czym są problemy w całości obserwowalne?
-Jakie są przeszkody w procesie konstrukcji sztucznego mózgu?
-Czym jest system wieloagentowy (multi-agents system)?
-Jaką wartość biznesową możesz uzyskać wdrażając system wieloagentowy do swojej firmy?
-Czym jest efektywność Pareto?
-Na czym polega "dylemat więźnia" oraz "dylemat społeczny"?
-Jak problemy sztucznej inteligencji przekładają się na otaczającą nas rzeczywistość?
-Czy w przyszłości będziemy w stanie kontrolować sztuczną inteligencję?
-Czym dokładnie jest AGI oraz czy jesteśmy w stanie go osiągnąć?
-W jak szybkim tempie technika posuwa się do przodu?
-Jakich błędów unikać podczas wyciągania wniosków z "udanych" eksperymentów?
-Które dziedziny nauki lub medycyny rozwiną się najbardziej w ciągu kolejnych 5-10 lat?

http://biznesmysli.pl/44]]>https://api.spreaker.com/episode/16134793Mon, 05 Nov 2018 04:00:16 +0000VladimirDzisiejszym gościem jest Janusz Marecki. Pracuje on w DeepMind. Wcześniej pracował w IBM, bardzo ciekawa osoba, z bardzo fajnym, przyjacielskim podejściem do życia. Osobom, które mniej siedzą w temacie może się wydawać, że Janusz posiada czasem...
W tym odcinku dowiesz się:
-Jak działa Janusz Marecki oraz czym się zajmuje DeepMind?
-Co Januszu udało się osiągnąć IBM Research?
-Czym są problemy w całości obserwowalne?
-Jakie są przeszkody w procesie konstrukcji sztucznego mózgu?
-Czym jest system wieloagentowy (multi-agents system)?
-Jaką wartość biznesową możesz uzyskać wdrażając system wieloagentowy do swojej firmy?
-Czym jest efektywność Pareto?
-Na czym polega "dylemat więźnia" oraz "dylemat społeczny"?
-Jak problemy sztucznej inteligencji przekładają się na otaczającą nas rzeczywistość?
-Czy w przyszłości będziemy w stanie kontrolować sztuczną inteligencję?
-Czym dokładnie jest AGI oraz czy jesteśmy w stanie go osiągnąć?
-W jak szybkim tempie technika posuwa się do przodu?
-Jakich błędów unikać podczas wyciągania wniosków z "udanych" eksperymentów?
-Które dziedziny nauki lub medycyny rozwiną się najbardziej w ciągu kolejnych 5-10 lat?

http://biznesmysli.pl/44]]>3844deepmind,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM43: Uczenie maszynowe, muzyka i logistyka...https://www.spreaker.com/episode/bm43-uczenie-maszynowe-muzyka-i-logistyka--16004023
W tym odcinku dowiesz się:
-Jak uczenie maszynowe pomogło firmie HelloFresh oraz jakie korzyści przyniosłoby Twojej firmie?
-Na czym polega łańcuch dostaw (Supply Chain Revolution) wykorzystywany przez HelloFresh?
-W jakim stopniu umysł artysty (muzyka) jest powiązany z pracą jako Data Scientist oraz jakie można wynieść z tego korzyści?
- Czy każda osoba jest w stanie rozpocząć przygodę z uczeniem maszynowym?
-Jak jako Data Scientist podchodzić do problemów oraz jak efektywnie sobie z nimi radzić?
-Jaki wpływ będzie miało uczenie maszynowe na logistykę w przyszłości?
-Jakie są mity i legendy związane z uczeniem maszynowym?
-Czym różnią się pojęcia: Machine Learning, AI, Data Science?
-Jaki zabrać się za wdrażanie uczenia maszynowego w firmie z punktu widzenia decydenta?

http://biznesmysli.pl/43]]>https://api.spreaker.com/episode/16004023Mon, 22 Oct 2018 03:00:05 +0000VladimirDzisiejszym gościem jest Adrian Foltyn, który próbuję łączyć dwa światy uczenia maszynowego oraz muzyki. Bardzo ciekawe podejście. W tym odcinku dowiesz się: -Jak uczenie maszynowe pomogło firmie HelloFresh oraz jakie korzyści przyniosłoby Twojej...
W tym odcinku dowiesz się:
-Jak uczenie maszynowe pomogło firmie HelloFresh oraz jakie korzyści przyniosłoby Twojej firmie?
-Na czym polega łańcuch dostaw (Supply Chain Revolution) wykorzystywany przez HelloFresh?
-W jakim stopniu umysł artysty (muzyka) jest powiązany z pracą jako Data Scientist oraz jakie można wynieść z tego korzyści?
- Czy każda osoba jest w stanie rozpocząć przygodę z uczeniem maszynowym?
-Jak jako Data Scientist podchodzić do problemów oraz jak efektywnie sobie z nimi radzić?
-Jaki wpływ będzie miało uczenie maszynowe na logistykę w przyszłości?
-Jakie są mity i legendy związane z uczeniem maszynowym?
-Czym różnią się pojęcia: Machine Learning, AI, Data Science?
-Jaki zabrać się za wdrażanie uczenia maszynowego w firmie z punktu widzenia decydenta?

http://biznesmysli.pl/43]]>3635falsefullBM42: Sztuczna inteligencja i taksówkihttps://www.spreaker.com/episode/bm42-sztuczna-inteligencja-i-taksowki--15902241- Jak optymalizacja pomogła firmie iTaxi?
- Jak podnieść atrakcyjność oraz usprawnić działanie firmy wykorzystująć uczenie maszynowe oraz sztuczną inteligencję?
- Jak skutecznie optymalizować algorytmy?
- Czy skuteczna automatyzacja może usprawnić workflow?
- Jakie są problemy oraz trudności w odpowiedniej optymalizacji algorytmów?
- Jak wykorzystać podejście symulacyjne do rozwiązywania problemów?
- Co powinno być priorytetem podczas doboru procesów, aby jak najbardziej odzwierciedlały rzeczywistość?
- Jak efektywnie wykorzystywać testy A/B?
- Jak upewnić się, że symulator działa poprawnie oraz jak odpowiednio dobrać jego parametry?
- Czy zastosowanie symulatora w przemyśle innym niż logistyka jest opłacalne?
- Na co należy uważać oraz jakich kosztów się spodziewać podczas wdrażania uczenia maszynowego oraz sztucznej inteligencji do swojej firmy?
- Jak będzie wyglądać postęp technologiczny w ciągu następnych 15 lat?

dzisiaj jestem z bardzo ciekawą osobą. Nazywa się Tomasz Brzeziński, który pracuje w iTaxi, i dla mnie takie osoby są bardzo inspirujące, interesujące dlatego, że po pierwsze, potrafią myśleć inaczej, ale czasem widzę dwa rodzaje takich ludzi, którzy myślą inaczej. Pierwszy rodzaj to taki, który po prostu się buntuje i mówi: nie, ale za tym nic nie stoi, tylko po prostu się nie zgadza. Taki trochę nastolatek. A drugi rodzaj, który przyciąga moją uwagę to człowiek, który mówi, że można coś zrobić inaczej, i za tym stoją takie twarde, lub jak to się mówi w Polsce, grube argumenty. I to jest super ciekawa rzecz, kiedy wydaje się, że tak się robiło zawsze i przychodzi ktoś i mówi: a zróbmy to inaczej. I tłumaczy dlaczego tak jest. Dobra, już nie przeciągam tego wprowadzenia. Zapraszam do wysłuchania tego odcinka.

http://biznesmysli.pl/42]]>https://api.spreaker.com/episode/15902241Mon, 08 Oct 2018 03:00:03 +0000VladimirZ tego odcinka dowiesz się: - Jak optymalizacja pomogła firmie iTaxi? - Jak podnieść atrakcyjność oraz usprawnić działanie firmy wykorzystująć uczenie maszynowe oraz sztuczną inteligencję? - Jak skutecznie optymalizować algorytmy? - Czy skuteczna...- Jak optymalizacja pomogła firmie iTaxi?
- Jak podnieść atrakcyjność oraz usprawnić działanie firmy wykorzystująć uczenie maszynowe oraz sztuczną inteligencję?
- Jak skutecznie optymalizować algorytmy?
- Czy skuteczna automatyzacja może usprawnić workflow?
- Jakie są problemy oraz trudności w odpowiedniej optymalizacji algorytmów?
- Jak wykorzystać podejście symulacyjne do rozwiązywania problemów?
- Co powinno być priorytetem podczas doboru procesów, aby jak najbardziej odzwierciedlały rzeczywistość?
- Jak efektywnie wykorzystywać testy A/B?
- Jak upewnić się, że symulator działa poprawnie oraz jak odpowiednio dobrać jego parametry?
- Czy zastosowanie symulatora w przemyśle innym niż logistyka jest opłacalne?
- Na co należy uważać oraz jakich kosztów się spodziewać podczas wdrażania uczenia maszynowego oraz sztucznej inteligencji do swojej firmy?
- Jak będzie wyglądać postęp technologiczny w ciągu następnych 15 lat?

dzisiaj jestem z bardzo ciekawą osobą. Nazywa się Tomasz Brzeziński, który pracuje w iTaxi, i dla mnie takie osoby są bardzo inspirujące, interesujące dlatego, że po pierwsze, potrafią myśleć inaczej, ale czasem widzę dwa rodzaje takich ludzi, którzy myślą inaczej. Pierwszy rodzaj to taki, który po prostu się buntuje i mówi: nie, ale za tym nic nie stoi, tylko po prostu się nie zgadza. Taki trochę nastolatek. A drugi rodzaj, który przyciąga moją uwagę to człowiek, który mówi, że można coś zrobić inaczej, i za tym stoją takie twarde, lub jak to się mówi w Polsce, grube argumenty. I to jest super ciekawa rzecz, kiedy wydaje się, że tak się robiło zawsze i przychodzi ktoś i mówi: a zróbmy to inaczej. I tłumaczy dlaczego tak jest. Dobra, już nie przeciągam tego wprowadzenia. Zapraszam do wysłuchania tego odcinka.

http://biznesmysli.pl/42]]>3797biznes,business,itaxi,machinelearning,symulator,taxi,uczeniemaszynowefalsefullBM41: 10 przykładów jak sztuczna inteligencja zmienia_e-commercehttps://www.spreaker.com/episode/bm41-10-przykladow-jak-sztuczna-inteligencja-zmienia-e-commerce--15786040
Z tego odcinka dowiesz się:
- jakie znaczenie ma zbliżająca się rewolucja przemysłowa?
- czy technologia diametralnie odmieni nasz sposób życia w przyszłości?
- czy komputer może mieć wyobraźnię?
- znaczenie sztucznej inteligencji (AI)
- na jakich płaszczyznach wykorzystuje się uczenie maszynowe?
- czy sztuczna inteligencja zastąpi człowieka w przyszłości w aspekcie kontaktu firma - klient?
- jak zaawansowane systemy rekomendacyjne dopasowują się do swoich odbiorców/klientów?
- jak bardzo sprawny oraz efektywny system rekomendacyjny może wpłynąć na sprzedaż?
- jak efektywnie zwiększyć swój open rate przy pomocy uczenia maszynowego?
- czy uczenie maszynowe jest w stanie zapobiec oszustwom podczas zakupów internetowych?
- jak odpowiednio zarządzać katalogiem (strukturami drzewiastymi) wykorzystując potencjał uczenia maszynowego?
- czy sztuczna inteligencja może stać się Twoim potencjalnym konsultantem?
- który z obecnych asystentów głosowych jest najbardziej inteligentny?
- czy w przyszłości będziemy robić zakupy przez Internet wyłącznie za pomocą komend głosowych?

http://biznesmysli.pl/41]]>https://api.spreaker.com/episode/15786040Mon, 24 Sep 2018 03:00:06 +0000VladimirPrzygotowałem dla Ciebie 10 przykładów, jak uczenie maszynowe może zmienić świat e-commerce. Z tego odcinka dowiesz się: - jakie znaczenie ma zbliżająca się rewolucja przemysłowa? - czy technologia diametralnie odmieni nasz sposób życia w...
Z tego odcinka dowiesz się:
- jakie znaczenie ma zbliżająca się rewolucja przemysłowa?
- czy technologia diametralnie odmieni nasz sposób życia w przyszłości?
- czy komputer może mieć wyobraźnię?
- znaczenie sztucznej inteligencji (AI)
- na jakich płaszczyznach wykorzystuje się uczenie maszynowe?
- czy sztuczna inteligencja zastąpi człowieka w przyszłości w aspekcie kontaktu firma - klient?
- jak zaawansowane systemy rekomendacyjne dopasowują się do swoich odbiorców/klientów?
- jak bardzo sprawny oraz efektywny system rekomendacyjny może wpłynąć na sprzedaż?
- jak efektywnie zwiększyć swój open rate przy pomocy uczenia maszynowego?
- czy uczenie maszynowe jest w stanie zapobiec oszustwom podczas zakupów internetowych?
- jak odpowiednio zarządzać katalogiem (strukturami drzewiastymi) wykorzystując potencjał uczenia maszynowego?
- czy sztuczna inteligencja może stać się Twoim potencjalnym konsultantem?
- który z obecnych asystentów głosowych jest najbardziej inteligentny?
- czy w przyszłości będziemy robić zakupy przez Internet wyłącznie za pomocą komend głosowych?

http://biznesmysli.pl/41]]>4334e-commerce,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM40 Przemyslaw Chojecki – doktor po Oxfordziehttps://www.spreaker.com/episode/bm40-przemyslaw-chojecki-doktor-po-oxfordzie--15677164
Z tego odcinka dowiesz się:
- jakie są różnice pomiędzy polską, brytyjską i francuską edukacją?
- czy są jakieś specjalne korzyści dla biznesu związane z prowadzeniem biznesu związanego ze sztuczną inteligencją?
- czym jest tak ogólna sztuczna inteligencja i czy kiedyś uda się ją stworzyć?
- jak można zastosować sztuczną inteligencję w naszym codziennym życiu?
- czym zajmuje się Ulam.ai?
- co to jest DeepAlgebra i czemu ma służyć?
- jaki problem rozwiązuje projekt Aimee?
- czy sztuczna inteligencja spowoduje, że modelki stracą pracę?
- czym są komputery kwantowe?
- czy zastosowanie komputerów kwantowych może wpłynąć na rozwój uczenia maszynowego?
- jak technologia może wpłynąć na życie ludzi w ciągu najbliższych 10-20 lat?

http://biznesmysli.pl/40]]>https://api.spreaker.com/episode/15677164Mon, 10 Sep 2018 03:00:07 +0000VladimirDzisiejszym gościem jest Przemysław Chojecki, który przez dłuższy czas mieszkał za granicą, najpierw we Francji, potem w Anglii, gdzie uczył się na Oxfordzie. Następnie jednak zdecydował się wrócić do Polski. Napisał też 2 książki, w których dzieli...
Z tego odcinka dowiesz się:
- jakie są różnice pomiędzy polską, brytyjską i francuską edukacją?
- czy są jakieś specjalne korzyści dla biznesu związane z prowadzeniem biznesu związanego ze sztuczną inteligencją?
- czym jest tak ogólna sztuczna inteligencja i czy kiedyś uda się ją stworzyć?
- jak można zastosować sztuczną inteligencję w naszym codziennym życiu?
- czym zajmuje się Ulam.ai?
- co to jest DeepAlgebra i czemu ma służyć?
- jaki problem rozwiązuje projekt Aimee?
- czy sztuczna inteligencja spowoduje, że modelki stracą pracę?
- czym są komputery kwantowe?
- czy zastosowanie komputerów kwantowych może wpłynąć na rozwój uczenia maszynowego?
- jak technologia może wpłynąć na życie ludzi w ciągu najbliższych 10-20 lat?

http://biznesmysli.pl/40]]>3666general-ai,machinelearning,uczeniemaszynowefalsefullBM39: 10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowihttps://www.spreaker.com/episode/bm39-10-przykladow-jak-uczenie-maszynowe-moze-pomoc-twojemu-biznesowi--15570901
Z tego odcinka dowiesz się:
- jak uczenie maszynowe może pomóc Twojemu biznesowi?
- czym są szeregi czasowe?
- jakie problemy rozwiązuje możliwość prognozowania popytu w przedziale czasowym?
- jakie problemy w biznesie może rozwiązać predykcja sprzedaży w przedziale czasowym?
- czy można przewidzieć, ilu klientów zamierza odejść w pewnej perspektywie czasowej?
- czy dzięki prognozowaniu można usprawnić pracę w call center?
- kto może skorzystać z prognozowania ilości awarii w przedziale czasowym?
- czy jest możliwość przewidzenia, jakie będzie zanieczyszczenie powietrza?
- od czego zależy dynamiczna zmiana cen?
- czy można przewidzieć wystąpienie choroby?
- dlaczego warto zapisać się na najbliższą edycję kursu „Praktyczne uczenie maszynowe” na DataWorkshop?

http://biznesmysli.pl/39]]>https://api.spreaker.com/episode/15570901Mon, 27 Aug 2018 03:00:06 +0000Vladimir10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi Z tego odcinka dowiesz się: - jak uczenie maszynowe może pomóc Twojemu biznesowi? - czym są szeregi czasowe? - jakie problemy rozwiązuje możliwość prognozowania popytu w przedziale...
Z tego odcinka dowiesz się:
- jak uczenie maszynowe może pomóc Twojemu biznesowi?
- czym są szeregi czasowe?
- jakie problemy rozwiązuje możliwość prognozowania popytu w przedziale czasowym?
- jakie problemy w biznesie może rozwiązać predykcja sprzedaży w przedziale czasowym?
- czy można przewidzieć, ilu klientów zamierza odejść w pewnej perspektywie czasowej?
- czy dzięki prognozowaniu można usprawnić pracę w call center?
- kto może skorzystać z prognozowania ilości awarii w przedziale czasowym?
- czy jest możliwość przewidzenia, jakie będzie zanieczyszczenie powietrza?
- od czego zależy dynamiczna zmiana cen?
- czy można przewidzieć wystąpienie choroby?
- dlaczego warto zapisać się na najbliższą edycję kursu „Praktyczne uczenie maszynowe” na DataWorkshop?

http://biznesmysli.pl/39]]>3394biznes,business,machinelearning,sztucznainteligencja,timeseriesfalsefullBM38: Sztuczna inteligencja i prawohttps://www.spreaker.com/episode/bm38-sztuczna-inteligencja-i-prawo--15425920
Z tego odcinka dowiesz się:
- czy prawo nadąża za zmianami związanymi ze sztuczną inteligencją?
- jakie wyzwania, możliwości, czy zagrożenia wiążą się z nadaniem praw robotom?
- czy robot może posiadać akt urodzenia, obywatelstwo, a nawet indeks wyższej uczelni?
- czy można sklonować robota?
- czy będzie możliwe uzyskanie obywatelstwa, takiego samego jak ma człowiek – przez robota?
- czy człowiek powinien być informowany o tym, że jest obsługiwany przez robota?
- czy są przepisy regulujące istnienie robotów w społeczeństwie?
- kiedy na polskich drogach będą jeździły samochody bez kierowców?
- do kogo należą prawa autorskie w przypadku utworu wykonanego przez sztuczną inteligencję?
- jakie są warunki harmonijnej koegzystencji ludzi i sztucznej inteligencji?
- dlaczego warto skorzystać z kursu „Praktyczne uczenie maszynowe” na DataWorkshop?

http://biznesmysli.pl/38]]>https://api.spreaker.com/episode/15425920Mon, 13 Aug 2018 03:00:06 +0000VladimirDzisiejszym gościem jest Martyna Czapska, która jest prawnikiem i jako jedyna w moim otoczeniu zajmuje się prawem związanym z tak zwaną sztuczną inteligencją. Nasza rozmowa mogła być znacznie dłuższa, bo tyle ciekawych wątków rodziło się po drodze....
Z tego odcinka dowiesz się:
- czy prawo nadąża za zmianami związanymi ze sztuczną inteligencją?
- jakie wyzwania, możliwości, czy zagrożenia wiążą się z nadaniem praw robotom?
- czy robot może posiadać akt urodzenia, obywatelstwo, a nawet indeks wyższej uczelni?
- czy można sklonować robota?
- czy będzie możliwe uzyskanie obywatelstwa, takiego samego jak ma człowiek – przez robota?
- czy człowiek powinien być informowany o tym, że jest obsługiwany przez robota?
- czy są przepisy regulujące istnienie robotów w społeczeństwie?
- kiedy na polskich drogach będą jeździły samochody bez kierowców?
- do kogo należą prawa autorskie w przypadku utworu wykonanego przez sztuczną inteligencję?
- jakie są warunki harmonijnej koegzystencji ludzi i sztucznej inteligencji?
- dlaczego warto skorzystać z kursu „Praktyczne uczenie maszynowe” na DataWorkshop?

http://biznesmysli.pl/38]]>4133biznes,business,law,machinelearning,prawo,uczeniemaszynowefalsefullBM37: Czy sztuczna inteligencja rozumie co mówisz do niej?https://www.spreaker.com/episode/bm37-czy-sztuczna-inteligencja-rozumie-co-mowisz-do-niej--15349210
Z tego odcinka dowiesz się:
- dlaczego warto przeczytać „Innowatorów” Isaacsona?
- czym zajmuje się prezes małej firmy?
- czy można połączyć biznes ze światem akademickim?
- czym jest ASR, TTS i biometria głosowa?
- jak działa system automatycznego rozpoznawania polskiej mowy?
- w jaki sposób możemy zamienić tekst na mowę?
- czy można zidentyfikować i zweryfikować mówiącego?
- jak nadążać za zmieniającą się rzeczywistością?
- czy smartfony za 5 lat będą nam w ogóle potrzebne?
- czy jest możliwe zamówienie Ubera, mówiąc do aplikacji?
- dlaczego warto zapisać się na kurs praktycznego uczenia maszynowego na DataWorkshop?

http://biznesmysli.pl/37]]>https://api.spreaker.com/episode/15349210Mon, 30 Jul 2018 03:00:06 +0000VladimirDzisiejszym gościem jest Bartosz Ziółko CEO firmy Techmo. Firma tworzy kilka rozwiazań, jedno z nich to transformacja głosu w tekst, wiem, że to rozwiązanie jest stosowane w kilku większych firmach lub bankach w Polsce, nie będę wymieniać nazw, ale tę...
Z tego odcinka dowiesz się:
- dlaczego warto przeczytać „Innowatorów” Isaacsona?
- czym zajmuje się prezes małej firmy?
- czy można połączyć biznes ze światem akademickim?
- czym jest ASR, TTS i biometria głosowa?
- jak działa system automatycznego rozpoznawania polskiej mowy?
- w jaki sposób możemy zamienić tekst na mowę?
- czy można zidentyfikować i zweryfikować mówiącego?
- jak nadążać za zmieniającą się rzeczywistością?
- czy smartfony za 5 lat będą nam w ogóle potrzebne?
- czy jest możliwe zamówienie Ubera, mówiąc do aplikacji?
- dlaczego warto zapisać się na kurs praktycznego uczenia maszynowego na DataWorkshop?

http://biznesmysli.pl/37]]>3798asr,machinelearning,speech-to-text,uczeniemaszynowefalsefullBM36: Hubert Rachwalski, CEO Nethone o walce z oszustwamihttps://www.spreaker.com/episode/bm36-hubert-rachwalski-ceo-nethone-o-walce-z-oszustwami--15240755
Dzisiejszym gościem jest Hubert Rachwalski – CEO z Nethone, który opowie więcej o tym, jak dużym problemem są oszustwa i jak można sobie z nimi radzić.

Z tego odcinka dowiesz się:
- z jakich lektur można czerpać inspiracje?
- co to jest fraud i fraud płatniczy?
- jakie są sposoby na zwalczanie fraudu?
- jak duży jest rynek rynek FDP – fraud detection and prevention
- co jest przyczyną, że ilość fraudów płatniczych cały czas rośnie?
- jak wygląda świat fraudsterów?
- czym zajmuje się spółka Nethone i na jakich rynkach działa?
- czy podejście Amerykanów do kart płatniczych jest inne niż Polaków?
- dlaczego uczenie maszynowe powinniśmy wykorzystywać w przyszłości?
- czy uczenie maszynowe może pomóc w walce z fraudem płatniczym?
- jak duże są straty finansowych związane z fraudem płatniczym na kartach kredytowych?
- jakie są prognozy odnośnie rynku FDP na najbliższą dekadę?
- dlaczego warto wziąć udział w kursie „Praktyczne uczenie maszynowe”?

http://biznesmysli.pl/36]]>https://api.spreaker.com/episode/15240755Mon, 16 Jul 2018 03:00:06 +0000VladimirTechnologia rozwija się szybko, co tworzy wiele możliwości, ale również wyzwań. Oszustwa stają się coraz większym problemem i to dla wszystkich stron: biznesu, klientów, jak również banków. Dzisiejszym gościem jest Hubert Rachwalski – CEO z...
Dzisiejszym gościem jest Hubert Rachwalski – CEO z Nethone, który opowie więcej o tym, jak dużym problemem są oszustwa i jak można sobie z nimi radzić.

Z tego odcinka dowiesz się:
- z jakich lektur można czerpać inspiracje?
- co to jest fraud i fraud płatniczy?
- jakie są sposoby na zwalczanie fraudu?
- jak duży jest rynek rynek FDP – fraud detection and prevention
- co jest przyczyną, że ilość fraudów płatniczych cały czas rośnie?
- jak wygląda świat fraudsterów?
- czym zajmuje się spółka Nethone i na jakich rynkach działa?
- czy podejście Amerykanów do kart płatniczych jest inne niż Polaków?
- dlaczego uczenie maszynowe powinniśmy wykorzystywać w przyszłości?
- czy uczenie maszynowe może pomóc w walce z fraudem płatniczym?
- jak duże są straty finansowych związane z fraudem płatniczym na kartach kredytowych?
- jakie są prognozy odnośnie rynku FDP na najbliższą dekadę?
- dlaczego warto wziąć udział w kursie „Praktyczne uczenie maszynowe”?

http://biznesmysli.pl/36]]>3910biznes,business,fraud,machinelearning,nethone,oszustwa,uczeniemaszynowefalsefullBM35: Andrzej Sobczak o RPA - profesor, praktyk, pasjonathttps://www.spreaker.com/episode/bm35-andrzej-sobczak-o-rpa-profesor-praktyk-pasjonat--15164570
Z tego odcinka dowiesz się:
- czy da się łączyć świat akademicki ze światem biznesu?
- czym jest RPA?
- jaki problem rozwiązuje RPA?
- w jakich obszarach RPA najbardziej się sprawdza?
- w jakich instytucjach, branżach w Polsce najczęściej stosowane są roboty?
- jakie są korzyści zastąpienia pracy człowieka przez pracę robota?
- jak najlepiej zacząć wdrażanie RPA w firmie?
- jakie są najpopularniejsze na rynku narzędzia RPA?
- kiedy opłaca się pisać swoje własne narzędzia?
- czy RPA przyczyni się do tego, że część osób straci pracę?
- czy zawód developer RPA, to zawód tymczasowy czy na kilka lat?
- w jakim czasie usługi kognitywne trafią na produkcję?
- jak wygląda przyszłość RPA?
- dla kogo jest kurs Data Workshop?

http://biznesmysli.pl/35]]>https://api.spreaker.com/episode/15164570Mon, 02 Jul 2018 03:00:06 +0000VladimirW raporcie „Ramię w ramię z robotem” przygotowany przez McKinsey i Forbes można w nim znaleźć sporo ciekawych rzeczy, zacytuję jedną z nich: „Nawet 49 proc. czasu pracy w Polsce (odpowiednik 7,3 mln miejsc pracy) może zostać zautomatyzowane do 2030 r....
Z tego odcinka dowiesz się:
- czy da się łączyć świat akademicki ze światem biznesu?
- czym jest RPA?
- jaki problem rozwiązuje RPA?
- w jakich obszarach RPA najbardziej się sprawdza?
- w jakich instytucjach, branżach w Polsce najczęściej stosowane są roboty?
- jakie są korzyści zastąpienia pracy człowieka przez pracę robota?
- jak najlepiej zacząć wdrażanie RPA w firmie?
- jakie są najpopularniejsze na rynku narzędzia RPA?
- kiedy opłaca się pisać swoje własne narzędzia?
- czy RPA przyczyni się do tego, że część osób straci pracę?
- czy zawód developer RPA, to zawód tymczasowy czy na kilka lat?
- w jakim czasie usługi kognitywne trafią na produkcję?
- jak wygląda przyszłość RPA?
- dla kogo jest kurs Data Workshop?

http://biznesmysli.pl/35]]>3485automatizatoin,biznes,machinelearning,rpa,transformationfalsefullBM34: Sztuczna inteligencja, cyberbezpieczeństwa i hackerzyhttps://www.spreaker.com/episode/bm34-sztuczna-inteligencja-cyberbezpieczenstwa-i-hackerzy--15061232
Z tego odcinka dowiesz się:
- czym jest cyberbezpieczeństwo
- jakie wyzwania czekają ludzi, gdy roboty przejmą naszą pracę
- jaki związek ma uczenie maszynowe z cyberprzestępczością
- dlaczego powstała cyberprzestępczość i dlaczego jest niebezpieczna
- czy uczenie maszynowe może pomóc w walce z cyberprzestępczością
- jakie są efekty ataków hakerskich
- jak wyglądają statystyki odnośnie cyberincydentów
- na czym polega atak DDoS
- jaka jest różnica pomiędzy atakiem hakerskim a cyberincydentem
- czym zajmuje się firma Grey Wizard
- jak dbać o bezpieczeństwo swoich danych w sieci
- czy cyberataki mają tendencję wzrostową
- czy programy zabezpieczające przed cyberprzestępczością wpływają na szybkość strony
- jak ocenia kurs „Praktyczne uczenie maszynowe” jeden z jego uczestników

http://biznesmysli.pl/34]]>https://api.spreaker.com/episode/15061232Mon, 18 Jun 2018 03:50:04 +0000VladimirCyberbezpieczeństwo zwykle ma dwa bieguny, mam na myśli to, że ma dwie skrajności. Pierwszy i chyba najbardziej popularny biegun – to totalna ignorancja. Drugi to próba naprawienia i zrozumienia, że sytuacja jest kiepska, kiedy już coś poszło nie tak....
Z tego odcinka dowiesz się:
- czym jest cyberbezpieczeństwo
- jakie wyzwania czekają ludzi, gdy roboty przejmą naszą pracę
- jaki związek ma uczenie maszynowe z cyberprzestępczością
- dlaczego powstała cyberprzestępczość i dlaczego jest niebezpieczna
- czy uczenie maszynowe może pomóc w walce z cyberprzestępczością
- jakie są efekty ataków hakerskich
- jak wyglądają statystyki odnośnie cyberincydentów
- na czym polega atak DDoS
- jaka jest różnica pomiędzy atakiem hakerskim a cyberincydentem
- czym zajmuje się firma Grey Wizard
- jak dbać o bezpieczeństwo swoich danych w sieci
- czy cyberataki mają tendencję wzrostową
- czy programy zabezpieczające przed cyberprzestępczością wpływają na szybkość strony
- jak ocenia kurs „Praktyczne uczenie maszynowe” jeden z jego uczestników

http://biznesmysli.pl/34]]>3302artificialintelligence,biznes,business,cubersecurity,machinelearningfalsefullBM33: Łukasz Siatka - ex Googler, Facebookerhttps://www.spreaker.com/episode/bm33-lukasz-siatka-ex-googler-facebooker--14894368- czym zajmuje się Łukasz Siatka,
- co to jest to TPU i jakie problemy rozwiązuje,
- czy TPU ma przewagę nad GPU,
- jak w praktyce wykorzystywane jest TPU,
- co zrobić, żeby wejść w świat deep learningu,
- kiedy opłaca się kupować własną kartę, a kiedy lepiej przejść na chmurę,
- na czym polega rola sound engineera,
- jakie są największe wyzwania w uczeniu maszynowym,
- które obszary w uczeniu maszynowym rozwijają się najszybciej,
- jak wdrożyć uczenie maszynowe w swoim biznesie,
- czym zajmuje się organizacja Machine Learning Study Group,
- jakie są stanowiska w Facebooku, czy podobnej wielkości firmach, związane z uczeniem - maszynowym i analizą, jakich kompetencji wymagają,
- od czego zacząć naukę uczenia maszynowego i gdzie się uczyć.

Dzisiaj chciałem szerzej poruszyć temat infrastruktury, również zająć się Google. Już dawno temu chciałem zaprosić Łukasza, który jest dzisiejszym gościem, jednak pewne ograniczenia, nie do końca zależne od Łukasza, spowodowały, że trochę się to przeciągnęło w czasie. Dobra wiadomość jest taka, że udało się nam spotkać i nagrać odcinek. Łukasz wcześniej pracował w Google, teraz pracuje w Facebooku, wykonuje wiele różnych ciekawych rzeczy, dla mnie jest taką skrzynką pełną wiedzy, bo potrafi odpowiedzieć na wszystkie pytania. Być może ma jakieś limity, ale jak na razie nie udało mi się go zaskoczyć, jego wiedza jest tak szeroka, że nasze rozmowy mogłyby trwać wieczność.

Co jakiś czas mamy okazję wspólnie działać na różnych eventach, hackatonach i są to zawsze bardzo inspirujące spotkania i rozmowy, dlatego pomyślałem, że fajnie byłoby zaprosić Łukasza, żeby podzielić się z większym gronem. Ta rozmowa była momentami bardzo techniczna, ale się nie przerażajcie, bo było również sporo wskazówek biznesowych, jak i edukacyjnych, czyli jak się zabrać do uczenia maszynowego.

Zapraszam: http://biznesmysli.pl/33]]>https://api.spreaker.com/episode/14894368Mon, 04 Jun 2018 03:00:06 +0000VladimirZ tego odcinka dowiesz się: - czym zajmuje się Łukasz Siatka, - co to jest to TPU i jakie problemy rozwiązuje, - czy TPU ma przewagę nad GPU, - jak w praktyce wykorzystywane jest TPU, - co zrobić, żeby wejść w świat deep learningu, - kiedy...- czym zajmuje się Łukasz Siatka,
- co to jest to TPU i jakie problemy rozwiązuje,
- czy TPU ma przewagę nad GPU,
- jak w praktyce wykorzystywane jest TPU,
- co zrobić, żeby wejść w świat deep learningu,
- kiedy opłaca się kupować własną kartę, a kiedy lepiej przejść na chmurę,
- na czym polega rola sound engineera,
- jakie są największe wyzwania w uczeniu maszynowym,
- które obszary w uczeniu maszynowym rozwijają się najszybciej,
- jak wdrożyć uczenie maszynowe w swoim biznesie,
- czym zajmuje się organizacja Machine Learning Study Group,
- jakie są stanowiska w Facebooku, czy podobnej wielkości firmach, związane z uczeniem - maszynowym i analizą, jakich kompetencji wymagają,
- od czego zacząć naukę uczenia maszynowego i gdzie się uczyć.

Dzisiaj chciałem szerzej poruszyć temat infrastruktury, również zająć się Google. Już dawno temu chciałem zaprosić Łukasza, który jest dzisiejszym gościem, jednak pewne ograniczenia, nie do końca zależne od Łukasza, spowodowały, że trochę się to przeciągnęło w czasie. Dobra wiadomość jest taka, że udało się nam spotkać i nagrać odcinek. Łukasz wcześniej pracował w Google, teraz pracuje w Facebooku, wykonuje wiele różnych ciekawych rzeczy, dla mnie jest taką skrzynką pełną wiedzy, bo potrafi odpowiedzieć na wszystkie pytania. Być może ma jakieś limity, ale jak na razie nie udało mi się go zaskoczyć, jego wiedza jest tak szeroka, że nasze rozmowy mogłyby trwać wieczność.

Co jakiś czas mamy okazję wspólnie działać na różnych eventach, hackatonach i są to zawsze bardzo inspirujące spotkania i rozmowy, dlatego pomyślałem, że fajnie byłoby zaprosić Łukasza, żeby podzielić się z większym gronem. Ta rozmowa była momentami bardzo techniczna, ale się nie przerażajcie, bo było również sporo wskazówek biznesowych, jak i edukacyjnych, czyli jak się zabrać do uczenia maszynowego.

Zapraszam: http://biznesmysli.pl/33]]>4111google,infrastruktura,machinelearning,tpu,uczeniemaszynowefalsefullBM32: DataWorkshop i praktyczne uczenie maszynowehttps://www.spreaker.com/episode/bm32-dataworkshop-i-praktyczne-uczenie-maszynowe--14826051

Z tego odcinka dowiesz się:
- czym zajmowałem się na etacie i czy łatwo było z niego zrezygnować,
- kiedy rozpocznie się trzecia edycja kursu Data Workshop i czym będzie się różnić od poprzednich edycji,
- jakie mam plany na ten rok i gdzie będziecie się mogli ze mną zobaczyć,
- kim z zawodu są uczestnicy drugiej edycji kursu DataWorkshop,
- dla kogo jest ten kurs i jak praktycznie wykorzystać tę wiedzę,
- jakie trudności uczestnicy mieli podczas nauki Pythona,
- jakimi wrażeniami z kursu mogą się podzielić,
- czy to, czego się nauczyli pomoże im w realizacji planów zawodowych,
- jak widzą przyszłość sztucznej inteligencji.

http://biznesmysli.pl/32]]>https://api.spreaker.com/episode/14826051Mon, 21 May 2018 03:00:06 +0000VladimirInwestycja w uczenie maszynowe teraz, jest warte co najmniej tyle, jak inwestycja w telefony komórkowy 5-7 lat temu. Natomiast jak do tego zabrać się? Polecam przesłuchać opinię osób, które przerobili kurs praktyczne uczenie maszynowe na DataWorkshop....

Z tego odcinka dowiesz się:
- czym zajmowałem się na etacie i czy łatwo było z niego zrezygnować,
- kiedy rozpocznie się trzecia edycja kursu Data Workshop i czym będzie się różnić od poprzednich edycji,
- jakie mam plany na ten rok i gdzie będziecie się mogli ze mną zobaczyć,
- kim z zawodu są uczestnicy drugiej edycji kursu DataWorkshop,
- dla kogo jest ten kurs i jak praktycznie wykorzystać tę wiedzę,
- jakie trudności uczestnicy mieli podczas nauki Pythona,
- jakimi wrażeniami z kursu mogą się podzielić,
- czy to, czego się nauczyli pomoże im w realizacji planów zawodowych,
- jak widzą przyszłość sztucznej inteligencji.

http://biznesmysli.pl/32]]>4812biznes,course,dataworkshop,machinelearning,trainingfalsefullBM31: Sztuczna inteligencja i nauki społecznehttps://www.spreaker.com/episode/bm31-sztuczna-inteligencja-i-nauki-spoleczne--14707797
- czym zajmuje się Konrad Błaszkiewicz,
- czym są obliczeniowe nauki społeczne Computational Social Science,
- jakie są większe problemy do rozwiązania w obszarach psychologii, socjologii,
- jak smartfony zmieniają badania psychologiczne,
- jaki ma cel i jaki problem ma rozwiązać program Menthal,
- czy ludzie piszą prawdę w kwestionariuszach,
- czy smartfony mogą pomóc w badaniach nad depresją i wczesnym jej wykrywaniu,
- co robią najbardziej inspirujące osoby z dziedziny Computational Social Science,
- co może pomóc poznać, co myślą i czują dzieci z autyzmem,
- jakie informacje o człowieku można poznać analizując jego aktywność na Facebooku,
- jakie zastosowanie mogą mieć badania na sieciach społecznościowych w biznesie,
- czy w sieciach społecznościowych można się schować,
- jak naukowcy podchodzą do tematu etyki,
- do jakich celów można wykorzystać badania prowadzone w sieciach społecznościowych.

http://biznesmysli.pl/31]]>https://api.spreaker.com/episode/14707797Mon, 07 May 2018 03:00:06 +0000VladimirZ tego odcinka dowiesz się: - czym zajmuje się Konrad Błaszkiewicz, - czym są obliczeniowe nauki społeczne Computational Social Science, - jakie są większe problemy do rozwiązania w obszarach psychologii, socjologii, - jak smartfony zmieniają...
- czym zajmuje się Konrad Błaszkiewicz,
- czym są obliczeniowe nauki społeczne Computational Social Science,
- jakie są większe problemy do rozwiązania w obszarach psychologii, socjologii,
- jak smartfony zmieniają badania psychologiczne,
- jaki ma cel i jaki problem ma rozwiązać program Menthal,
- czy ludzie piszą prawdę w kwestionariuszach,
- czy smartfony mogą pomóc w badaniach nad depresją i wczesnym jej wykrywaniu,
- co robią najbardziej inspirujące osoby z dziedziny Computational Social Science,
- co może pomóc poznać, co myślą i czują dzieci z autyzmem,
- jakie informacje o człowieku można poznać analizując jego aktywność na Facebooku,
- jakie zastosowanie mogą mieć badania na sieciach społecznościowych w biznesie,
- czy w sieciach społecznościowych można się schować,
- jak naukowcy podchodzą do tematu etyki,
- do jakich celów można wykorzystać badania prowadzone w sieciach społecznościowych.

http://biznesmysli.pl/31]]>4088biznes,datascience,facebook,machinelearning,psychologia,socialscience,socjologiafalsefullBM30: Czy komputer potrafi czytać Twoje myśli?https://www.spreaker.com/episode/bm30-czy-komputer-potrafi-czytac-twoje-mysli--14581399
Z tego odcinka dowiesz się:

jak to się dzieje, że osoby niepełnosprawne mogą poruszać przedmioty siłą myśli,
co się dzieje z naszym mózgiem, gdy przestajemy go używać,
czy myśli są materialne,
czy możemy przekazywać nasze myśli innym ludziom,
jak dbać o mózg, by dobrze nam służył,
dlaczego ludziom jest się trudno porozumiewać,
czy telepatia istnieje,
jakie są rodzaje integracji z mózgiem,
czy czepek EEG potrafi czytać myśli ludzi,
czy mózg odbiera informacji poza naszą świadomością,
jak można wykorzystać interfejs mózg-komputer w leczeniu padaczki,
czy BCI to ratunek dla osób niepełnosprawnych,
czy Twój mózg może udać się na Marsa,
jakie są różne zastosowania integracji mózgu.

http://biznesmysli.pl/30]]>https://api.spreaker.com/episode/14581399Mon, 23 Apr 2018 03:00:05 +0000VladimirJak myślisz, czy można czytać Twoje myśli? Być może już są technologie umożliwiające czytanie Twoich myśli, a może nawet więcej – narzucanie własnych myśli. Czy osoba, która jest sparaliżowana, może zagrać w piłkę nożną czy na przykład zrobić sobie...
Z tego odcinka dowiesz się:

jak to się dzieje, że osoby niepełnosprawne mogą poruszać przedmioty siłą myśli,
co się dzieje z naszym mózgiem, gdy przestajemy go używać,
czy myśli są materialne,
czy możemy przekazywać nasze myśli innym ludziom,
jak dbać o mózg, by dobrze nam służył,
dlaczego ludziom jest się trudno porozumiewać,
czy telepatia istnieje,
jakie są rodzaje integracji z mózgiem,
czy czepek EEG potrafi czytać myśli ludzi,
czy mózg odbiera informacji poza naszą świadomością,
jak można wykorzystać interfejs mózg-komputer w leczeniu padaczki,
czy BCI to ratunek dla osób niepełnosprawnych,
czy Twój mózg może udać się na Marsa,
jakie są różne zastosowania integracji mózgu.

http://biznesmysli.pl/30]]>4518braincomputerinterface,machinelearning,uczeniemaszynowefalsefullBM29: Sztuczna inteligencja w edukacjihttps://www.spreaker.com/episode/bm29-sztuczna-inteligencja-w-edukacji--14486415
Można to zobrazować w ten sposób, że nauczycielka chodzi z nożyczkami i obcina myśli, które wykraczają poza standard. Wtedy wszystkie dzieci zaczynają myśleć podobnie. Mało tego, taka nauczycielka robi to nieświadomie, bo ktoś wcześniej zrobił jej to samo w dzieciństwie.

Wynikiem tego zabiegu jest to, że człowiek przestaje być jednostką twórczą, czyli człowiekiem i staje się jedynie maszyną. Po zakończeniu szkoły są jeszcze studia, gdzie „zabawa” jest kontynuowana i po studiach pojawia się „żołnierz”, który potrafi tylko wykonywać polecenia. Oczywiście taki żołnierz jest przekonany, że jest jednostką niezależną… Tylko czemu w takim razie sens większości sprowadza się do samonapędzającej spirali konsumpcji. Po prostu chce się coraz więcej kupować, kupować i jeszcze raz kupować. Do tego jeszcze wrócę.

Jak już powiedziałem, obecnie jest taki standard tworzenia żołnierzy, ludzi, którzy w zachowaniu, myśleniu i działaniu zachowują się jak klony. Albert Einstein kiedyś powiedział: „Każdy jest geniuszem, ale jeśli zaczniesz oceniać rybę pod względem jej zdolności wspinania się na drzewa, to przez całe życie będzie myślała, że jest głupia„.

Pewnie każdy z nas na lekcjach historii czytał, że niewolnictwo skończyło się tysiące czy setki lat temu. Czy tak naprawdę się stało? W języku polskim sens słowa „niewolnictwo” to brak woli. Jak myślisz, czy obecny system edukacji dostarcza do świadomości ważność woli?

Nowoczesny system edukacji produkuje idealnych konsumentów. Kraje, tak zwane zachodnie, zrobiły bardzo duży postęp w tym kierunku. Polska próbuje je gonić, tylko pytanie, czy tędy droga?

Serdecznie zapraszam.

http://biznesmysli.pl/29]]>https://api.spreaker.com/episode/14486415Mon, 09 Apr 2018 03:00:05 +0000VladimirHistorycznie tak się złożyło, że w naszej cywilizacji (mówię „nasza”, bo raczej było ich więcej niż jedna, ale to zostawiam do rozważenia przez Ciebie) przez dłuższy czas większość ludzi nie miała dostępu do wiedzy czy nawet informacji.W ostatnich...
Można to zobrazować w ten sposób, że nauczycielka chodzi z nożyczkami i obcina myśli, które wykraczają poza standard. Wtedy wszystkie dzieci zaczynają myśleć podobnie. Mało tego, taka nauczycielka robi to nieświadomie, bo ktoś wcześniej zrobił jej to samo w dzieciństwie.

Wynikiem tego zabiegu jest to, że człowiek przestaje być jednostką twórczą, czyli człowiekiem i staje się jedynie maszyną. Po zakończeniu szkoły są jeszcze studia, gdzie „zabawa” jest kontynuowana i po studiach pojawia się „żołnierz”, który potrafi tylko wykonywać polecenia. Oczywiście taki żołnierz jest przekonany, że jest jednostką niezależną… Tylko czemu w takim razie sens większości sprowadza się do samonapędzającej spirali konsumpcji. Po prostu chce się coraz więcej kupować, kupować i jeszcze raz kupować. Do tego jeszcze wrócę.

Jak już powiedziałem, obecnie jest taki standard tworzenia żołnierzy, ludzi, którzy w zachowaniu, myśleniu i działaniu zachowują się jak klony. Albert Einstein kiedyś powiedział: „Każdy jest geniuszem, ale jeśli zaczniesz oceniać rybę pod względem jej zdolności wspinania się na drzewa, to przez całe życie będzie myślała, że jest głupia„.

Pewnie każdy z nas na lekcjach historii czytał, że niewolnictwo skończyło się tysiące czy setki lat temu. Czy tak naprawdę się stało? W języku polskim sens słowa „niewolnictwo” to brak woli. Jak myślisz, czy obecny system edukacji dostarcza do świadomości ważność woli?

Nowoczesny system edukacji produkuje idealnych konsumentów. Kraje, tak zwane zachodnie, zrobiły bardzo duży postęp w tym kierunku. Polska próbuje je gonić, tylko pytanie, czy tędy droga?

Serdecznie zapraszam.

http://biznesmysli.pl/29]]>3491biznes,business,education,edukacja,machinelearning,uczeniemaszynowefalsefullBM28: Cyborgihttps://www.spreaker.com/episode/bm28-cyborgi--14382122
Spróbujmy dzisiaj chociaż w niewielkim stopniu dotknąć tematu cyborgów i wyjaśnić o co w tym chodzi. Dzisiejszym gościem jest Ula Skiepko, która jest bardzo aktywną osobą. Ostatnio wspólnie zorganizowaliśmy wydarzenie, widziałem, że czytała też książkę. Zapytałem o czym ona była - odpowiedź: o biopolityce. Nasza rozmowa była dość krótka, ale inspirująca - już wtedy wiedziałem, że chcę ją zaprosić, ponieważ ma wiele do powiedzenia w tym temacie.

http://biznesmysli.pl/28]]>https://api.spreaker.com/episode/14382122Mon, 26 Mar 2018 03:00:06 +0000VladimirO czym myślisz kiedy słyszysz słowo cyborg? Brzmi to dość groźnie - jednak, czy my wszyscy nadal jesteśmy normalni? Gdyby zapytać człowieka, który żył 200 czy nawet 100 lat temu, to on z całą pewnością powiedziałby, że my wszyscy jesteśmy cyborgami :)...
Spróbujmy dzisiaj chociaż w niewielkim stopniu dotknąć tematu cyborgów i wyjaśnić o co w tym chodzi. Dzisiejszym gościem jest Ula Skiepko, która jest bardzo aktywną osobą. Ostatnio wspólnie zorganizowaliśmy wydarzenie, widziałem, że czytała też książkę. Zapytałem o czym ona była - odpowiedź: o biopolityce. Nasza rozmowa była dość krótka, ale inspirująca - już wtedy wiedziałem, że chcę ją zaprosić, ponieważ ma wiele do powiedzenia w tym temacie.

http://biznesmysli.pl/28]]>3368biznes,cyborgi,machinelearning,sztucznainteligencja,uczeniemaszynowefalsefullBM27: Autonomiczne samochodyhttps://www.spreaker.com/episode/bm27-autonomiczne-samochody--14259451
Poruszyliśmy wiele tematów, zaczynając od tego czy nasze dzieci będą potrzebować prawo jazdy i kończąc na bardziej śmiesznych, ale jednak kreatywnych tematach - np. rozmawiając o autonomicznych trampkach.

Karol przygotował dla Ciebie prezent - “Samochody autonomiczne”, ale o tym więcej będzie na końcu. Wtedy powiem też trochę o pierwszej rocznicy BiznesMyśli.

http://biznesmysli.pl/27]]>https://api.spreaker.com/episode/14259451Mon, 12 Mar 2018 04:00:05 +0000VladimirDzisiejszym tematem są samochody autonomiczne. To jest jedna z najbardziej widocznych gałęzi jeśli chodzi o zmiany w przyszłości. Gościem jest Karol Majek - jeden z najlepszych znanych mi specjalistów w tym zakresie w Polsce. Co bardzo mnie cieszy...
Poruszyliśmy wiele tematów, zaczynając od tego czy nasze dzieci będą potrzebować prawo jazdy i kończąc na bardziej śmiesznych, ale jednak kreatywnych tematach - np. rozmawiając o autonomicznych trampkach.

Karol przygotował dla Ciebie prezent - “Samochody autonomiczne”, ale o tym więcej będzie na końcu. Wtedy powiem też trochę o pierwszej rocznicy BiznesMyśli.

http://biznesmysli.pl/27]]>3130autnomouscar,biznes,machinelearning,samochodyautonomiczne,uczeniemaszynowefalsefullBM26: Scoring, systemy rekomendacyjne po analizę listów Warren'a Buffet'ahttps://www.spreaker.com/episode/bm26-scoring-systemy-rekomendacyjne-po-analize-listow-warren-a-buffet-a--14142059
Poruszyliśmy kilka wątków. Pierwszy to scoring w branże finansowej. Mateusz podzielił się swoją doświadczeniem jak wraz z zespołem dobierają algorytmy. W skrócie chodziło o trzy rzeczy: interpretowalność, dokładność i stabilność algorytmów. Omówił dla przykładu zalety i wady drzew decyzyjnych czy regresji liniowej w tym zagadnieniu.

Następny poruszyliśmy temat systemów rekomendacyjnych, gdzie Mateusz wyjaśnił jakie są dostępne rozwiązania. Również omówił wady i zalety poszczególnych rozwiązań.

Mateusz prowadzi blog, gdzie można znaleźć ciekawe artykuły związane z analizą danych. Omówiliśmy dwa, jeden związany z bokserem Ali a drugi na temat inwestycyjny i analizie listów Warrena Buffeta.

Aha... i również jest prezent. Chcesz go dostać? Zapisz się na newsletter.

Zapraszam do wysłchuania.

http://biznesmysli.pl/26]]>https://api.spreaker.com/episode/14142059Mon, 26 Feb 2018 04:00:05 +0000VladimirDzisiejszym gościem jest Mateusz Grzyb, który pracuje jako Data Scientist w ITImagination. Poruszyliśmy kilka wątków. Pierwszy to scoring w branże finansowej. Mateusz podzielił się swoją doświadczeniem jak wraz z zespołem dobierają algorytmy. W...
Poruszyliśmy kilka wątków. Pierwszy to scoring w branże finansowej. Mateusz podzielił się swoją doświadczeniem jak wraz z zespołem dobierają algorytmy. W skrócie chodziło o trzy rzeczy: interpretowalność, dokładność i stabilność algorytmów. Omówił dla przykładu zalety i wady drzew decyzyjnych czy regresji liniowej w tym zagadnieniu.

Następny poruszyliśmy temat systemów rekomendacyjnych, gdzie Mateusz wyjaśnił jakie są dostępne rozwiązania. Również omówił wady i zalety poszczególnych rozwiązań.

Mateusz prowadzi blog, gdzie można znaleźć ciekawe artykuły związane z analizą danych. Omówiliśmy dwa, jeden związany z bokserem Ali a drugi na temat inwestycyjny i analizie listów Warrena Buffeta.

Aha... i również jest prezent. Chcesz go dostać? Zapisz się na newsletter.

Zapraszam do wysłchuania.

http://biznesmysli.pl/26]]>3488ai,machinelearning,scoring,uczeniemaszynowefalsefullBM25: Data Driven Organisationhttps://www.spreaker.com/episode/bm25-data-driven-organisation--14028034https://api.spreaker.com/episode/14028034Mon, 12 Feb 2018 04:00:05 +0000VladimirGościem odcinka jest Wojtek Ptak - CTO w FreshMail. Wojtek podzielił się swoim doświadczeniem, który zbiera przez dłuższy czas. Dlatego przygotuj się na dużą dawkę wiedzę. W tym odcinku, między innymi dowiesz się, o co chodzi z data driven...4585biznes,business,culture,data,datadriven,machinelearning,teamfalsefullBM24: Jak stosować używać uczenie maszynowe w praktyce?https://www.spreaker.com/episode/bm24-jak-stosowac-uzywac-uczenie-maszynowe-w-praktyce--13908611
Sytuacja jest czasem paradoksalna, kiedy firmy oferują gigantyczne kwoty dla specjalistów, żeby zaprosić ich do swojego zespołu. Oczywiscie, fajnie jest kiedy Twoja firma to Google czy Microsoft, gdzie roczny zysk wynosi blisko 100 miliardów dolarów. Natomiast, jak sobie radzić w sytuacji, kiedy Twoja firma jest w Polsce i jej obroty są mniejsze o 3 lub nawet 5 zer? :)

Również z drugiej strony, jeśli jesteś ambitnym człowiekiem, który chce wejść w temat uczenia maszynowego, ale jest to zbyt trudne. Być może już nawet były pierwsze próby, tylko po nich pojawiła się wiedza teoretyczna, brakowało zrozumienia jak ją wykorzystać i teraz czujesz się zagubiony.

Mam dobrą wiadomość dla Ciebie...

http://biznesmysli.pl/24]]>https://api.spreaker.com/episode/13908611Mon, 29 Jan 2018 04:00:04 +0000VladimirŚwiat zmienia się szybciej niż myślisz, to już chyba wiesz…. Ale zmiany z definicji potrzebują kogoś, jak na razie jeszcze cały czas chodzi o ludzi, kto będzie je realizował. Przez to, że świat tak dynamicznie pędzi do przodu są dość duże braki...
Sytuacja jest czasem paradoksalna, kiedy firmy oferują gigantyczne kwoty dla specjalistów, żeby zaprosić ich do swojego zespołu. Oczywiscie, fajnie jest kiedy Twoja firma to Google czy Microsoft, gdzie roczny zysk wynosi blisko 100 miliardów dolarów. Natomiast, jak sobie radzić w sytuacji, kiedy Twoja firma jest w Polsce i jej obroty są mniejsze o 3 lub nawet 5 zer? :)

Również z drugiej strony, jeśli jesteś ambitnym człowiekiem, który chce wejść w temat uczenia maszynowego, ale jest to zbyt trudne. Być może już nawet były pierwsze próby, tylko po nich pojawiła się wiedza teoretyczna, brakowało zrozumienia jak ją wykorzystać i teraz czujesz się zagubiony.

Mam dobrą wiadomość dla Ciebie...

http://biznesmysli.pl/24]]>4118biznes,business,kurs,machinelearning,praktyka,uczeniemaszynowe,wiedzafalsefullBM23: Czy Chiny stają się nowym centrum świata?https://www.spreaker.com/episode/bm23-czy-chiny-staja-sie-nowym-centrum-swiata--13802077
Celem tego odcinka jest pokazanie, że żyjemy w czasach kiedy wiele rzeczy zmienia się i raczej będziemy świadkami przesunięcia centrum bogactwa, przynajmniej materialnego, ze Stanów Zjednoczonych do Chin. Mało tego, zmienia się sposób działania Chin, wcześniej było to przede wszystkim kopiowanie innych, teraz jest to już tworzenie i promowanie trendów, również w tematach związanych ze sztuczną inteligencją.

Czy jest to możliwe? Poświęćmy trochę czasu, żeby lepiej zrozumieć kontekst. Zacznijmy, oczywiście, od “pieniążków” :). Jak się mówi: “kto płaci, ten zamawia muzykę”.

http://biznesmysli.pl/23]]>https://api.spreaker.com/episode/13802077Mon, 15 Jan 2018 04:00:05 +0000VladimirKiedy słyszysz słowo ”Chiny”, to o czym myślisz? Prawdopodobnie, o chińskich tanich produktach, które zalewają rynki i widzisz ten słynny napis “made in China”. Pewnie przychodzi Ci do głowy myśl, że Chiny to królestwo podróbek. Zwykle, na tym kończy...
Celem tego odcinka jest pokazanie, że żyjemy w czasach kiedy wiele rzeczy zmienia się i raczej będziemy świadkami przesunięcia centrum bogactwa, przynajmniej materialnego, ze Stanów Zjednoczonych do Chin. Mało tego, zmienia się sposób działania Chin, wcześniej było to przede wszystkim kopiowanie innych, teraz jest to już tworzenie i promowanie trendów, również w tematach związanych ze sztuczną inteligencją.

Czy jest to możliwe? Poświęćmy trochę czasu, żeby lepiej zrozumieć kontekst. Zacznijmy, oczywiście, od “pieniążków” :). Jak się mówi: “kto płaci, ten zamawia muzykę”.

http://biznesmysli.pl/23]]>3420artificialintelligence,business,china,future,machinelearningfalsefullBM22: Sztuczna inteligencja w przemyślehttps://www.spreaker.com/episode/bm22-sztuczna-inteligencja-w-przemysle--13650941
Ciekawy jestem, jak przemysł zmieni się za jakieś 5-10 lat. Opór do zmian, zwykle istnieje w głowach osób, które kierują - czyli kadra kierownicza. To są ludzie, już w starszym wieku, które naturalnie są bardzo konserwatywne. Akurat, w większości przypadków, to dobrze, no bo jak “szalony nastolatek” zacznie sterować ciężkim przemyślem, to nic ciekawego z tego nie wyniknie. Z drugiej strony, ciężko już jest ignorować ML. Myślę, że największą motywacją do zmian - jak to często bywa - jest konkurencja. Tylko po co czekać kolejne 5-10 lat i potem próbować nadrobić to, co być może będzie trudne do nadrobienia? Co o tym sądzisz?]]>https://api.spreaker.com/episode/13650941Mon, 25 Dec 2017 04:00:05 +0000VladimirDzisiejszym gościem jest Teresa Kurek, która pracuje w Transition Technologies i miała możliwość budować model do optymalizacji... (uwaga!) pracy młyna węglowego. Zapraszam do wysłuchania tego odcinka, dowiesz się więcej o problemie, jak i...
Ciekawy jestem, jak przemysł zmieni się za jakieś 5-10 lat. Opór do zmian, zwykle istnieje w głowach osób, które kierują - czyli kadra kierownicza. To są ludzie, już w starszym wieku, które naturalnie są bardzo konserwatywne. Akurat, w większości przypadków, to dobrze, no bo jak “szalony nastolatek” zacznie sterować ciężkim przemyślem, to nic ciekawego z tego nie wyniknie. Z drugiej strony, ciężko już jest ignorować ML. Myślę, że największą motywacją do zmian - jak to często bywa - jest konkurencja. Tylko po co czekać kolejne 5-10 lat i potem próbować nadrobić to, co być może będzie trudne do nadrobienia? Co o tym sądzisz?]]>3049ai,biznes,industry,machinelearning,przemysł,sztucznainteligencja,uczeniemaszynowefalsefullBM21: Sztuczna inteligencja i etyka, ludzi i roboty... rozmowa z Greg Albrechthttps://www.spreaker.com/episode/bm21-sztuczna-inteligencja-i-etyka-ludzi-i-roboty-rozmowa-z-greg-albrecht--13552001
Poruszyliśmy wiele ciekawych i ważnych tematów, czy obecne zachownie człowieka, nie jest przypadkiem "chorobą" dla ziemie albo czy sztuczna intelingencja zrobi nas bardziej szczęśliwymi ludźmi?

Zapraszam do wysłuchania.
http://biznesmysli.pl/21]]>https://api.spreaker.com/episode/13552001Mon, 11 Dec 2017 04:00:03 +0000VladimirGreg Albrecht jest naszym dzisiejszym gościem. Jest to człowiek, z jednej strony dość mocno powiązany z biznesem (jest inwestorem), ale również ze światem technologicznym. Jest on partnerem funduszu inwestycyjnego, który specjalizuje się na projektach...
Poruszyliśmy wiele ciekawych i ważnych tematów, czy obecne zachownie człowieka, nie jest przypadkiem "chorobą" dla ziemie albo czy sztuczna intelingencja zrobi nas bardziej szczęśliwymi ludźmi?

Zapraszam do wysłuchania.
http://biznesmysli.pl/21]]>3510biznes,człowiek,etyka,machinelearning,sztucznainteligencjafalsefullBM20: Sztuczna inteligencja coraz sprawniej zarządza dźwiękiemhttps://www.spreaker.com/episode/bm20-sztuczna-inteligencja-coraz-sprawniej-zarzadza-dzwiekiem--13430854
Zapraszam do wysłuchania.

http://biznesmysli.pl/20]]>https://api.spreaker.com/episode/13430854Mon, 27 Nov 2017 04:00:05 +0000VladimirPaweł Cyrta zajmuje się uczeniem maszynowym już kawał czasu. Ale ciekawostka jest taka, że zajmuje się głównie dźwiękiem i tematami powiązanymi, takimi jak synteza mowy lub brand sound design. Między innymi, rozmawialiśmy o sieci neuronowej WaveNet,...
Zapraszam do wysłuchania.

http://biznesmysli.pl/20]]>3626ai,machinelearning,uczeniemaszynowe,voicefalsefullBM19: Czy sztuczna inteligencja ma intuicję?https://www.spreaker.com/episode/bm19-czy-sztuczna-inteligencja-ma-intuicje--13310242
Próbowaliśmy odczarować mity i uczeniu maszynowym. Również poruszliśmy temat, jak sobie radzić z tak zwanymi czarnymi pudłami, czyli brakiem interprtacji w modelach. Komputer mówi jak trzeba zrobić, i często może mieć racje, ale my nie jesteśmy w stanie zrozumieć w jaki sposób ta decyzja została podjęta.

Zapaszam do wysłuchania.

http://biznesmysli.pl/19]]>https://api.spreaker.com/episode/13310242Mon, 13 Nov 2017 06:26:12 +0000VladimirDzisiejszym gościem jest Łukasz Kuncewicz. Rozmowiamy na różne tematy, między innymi czy sztuczna inteligencja ma intuicję? Również dotykamy tematu co będzie w najbliższej przyszłości, czy da się powstrzymać rozwój i jak to zmienia się w czasie?...
Próbowaliśmy odczarować mity i uczeniu maszynowym. Również poruszliśmy temat, jak sobie radzić z tak zwanymi czarnymi pudłami, czyli brakiem interprtacji w modelach. Komputer mówi jak trzeba zrobić, i często może mieć racje, ale my nie jesteśmy w stanie zrozumieć w jaki sposób ta decyzja została podjęta.

Zapaszam do wysłuchania.

http://biznesmysli.pl/19]]>3865ai,biznes,business,intuicja,machinelearning,uczeniemaszynowefalsefullBM18: Justyna Janicka i Rzeczywistość Wirtualnahttps://www.spreaker.com/episode/bm18-justyna-janicka-i-rzeczywistosc-wirtualna--13158636
Justyna Janicka jest ze start-upu 1000 realities, który ma bardzo duże ambicje :) Podczas naszej rozmowy poznasz odpowiedzi na pytania: czym jest VR/AR? Czego mamy się spodziewać w najbliższym czasie? Jakie to ma korzyści dla biznesu już teraz? Jak wygląda procedura wdrożenia i jakie są koszty? Poruszymy także wiele innych tematów. Co więcej, Justyna przygotowała dla Ciebie prezent, dowiesz się o tym jak można go dostać na samym końcu.

http://biznesmysli.pl/18]]>https://api.spreaker.com/episode/13158636Mon, 30 Oct 2017 06:12:45 +0000VladimirRzeczywistość wirtualna czy rozszerzona jest kolejnym tematem, który staje się coraz bardziej zauważalny. Już teraz wiadomo, że nasze życie w bliskiej przyszłości będzie związane w ten czy inny sposób z tą rzeczywistością. Już od jakiegoś czasu...
Justyna Janicka jest ze start-upu 1000 realities, który ma bardzo duże ambicje :) Podczas naszej rozmowy poznasz odpowiedzi na pytania: czym jest VR/AR? Czego mamy się spodziewać w najbliższym czasie? Jakie to ma korzyści dla biznesu już teraz? Jak wygląda procedura wdrożenia i jakie są koszty? Poruszymy także wiele innych tematów. Co więcej, Justyna przygotowała dla Ciebie prezent, dowiesz się o tym jak można go dostać na samym końcu.

http://biznesmysli.pl/18]]>3254ai,augmentedreality,machinelearning,virtualrealityfalsefullBM17: Anna Wróblewska o łączeniu światów: biznes, programowanie i naukahttps://www.spreaker.com/episode/bm17-anna-wroblewska-o-laczeniu-swiatow-biznes-programowanie-i-nauka--13040812
Zapraszam do wysłuchania.

http://biznesmysli.pl/17]]>https://api.spreaker.com/episode/13040812Mon, 16 Oct 2017 03:00:04 +0000VladimirDzisiejszym gościem jest Anna Wróblewska, która próbuje łączyć trzy światy: biznes, programowanie i naukę. Pracuje ona na Politechnice Warszawskiej, a także od ponad 3 lat jest ekspertem analizy danych (data scientist) w firmie Allegro. Co więcej,...
Zapraszam do wysłuchania.

http://biznesmysli.pl/17]]>3436artificialintelligence,business,machinelearning,uczeniemaszynowefalsefullBM16: 10 praktycznych porad jak uczenie maszynowe może usprawnić Twój bizneshttps://www.spreaker.com/episode/bm16-10-praktycznych-porad-jak-uczenie-maszynowe-moze-usprawnic-twoj-biznes--12932059
Jak machine learning, czyli uczenie maszynowe mogłoby uratować tę sytuację. Dzisiaj opowiem o tym, jak uczenie maszynowe może pomóc Ci w jak najlepszy sposób dostarczać bardziej wartościowe produkty lub usługi, a przede wszystkim jak może ono wspomóc twoją pracę, gdy biznes się rozrasta.

Na koniec mam prośbę. Proszę poleć ten artykuł co najmniej jednej osobie, dla której będzie on równie wartościowy. Będę za to bardzo wdzięczny, myślę, że podobnie poczuje się osoba, które go polecisz. Dla Ciebie to tylko chwila, a być może komuś pomożesz. Jak często możemy komuś pomóc w tak łatwy sposób?

http://biznesmysli.pl/16]]>https://api.spreaker.com/episode/12932059Mon, 02 Oct 2017 03:00:05 +0000VladimirKażdy przedsiębiorca bardzo się cieszy, kiedy działalność firmy zaczyna nabierać tempa. Ale czy to naprawdę jest miernikiem sukcesu? A może jednak w naszych czasach to porażka, która tylko potrzebuje czasu, aby się ujawnić. Byłem lojalnym klientem...
Jak machine learning, czyli uczenie maszynowe mogłoby uratować tę sytuację. Dzisiaj opowiem o tym, jak uczenie maszynowe może pomóc Ci w jak najlepszy sposób dostarczać bardziej wartościowe produkty lub usługi, a przede wszystkim jak może ono wspomóc twoją pracę, gdy biznes się rozrasta.

Na koniec mam prośbę. Proszę poleć ten artykuł co najmniej jednej osobie, dla której będzie on równie wartościowy. Będę za to bardzo wdzięczny, myślę, że podobnie poczuje się osoba, które go polecisz. Dla Ciebie to tylko chwila, a być może komuś pomożesz. Jak często możemy komuś pomóc w tak łatwy sposób?

http://biznesmysli.pl/16]]>3069falsefullBM15: Google wants to democratize AIhttps://www.spreaker.com/episode/bm15-google-wants-to-democratize-ai--12876766
Ido Green is focusing on sharing experience how to start use Google Home (and related topics, like Google Assistant).

Sara Robinson shares her experience about using Google Cloud, she is focusing on big data and machine learning stuff.

http://biznesmysli.pl/google-wants-democratize-ai]]>https://api.spreaker.com/episode/12876766Mon, 25 Sep 2017 03:00:05 +0000VladimirThis episode is an experiment. First of all the whole episode will be in English. But that’s not all. Today will be two guests instead of one. They both are working at Google, but they do different things. Ido Green is focusing on sharing...
Ido Green is focusing on sharing experience how to start use Google Home (and related topics, like Google Assistant).

Sara Robinson shares her experience about using Google Cloud, she is focusing on big data and machine learning stuff.

http://biznesmysli.pl/google-wants-democratize-ai]]>3178artificialintelligence,assistant,business,google,machinelearningfalsefullBM14: Norbert Biedrzycki o Smart City, Shared Economy, Blockchain...https://www.spreaker.com/episode/bm14-norbert-biedrzycki-o-smart-city-shared-economy-blockchain--12766718
Poruszyliśmy wiele ciekawych tematów, takie jak, inteligentne miasta (smart city), blockchain czy ekonomia dzielona (shared economy).

Również dotknęliśmy tematu przyszłości zawodów. Trener sztucznych inteligencji to zawód przyszłości. Zawody, które znikają to, tak jak powiedziałem, prawnicy, kierowcy, długofalowo księgowi, itp. Zawody, które wymagają powtarzalnych czynności, które są jasno zdefiniowane, na pewno będą przez maszyny przejmowane. Zawody, które wymagają kreatywności, spojrzenia inaczej na dany temat, empatii na pewno będą się rozwijać. Trend jest taki, że ludzie, którzy obsługują innych w skomplikowanych tematach, na pewno będą niezbędni chociażby z powody inteligencji emocjonalnej.

http://biznesmysli.pl/norbert-biedrzycki-o-smart-city-shared-economy-blockchain]]>https://api.spreaker.com/episode/12766718Mon, 11 Sep 2017 03:00:04 +0000VladimirNorbert Biedrzycki jest w branży IT od mniej więcej 20 lat. Zajmuje się prowadzeniem projektów, przedsięwzięć, start-upów, inwestycji oraz zarządzaniem spółkami. Przez ostatnie kilkanaście lat zarządzałem różnymi, dużymi spółkami IT w Polsce i za...
Poruszyliśmy wiele ciekawych tematów, takie jak, inteligentne miasta (smart city), blockchain czy ekonomia dzielona (shared economy).

Również dotknęliśmy tematu przyszłości zawodów. Trener sztucznych inteligencji to zawód przyszłości. Zawody, które znikają to, tak jak powiedziałem, prawnicy, kierowcy, długofalowo księgowi, itp. Zawody, które wymagają powtarzalnych czynności, które są jasno zdefiniowane, na pewno będą przez maszyny przejmowane. Zawody, które wymagają kreatywności, spojrzenia inaczej na dany temat, empatii na pewno będą się rozwijać. Trend jest taki, że ludzie, którzy obsługują innych w skomplikowanych tematach, na pewno będą niezbędni chociażby z powody inteligencji emocjonalnej.

http://biznesmysli.pl/norbert-biedrzycki-o-smart-city-shared-economy-blockchain]]>3161falsefullBM13: Naukowiec Computer Vision z DeepMind - Mateusz Malinowskihttps://www.spreaker.com/episode/bm13-naukowiec-computer-vision-z-deepmind-mateusz-malinowski--12664810
DeepMind z rozwiazaniem AlphaGo naprawdę zrobiło ogromne wrażenie i już wydaje się, że sztuczna inteligencja staje się coraz bardziej mocniejsza. A w tym czasie nadal są problemy które dla sztucznej inteligencji są bardzo trudne. Między innymi znane jako paradoks Moraveca. Jak mówił jeszcze Marvin Minsky - „Generalnie, najmniej jesteśmy świadomi tych rzeczy, które nasze umysły robią najlepiej.” i dodaje „Jesteśmy bardziej świadomi prostych procesów, które nie działają dobrze, niż złożonych procesów, które działają bezbłędnie.”

No właśnie i taki jeden z przykładów, gdzie sztuczna inteligencja wygląda albo wyglądała bardzo słabo to rozumienie relacji. Prosty przykład. Jest stół gdzie stoi szklanka wody, kubek i talerz. Każdy z nich ma położenie, materiał z którego zbudowany i kształ.

Załóżmy talerz stoi za kubkiem. Jeżeli zapytam dziecko które ma kilka lat lub mniej: “Co jest za kubkiem?”. Odpowie będzie - . talerz. Dla nas to zadanie brzmi absurdalnie proste, ale jest bardzo trudne dla maszyny. Rozumienie, takich rzeczy przez maszyny jest koniecznie dla zbudowanie mocnej sztucznej inteligencji i dlatego między innymi DeepMind pracuję nad tym. Mateusz, to jeden z naukowców który pracuje nad tym problem. Zapytałem go czy nadal to jest wyzwaniem i jakie są postępy. Mateusz powiedział:

"Można powiedzieć, że było wyzwaniem. W celu takiego relacyjnego wnioskowania przez maszyny, stworzyliśmy moduł, który nazwaliśmy Relation Networks. Jest to sieć neuronowa, która rozważa dwa obiekty na obrazie, porównuje te obiekty ze sobą za pomocą kilku warstwowej sieci neuronowej, a następnie agreguje wszystkie te reprezentacje takich par w celu stworzenia jednej reprezentacji globalnej całego obrazu. Za pomocą tak zbudowanej sieci neuronowej otrzymaliśmy wyniki, które są w zasadzie lepsze niż ludzkie odpowiedzi..."

Więcej o tym i innych tematach dowiesz się w naszej rozmowie.

http://biznesmysli.pl/13]]>https://api.spreaker.com/episode/12664810Mon, 28 Aug 2017 03:00:05 +0000VladimirGościem dzisiejszego odcinku jest naukowiec z DeepMind - Mateusz Malinowski. Który międy innymi kilka lat temu zdefiniował Visual Turing Test, który nabiera coraz większą popularność i ważność. DeepMind z rozwiazaniem AlphaGo naprawdę zrobiło...
DeepMind z rozwiazaniem AlphaGo naprawdę zrobiło ogromne wrażenie i już wydaje się, że sztuczna inteligencja staje się coraz bardziej mocniejsza. A w tym czasie nadal są problemy które dla sztucznej inteligencji są bardzo trudne. Między innymi znane jako paradoks Moraveca. Jak mówił jeszcze Marvin Minsky - „Generalnie, najmniej jesteśmy świadomi tych rzeczy, które nasze umysły robią najlepiej.” i dodaje „Jesteśmy bardziej świadomi prostych procesów, które nie działają dobrze, niż złożonych procesów, które działają bezbłędnie.”

No właśnie i taki jeden z przykładów, gdzie sztuczna inteligencja wygląda albo wyglądała bardzo słabo to rozumienie relacji. Prosty przykład. Jest stół gdzie stoi szklanka wody, kubek i talerz. Każdy z nich ma położenie, materiał z którego zbudowany i kształ.

Załóżmy talerz stoi za kubkiem. Jeżeli zapytam dziecko które ma kilka lat lub mniej: “Co jest za kubkiem?”. Odpowie będzie - . talerz. Dla nas to zadanie brzmi absurdalnie proste, ale jest bardzo trudne dla maszyny. Rozumienie, takich rzeczy przez maszyny jest koniecznie dla zbudowanie mocnej sztucznej inteligencji i dlatego między innymi DeepMind pracuję nad tym. Mateusz, to jeden z naukowców który pracuje nad tym problem. Zapytałem go czy nadal to jest wyzwaniem i jakie są postępy. Mateusz powiedział:

"Można powiedzieć, że było wyzwaniem. W celu takiego relacyjnego wnioskowania przez maszyny, stworzyliśmy moduł, który nazwaliśmy Relation Networks. Jest to sieć neuronowa, która rozważa dwa obiekty na obrazie, porównuje te obiekty ze sobą za pomocą kilku warstwowej sieci neuronowej, a następnie agreguje wszystkie te reprezentacje takich par w celu stworzenia jednej reprezentacji globalnej całego obrazu. Za pomocą tak zbudowanej sieci neuronowej otrzymaliśmy wyniki, które są w zasadzie lepsze niż ludzkie odpowiedzi..."

Więcej o tym i innych tematach dowiesz się w naszej rozmowie.

http://biznesmysli.pl/13]]>3378artificialintelligence,business,computervision,deepmind,machinelearningfalsefullBM12: Sztuczna inteligencja w Stanfordhttps://www.spreaker.com/episode/bm12-sztuczna-inteligencja-w-stanford--12566025
Łukasz opowiadał o tym jaka jest różnica życia w Polsce i Dolinie Krzemowej. Poruszyliśmy również tematy etyczne i bezpieczeństwa. Bardzo fajnie to Łukasz ujął: “... strach przed sztuczną inteligencją może faktycznie wpłynąć na jej rozwój. Mogą pojawić się ustawy, które zupełnie nie mają sensu, więc jest pewne ryzyko na tym poziomie. Ale szczerze, zamiast bać się sztucznej inteligencji, lepiej bać się ludzkiej głupoty.“

Dowiesz się więcej na czym polega różnica w myśleniu w Polsce i Dolinie Krzemowej. Dlaczego akurat tam powstaje tyle ciekawych projektach. Jak to wpływa na uczenie maszynowe i inne tematy.

Zapraszam.]]>https://api.spreaker.com/episode/12566025Mon, 14 Aug 2017 03:00:04 +0000VladimirDzisiejszym gościem jest Łukasz Kidziński. Który przez dłuższy czas mieszka za granicą, teraz mieszka w Dolinie Krzemowej. To jest człowiek, który rozwija swoją pasję - machine learning. Teraz jest w Stanford gdzie robi bardzo ciekawy projekt. Jest...
Łukasz opowiadał o tym jaka jest różnica życia w Polsce i Dolinie Krzemowej. Poruszyliśmy również tematy etyczne i bezpieczeństwa. Bardzo fajnie to Łukasz ujął: “... strach przed sztuczną inteligencją może faktycznie wpłynąć na jej rozwój. Mogą pojawić się ustawy, które zupełnie nie mają sensu, więc jest pewne ryzyko na tym poziomie. Ale szczerze, zamiast bać się sztucznej inteligencji, lepiej bać się ludzkiej głupoty.“

Dowiesz się więcej na czym polega różnica w myśleniu w Polsce i Dolinie Krzemowej. Dlaczego akurat tam powstaje tyle ciekawych projektach. Jak to wpływa na uczenie maszynowe i inne tematy.

Zapraszam.]]>3066artificialintelligence,business,machinelearning,reinforcement learning,stanfordfalsefullBM11: Sztuczna inteligencja i bankowośćhttps://www.spreaker.com/episode/bm11-sztuczna-inteligencja-i-bankowosc--12466572
Gościem podcastu jest Ernest Wagner, który od 2004 stworzył kilka firm: agencję interaktywną, software house, technologiczny dom doradczy i kilka startupów w modelu SaaS. W 2015 roku stworzył zespół, który uruchomił bank mobile-first o nazwie Loot.io oceniony jako jeden z najgorętszych startupów w UK. Zarządza projektami IT od ponad 16 lat. Od 2014 roku doradza klientom w tematach związanych z danymi i sztuczną inteligencją. Od początku 2017 roku odpowiada za sztuczną inteligencję w ING Banku Śląskim.

Ernest posiada doświadczenie na skrzyżowaniu kilku dziedzin: sztuczna inteligencja, finanse, startupy. Dlatego ta rozmowa czasem była trochę o innych, ale bardzo ciekawych tematach. Na przykład Ernest mówi:

“Bąbel na rynku startupowym niewątpliwie istnieje, może podobny do tego, jak w latach 90-tych, nawet większy, bo jest dużo więcej pieniędzy w tym rynku technologicznym teraz. Wielu mądrych inwestorów, moim zdaniem i których szanuję, przewiduje krach w tym sektorze w najbliższym czasie.”

Również na samym końcu dowiesz się jak dostać bezpłatną godzinną konsultację ze mną.

Już nie przedłużam i zapraszam do wysłuchania.]]>https://api.spreaker.com/episode/12466572Mon, 31 Jul 2017 03:50:57 +0000VladimirWedług KPMG 45% a może nawet i 75% prac w finansowym sektorze będzie wykonywane przez roboty w najbliższe 15 lat. Mówiąc bardziej precyzyjnie, przez tak zwany Robotic Process Automation (RPA). Dzisiaj o tym, ale nie tylko będzie mowa. Gościem...
Gościem podcastu jest Ernest Wagner, który od 2004 stworzył kilka firm: agencję interaktywną, software house, technologiczny dom doradczy i kilka startupów w modelu SaaS. W 2015 roku stworzył zespół, który uruchomił bank mobile-first o nazwie Loot.io oceniony jako jeden z najgorętszych startupów w UK. Zarządza projektami IT od ponad 16 lat. Od 2014 roku doradza klientom w tematach związanych z danymi i sztuczną inteligencją. Od początku 2017 roku odpowiada za sztuczną inteligencję w ING Banku Śląskim.

Ernest posiada doświadczenie na skrzyżowaniu kilku dziedzin: sztuczna inteligencja, finanse, startupy. Dlatego ta rozmowa czasem była trochę o innych, ale bardzo ciekawych tematach. Na przykład Ernest mówi:

“Bąbel na rynku startupowym niewątpliwie istnieje, może podobny do tego, jak w latach 90-tych, nawet większy, bo jest dużo więcej pieniędzy w tym rynku technologicznym teraz. Wielu mądrych inwestorów, moim zdaniem i których szanuję, przewiduje krach w tym sektorze w najbliższym czasie.”

Również na samym końcu dowiesz się jak dostać bezpłatną godzinną konsultację ze mną.

Już nie przedłużam i zapraszam do wysłuchania.]]>3357artificialintelligence,bank,business,machinelearning,sztucznainteligencjafalsefullBM10: Aleksandra Przegalińska z MIT o sztucznej inteligencjihttps://www.spreaker.com/episode/bm10-aleksandra-przegalinska-z-mit-o-sztucznej-inteligencji--12366840
Poznasz również opinie Oli na temat, czy Test Turinga już jest zaliczony, czym jest dolina niesamowitości i jak wyglądają najnowsze tematy w tym obszarze.

Również o tym, co to jest microtargeting, co potencjalnie pomogło Donaldowi Trumpowi, prezydentowi Stanów Zjednoczonych, wygrać wybory.

Zapraszam wysłuchania...]]>https://api.spreaker.com/episode/12366840Mon, 17 Jul 2017 04:00:31 +0000VladimirAleksandra Przegalińska jest doktorem filozofii, a teraz prowadzi badania w MIT. Żyjemy w bardzo ciekawych czasach, cytując Olę: "Myślę że jesteśmy na etapie wykuwania jakiegoś nowego paradygmatu, jeżeli o to chodzi, bo rzeczywiście doszliśmy do...
Poznasz również opinie Oli na temat, czy Test Turinga już jest zaliczony, czym jest dolina niesamowitości i jak wyglądają najnowsze tematy w tym obszarze.

Również o tym, co to jest microtargeting, co potencjalnie pomogło Donaldowi Trumpowi, prezydentowi Stanów Zjednoczonych, wygrać wybory.

Zapraszam wysłuchania...]]>3055artificialintelligence,biznes,bot,business,machinelearningfalsefullBM9: Filip Stachura, CEO Appsilon Data Science, o sztucznej inteligencjihttps://www.spreaker.com/episode/bm9-filip-stachura-ceo-appsilon-data-science-o-sztucznej-inteligencji--12272228
Filip ma bardzo ambitne plany o tym i więcej dowiesz się w tym odcinku.

Zapraszam!]]>https://api.spreaker.com/episode/12272228Mon, 03 Jul 2017 10:10:31 +0000VladimirFilip Stachura to młody, utalentowany i otwarty na wyzwania człowiek. Niestety (albo stety) zwykle tacy ludzie wyjeżdżają z kraju. Filip też przez jakiś czas pracował w Kalifornii. Ale jednak wrócił do Polski i postanowił tu w Polsce zająć się...
Filip ma bardzo ambitne plany o tym i więcej dowiesz się w tym odcinku.

Zapraszam!]]>2793ai,biznes,datascience,machinelearning,uczeniemaszynowefalsefullBM8: Sztuczna inteligencja i IBM – rozmowa z Piotrem Pietrzakiem – CTO w IBMhttps://www.spreaker.com/episode/bm8-sztuczna-inteligencja-i-ibm-rozmowa-z-piotrem-pietrzakiem-cto-w-ibm--12158082https://api.spreaker.com/episode/12158082Mon, 19 Jun 2017 16:50:54 +0000VladimirPiotr Pietrzak który jest CTO w IBM zgodził się podzielić się swoim doświadczeniem. Dowiesz się więcej o słynnej grze kiedy maszyna wygrały w szachy Garry Kasparov'ego, o zwycięstwu Watson w grze Jeopardy i wele innych tematów. Gorąco zapraszam.3156deepblue,ibm,machinelearning,watsonfalsefullBM7: Rozmowa z Barbarą Fusińską – Data Solution Architect w Microsofthttps://www.spreaker.com/episode/bm7-rozmowa-z-barbara-fusinska-data-solution-architect-w-microsoft--12027423
Dzisiaj gościem jest Barbara Fusińska, która jest Data Solution Architect w Microsoft.

Więcej znajdziesz na stronie - http://biznesmysli.pl/sztuczna-inteligencja-microsoft/]]>https://api.spreaker.com/episode/12027423Mon, 05 Jun 2017 03:00:29 +0000VladimirDosłownie dwa tygodnie temu skończyła się konferencja Google I/O. To coroczne technologiczne wydarzenie, gdzie Google chwali się swoimi wynalazkami, po raz pierwszy odbyła się w roku 2008. W tym roku właściwie nie było żadnych wynalazków... W dużym...
Dzisiaj gościem jest Barbara Fusińska, która jest Data Solution Architect w Microsoft.

Więcej znajdziesz na stronie - http://biznesmysli.pl/sztuczna-inteligencja-microsoft/]]>2951ai,artificial intelligence,cortana,machine learning,microsoftfalsefullBM6: Sztuczna inteligencja w księgowościhttps://www.spreaker.com/episode/bm6-sztuczna-inteligencja-w-ksiegowosci--11920624
AI ma ogromny wpływ na nasze życie już teraz. Świat zmienia się szybciej niż myślisz, pozwolę sobie użyć tej frazy jeszcze raz.

Dzisiaj porozmawiamy o temacie, który raczej znają wszystkie biznesy (niezależnie od branży czy wielkości). To jest temat księgowości, a w szczególności faktur.

Notatki są dostępne na http://biznesmysli.pl/6.

Zapraszam!]]>https://api.spreaker.com/episode/11920624Mon, 22 May 2017 03:00:35 +0000VladimirSoftware is eating the world, czyli po polsku oprogramowanie zjada świat. To słynny artykuł napisany przez Marca Andreessena. Dosłownie tydzień temu na konferencji CEO Nvidia powiedział „Software Is Eating the World, but AI Is Going to Eat Software”,...
AI ma ogromny wpływ na nasze życie już teraz. Świat zmienia się szybciej niż myślisz, pozwolę sobie użyć tej frazy jeszcze raz.

Dzisiaj porozmawiamy o temacie, który raczej znają wszystkie biznesy (niezależnie od branży czy wielkości). To jest temat księgowości, a w szczególności faktur.

Notatki są dostępne na http://biznesmysli.pl/6.

Zapraszam!]]>2066accounting,artificialintelligence,business,invoice,machinelearningfalsefullBM5: Inteligentny asystent sprzedażyhttps://www.spreaker.com/episode/bm5-inteligentny-asystent-sprzedazy--11784306
Amazon stworzył Echo oraz dosłownie kilka tygodnie temu dodali nową funkcję Echo Look który pomoże ubierać się. Google ma Home, Apple ma Siri, Microsoft ma Cortanę, Facebook ma M itd.

Dzisiaj rozmowa będzie o Edwardzie, który jest tworzony przez firmę 2040. Tomek Wesołowski jest CEO tej firmy i zgodził się podzielić się swoim doświadczeniem. Zapraszam!]]>https://api.spreaker.com/episode/11784306Mon, 08 May 2017 03:00:03 +0000VladimirInteligentny asystent to bardzo gorący temat. Tym zajmują się również duzi gracze. Podam Ci kilka przykładów. Amazon stworzył Echo oraz dosłownie kilka tygodnie temu dodali nową funkcję Echo Look który pomoże ubierać się. Google ma Home, Apple ma...
Amazon stworzył Echo oraz dosłownie kilka tygodnie temu dodali nową funkcję Echo Look który pomoże ubierać się. Google ma Home, Apple ma Siri, Microsoft ma Cortanę, Facebook ma M itd.

Dzisiaj rozmowa będzie o Edwardzie, który jest tworzony przez firmę 2040. Tomek Wesołowski jest CEO tej firmy i zgodził się podzielić się swoim doświadczeniem. Zapraszam!]]>24882040.io,biznesmysli,inteligentny asystent,sztucznainteligencjafalsefullBM4: Sztuczna inteligencja w biznesiehttps://www.spreaker.com/episode/bm4-sztuczna-inteligencja-w-biznesie--11652564
AI zajmuję pozycję numer jeden w liście trendów na rok 2017 według Gartner. Co ciekawe, kolejne pozycję również są związane ze sztuczną inteligencją np. inteligentne aplikacje, inteligentne rzeczy, rozszerzona rzeczywistość itd.

Sztuczna inteligencja w biznesie ma coraz większy wpływ. Firmy które nie wykorzystują uczenia maszynowego już przegrywają swojej konkurencji, a w najbliższych latach przegrają z konkurencją w większości przypadków.

Mówi się, że większość (lub już nawet wszystkie) firmy z listy Fortune 500 już używa uczenia maszynowego i właśnie dzięki temu są na tej liście. Ilość firm który używają uczenia maszynowego rosną wykładniczo. Są takie frazy jak Web First lub Mobile First (teraz jest bardzo popularne) ale zaczyna się kolejny AI First (czyli pierwsza firma w tej branży która zaczęła używać sztuczną inteligencję).

Gorąco zapraszam.

Vladimir]]>https://api.spreaker.com/episode/11652564Tue, 18 Apr 2017 03:00:00 +0000VladimirSztuczna inteligencja w biznesie to alchemia 2.0. AI zajmuję pozycję numer jeden w liście trendów na rok 2017 według Gartner. Co ciekawe, kolejne pozycję również są związane ze sztuczną inteligencją np. inteligentne aplikacje, inteligentne rzeczy,...
AI zajmuję pozycję numer jeden w liście trendów na rok 2017 według Gartner. Co ciekawe, kolejne pozycję również są związane ze sztuczną inteligencją np. inteligentne aplikacje, inteligentne rzeczy, rozszerzona rzeczywistość itd.

Sztuczna inteligencja w biznesie ma coraz większy wpływ. Firmy które nie wykorzystują uczenia maszynowego już przegrywają swojej konkurencji, a w najbliższych latach przegrają z konkurencją w większości przypadków.

Mówi się, że większość (lub już nawet wszystkie) firmy z listy Fortune 500 już używa uczenia maszynowego i właśnie dzięki temu są na tej liście. Ilość firm który używają uczenia maszynowego rosną wykładniczo. Są takie frazy jak Web First lub Mobile First (teraz jest bardzo popularne) ale zaczyna się kolejny AI First (czyli pierwsza firma w tej branży która zaczęła używać sztuczną inteligencję).

Gorąco zapraszam.

Vladimir]]>2961aifirst,artificialintelligence,biznes,machinelearning,sztucznainteligencjafalsefullBM3: Sztuczna inteligencja i ekonomikahttps://www.spreaker.com/episode/bm3-sztuczna-inteligencja-i-ekonomika--11484943Czego masz się spodziewać, jak to wpłynie na Twoje życie i co możesz zrobić, żeby było dobrze?

Możliwe scenariusze:
1) Kapitalizm 2.0 - ludzkość zniknie
2) Raj na Ziemi - ludzkość raczej zniknie
3) Superczłowiek- zbawienie i szczęście dla wszystkich

Zapraszam do wysłuchania i proszę podziel się swoją opinią.

Dziękuję Ci bardzo.
Vladimir]]>https://api.spreaker.com/episode/11484943Mon, 27 Mar 2017 01:00:42 +0000VladimirCzy wiesz, że nadchodzi do nas czwarta rewolucja przemysłowa? Czego masz się spodziewać, jak to wpłynie na Twoje życie i co możesz zrobić, żeby było dobrze? Możliwe scenariusze: 1) Kapitalizm 2.0 - ludzkość zniknie 2) Raj na Ziemi - ludzkość...Czego masz się spodziewać, jak to wpłynie na Twoje życie i co możesz zrobić, żeby było dobrze?

Możliwe scenariusze:
1) Kapitalizm 2.0 - ludzkość zniknie
2) Raj na Ziemi - ludzkość raczej zniknie
3) Superczłowiek- zbawienie i szczęście dla wszystkich

Zapraszam do wysłuchania i proszę podziel się swoją opinią.

Dziękuję Ci bardzo.
Vladimir]]>3114artificial-intelligence,biznes,ekonomika,machine-learning,sztuczna-inteligencjafalsefullBM2: Wprowadzenie do sztucznej inteligencjihttps://www.spreaker.com/episode/bm2-wprowadzenie-do-sztucznej-inteligencji--11385288
Czy wiesz że już może za 35 lat komputer może być znacznie mądrzejszy niż najmądrzejszy człowiek na Ziemię? Czy to jest pytanie z fantastyki naukowej? Jeszcze 10 lat temu, odpowiedź była zdecydowanie tak… a teraz, wygląda coraz bardziej realistyczne.]]>https://api.spreaker.com/episode/11385288Tue, 14 Mar 2017 14:20:59 +0000VladimirCzemu teoria o sztucznej inteligencji już była w latach 50-ych ubiegłego stulecia, a dopiero teraz to zaczęła nabierać obroty. O tym będzie rozmowa dzisiaj… Czy wiesz że już może za 35 lat komputer może być znacznie mądrzejszy niż najmądrzejszy...
Czy wiesz że już może za 35 lat komputer może być znacznie mądrzejszy niż najmądrzejszy człowiek na Ziemię? Czy to jest pytanie z fantastyki naukowej? Jeszcze 10 lat temu, odpowiedź była zdecydowanie tak… a teraz, wygląda coraz bardziej realistyczne.]]>1499artificialintelligence,machinelearning,sztucznainteligencja,turingtest,uczeniemaszynowefalsefullBM1: Zaczynamy!https://www.spreaker.com/episode/bm1-zaczynamy--11385103https://api.spreaker.com/episode/11385103Tue, 14 Mar 2017 13:51:03 +0000VladimirTo jest pierwszy odcinek Biznes Myśli... Dowiesz dla kogo jest ten podcast produkowany. Trochę o mnie i moim doświadczeniu oraz mojej motywacji. Zapraszam!1090artificialintelligence,biznes,business,machinelearning,sztucznainteligencjafalsefull