Menerapkan NLU ke Tantangan Dunia Nyata, Revolusi AI Berpusat Data, dan Banyak Lagi! – Menuju AI — Teknologi, Sains, dan Teknik Terbaik

Penulis: Menuju Tim AI

Berita AI, penelitian, dan pembaruan, persediaan terbatas dan akses gratis ke whitepaper yang menangani tantangan dunia nyata dalam bahasa alami, dan pilihan editorial bulanan kami!

Jika Anda kesulitan membaca email ini, lihat di browser web.

Pemahaman bahasa alami (NLU) mengacu pada seperangkat teknik AI yang digunakan untuk memahami dan mengekstrak informasi dari bahasa manusia, dan NLU adalah tentang memahaminya. Bahasa manusia memiliki banyak hal yang terjadi di dalamnya, dan untuk dapat memahaminya bukanlah tugas yang mudah. Jika Anda tertarik untuk mendalami NLU, lihat persediaan terbatas ini dan whitepaper gratis yang dapat diakses oleh teman-teman kami di Expert AI yang menangani beberapa tantangan paling penting yang dihadapi NLU saat ini:

Pelajari cara menerapkan bahasa alami ke salah satu masalah paling menantang dan dunia nyata. Lihat whitepaper bebas akses oleh expert.ai dan pelajari bagaimana pemahaman bahasa alami sangat penting untuk proses yang membutuhkan data dalam jumlah besar. Akses gratis untuk waktu terbatas, unduh sekarang dan ikuti perkembangan terkini tentang teknologi NTU.

Beralih ke topik baru, NeurIPS telah meluncurkan banyak kompetisi yang sangat menarik, misalnya yang satu berfokus pada pembelajaran transfer EEG, yang satu ini berfokus pada ketidakpastian, kekokohan, dan pergeseran distribusi. Juga, ada satu yang berfokus pada robotika dan pembelajaran penguatan yang cukup keren saat ini, dan banyak lagi.

Selanjutnya, Carnegie Mellon, Profesor Zachary Lipton, dan rekan penulis Falaah Arif Khan menerbitkan komik ini yang berbicara tentang pembelajaran mesin untuk perawatan kesehatan. Jika Anda seorang ilmuwan data, MLE, atau peneliti data, Anda pasti akan menikmatinya, kami tertawa sendiri, dan Anda akan menikmati kesenangan dan akurasi permainan kata-kata, ditambah lagi dengan Judea Pearl di dalamnya!

Saat ini, dunia AI sedang beralih dari model-sentris menuju AI data-sentris, dan sementara ada beberapa cara keren untuk mendekatinya, orang-orang di Snorkel AI akan melakukan segalanya dengan pemrograman data canggih mereka. dan pendekatan pengawasan yang lemah untuk mengatasi tantangan besar dalam mengalihkan praktik AI saat ini ke pendekatan data-sentris yang lebih kuat dan mengakhiri modelitis yang membuang-buang waktu.

Berbagi adalah peduli. Jangan ragu untuk membagikan buletin atau tautan berlangganan kami dengan teman, kolega, dan kenalan Anda. Satu email per bulan; berhenti berlangganan kapan saja! Juga, jika Anda memiliki umpan balik tentang bagaimana kami dapat meningkatkan, jangan ragu untuk memberi tahu kami.

Mari kita hadapi itu. Sistem AI seringkali buram, aneh, dan menantang untuk digunakan. Di bidang pembelajaran mesin, ini sangat benar. Jadi, jika kita ingin membuat sistem cerdas yang dapat dipahami dan berinteraksi dengan orang — dengan lebih efisien, bagian penting dari solusinya adalah komunitas tempat orang dapat berkumpul, berbagi ide, dan belajar dari satu sama lain. Itulah sebabnya kami menciptakan komunitas AI kami di Discord — untuk terhubung dan belajar dengan pakar dan penggemar data lainnya.

Sekarang ke pilihan bulanan! Kami memilih artikel-artikel ini berdasarkan pembaca, penggemar, dan pandangan yang didapat dari karya tertentu. Kami harap Anda menikmati membacanya sama seperti kami. Juga, kami mulai melakukan sesuatu yang baru! Kami akan memilih artikel berkinerja terbaik kami, dan editor kami akan memilih beberapa esai yang tidak memiliki kinerja luar biasa, tetapi karena kualitasnya — mereka berhasil untuk bulan ini.

Artikel unggulan pilihan editor bulan ini

Saya Menganalisis Pekerjaan Data Scientist dan Data Engineer 2k dan Inilah yang Saya Temukan oleh Khuyen Tran

Pernahkah Anda bertanya-tanya apa perbedaan persyaratan pekerjaan antara ilmuwan data dan insinyur data? Alih-alih melalui banyak persyaratan pekerjaan untuk mengetahuinya, mengapa tidak menggunakan alat untuk mendapatkan deskripsi semua pekerjaan ilmuwan data dan insinyur data sekaligus?…

Pembuktian Krisis Industri Perhotelan oleh Lukas Frei

Seperti kebanyakan pasar perhotelan utama lainnya di Amerika Serikat dan luar negeri, COVID-19 mengubah apa yang dimulai sebagai tahun biasa menjadi salah satu yang terburuk dalam beberapa dekade. Pembatasan perjalanan sangat mengurangi arus wisatawan ke kota, sekitar 8.500 tunawisma dipindahkan ke hotel pada puncak pandemi, dan bahkan bintang industri perhotelan pra-pandemi seperti…

Cara Menjinakkan Model Bahasa oleh Philip Tannor

Model bahasa saraf modern memiliki kemampuan luar biasa mulai dari menjawab pertanyaan hingga menganalisis dan meringkas artikel panjang dan menghasilkan teks yang dihasilkan seperti manusia. Sistem ini menjadi semakin populer dalam aplikasi yang dihadapi pelanggan, dan oleh karena itu penting bagi bisnis untuk mempelajari cara memanfaatkan teknologi mutakhir ini dan memastikannya berperilaku baik dan menghasilkan konten yang diharapkan…

Perbedaan antara a=a+b dan a+=b dengan Python oleh Chetan Ambi

Saya yakin Anda sudah mengetahui operator gabungan + dan += di Python. Seperti namanya sendiri, operator penggabungan digunakan untuk menggabungkan beberapa jenis urutan (Misalnya, menggabungkan dua daftar). Demikian pula, * dan *= digunakan ketika Anda ingin mengulang jenis urutan n kali. Anda juga tahu bahwa keduanya menghasilkan hasil yang sama…

Bahasa Pemrograman Terbaru untuk AI oleh Amit Chauhan

Di masa depan, AI akan sangat dekat dengan mereplikasi perilaku cerdas manusia. Jadi, setelah melihat keajaiban kemajuan teknologi AI di segala bidang mulai dari pertanian hingga industri/bisnis kebanyakan orang ingin mempelajari AI. Oleh karena itu, menyarankan beberapa bahasa pemrograman yang akan sangat membantu dalam membuat sistem AI…

Bagaimana AI *Memahami* Gambar dalam Istilah Sederhana oleh Louis Bouchard

Artikel ini bertujuan untuk menjelaskan salah satu model kecerdasan buatan yang paling banyak digunakan di dunia. Saya akan mencoba membuatnya sangat sederhana, sehingga siapa pun dapat memahami cara kerjanya. AI mengelilingi kehidupan kita sehari-hari, dan itu hanya akan menjadi lebih hadir, jadi Anda perlu memahami cara kerjanya, di mana kita berada, dan apa yang akan datang…

Buku Pertama yang Anda Butuhkan untuk Sukses sebagai Ilmuwan Data Aspiring oleh Arunn Thevapalan

Lebih sering daripada tidak, menjadi seorang pemula bisa menjadi kekuatan seseorang. Saya suka pemula — bagaimanapun juga, saya adalah salah satunya. Mereka punya mimpi besar. Mereka ingin “menjadikannya” sebagai data scientist. Mereka tahu banyak yang berhasil di masa lalu, dan tidak ada yang bisa menghentikan mereka. Mereka “papan tulis kosong” yang haus akan pengetahuan dan pertumbuhan. Mereka tahu itu tidak akan mudah dan bersedia untuk berusaha…

Analisis Data Eksplorasi Diuraikan Dengan FIFA 2021 oleh Gift Ojeabulu

Di sinilah seorang pria yang ingin tahu tentang belajar ilmu data. Dia mencari melalui internet dan mendapatkan beberapa sumber untuk mempelajari ilmu data melalui Udemy, Coursera, YouTube, dll. Melalui tutorial, dia bekerja dengan kumpulan data yang bersih dan kecil dan dia sangat senang dia tahu banyak tentang ilmu data tetapi memecahkan dunia nyata masalah…

Facebook Open Source BlenderBot 2.0 oleh Jesus Rodriguez

Tahun lalu, Facebook AI Research (FAIR) open source BlenderBot 1.0, chatbot domain terbuka terbesar yang pernah dibuat. BlenderBot mampu terlibat dalam berbagai macam percakapan di hampir semua topik sambil menampilkan karakteristik seperti manusia seperti empati dan tingkat keterlibatan yang menarik. Versi pertama BlenderBot adalah salah satu chatbots pertama yang menggabungkan empati, kepribadian, dan pengetahuan dalam satu sistem …

Kikis Tweet menggunakan snscrape dan Bangun Pengklasifikasi Sentimen oleh Dhilip Subramanian

Langkah pertama untuk memulai proyek ini adalah mengekstrak tweet yang diperlukan dari Twitter diikuti dengan menemukan sentimen untuk hal yang sama. Saya memutuskan untuk mengikis sekitar 100.000 tweet dan menggunakan pustaka python yang disebut snscrape untuk proses ekstraksi dan membangun analisis sentimen menggunakan pipa wajah Hugging…

Apa itu Apache Spark dan komputasi terdistribusi? oleh Michelangiolo Mazzeschi

Spark adalah perangkat lunak yang dapat melakukan analisis data pada data besar. Ini khusus dalam pemrosesan aliran, artinya dapat memproses data secara real-time. adalah salah satu perangkat lunak yang paling banyak digunakan di antara perusahaan Fortune 500 teratas…

Bagaimana menangani set data yang tidak seimbang oleh Ioana Zaman

Ini adalah dataset di mana contoh tidak terdistribusi secara merata (yaitu, sebagian besar contoh berasal dari kelas, sedangkan di kelas atau kelas lain jauh lebih sedikit). Beberapa contohnya adalah deteksi penipuan atau deteksi penyakit langka. Masalah dengan dataset yang tidak seimbang adalah bahwa model cenderung mengklasifikasikan…

🙏 Terima kasih telah menjadi pelanggan Towards AI! 🙏

Ikuti kami

[ Facebook ] |[ Twitter ]| [ Instagram ]| [ LinkedIn ] | [ Github ] | [ Google News ]

Menerapkan NLU ke Tantangan Dunia Nyata, Revolusi AI Berpusat Data, dan Banyak Lagi! awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Menuju AI