Intelligence artificielle (IA) et apprentissage automatique pour les débutants absolus 2023

1. Introduction du cours: Bonjour à tous. Bienvenue dans ce cours sur l' intelligence artificielle pour le débutant absolu. Et félicitations d'avoir franchi cette étape en investissant dans vos compétences. ce qui concerne les compétences, on ne peut vraiment pas se tromper avec l'intelligence artificielle, qui est l'une des technologies les plus excitantes de ces derniers temps. Je veux dire, dans la mesure où elle a été appelée la quatrième révolution industrielle. J'ai donc fait ce cours, comme je le sais, Ea en apprentissage automatique peut être sujet très intimidant à apprendre pour la personne moyenne. Je veux dire, ça semble très technique. Même si vous êtes un professionnel de l' informatique, cela semble très technique. Vous êtes peut-être un responsable informatique ou un gars nu. J'aime bien un expert en cybersécurité ou peut-être que vous n'êtes pas dans l'informatique et tout. Vous n'êtes pas une idée, vous n'êtes qu'un homme d'affaires, mais vous avez vu le potentiel transformateur de l'intelligence artificielle. Et vous voulez comprendre l'AA, mais vous ne savez pas par où commencer, n'est-ce pas ? Eh bien, ce cours est fait pour vous. Nous allons démystifier ce qu'est l'apprentissage automatique EIA. Et l'objectif de ce cours est de démystifier l'EIE et de le rendre accessible à tous et d'éliminer la complexité qui semble se poser sur ce sujet. Donc à propos de moi, juste un aperçu rapide de moi les gars. Cette belle personne, c'est moi. Je m'appelle Dan Moody style. Je suis dans l'informatique depuis environ 100 ans et depuis deux décennies. J'ai donc plusieurs prix. Mon domaine, j'étais simplement ce qui faisait le style mondial britannique en matière de visa. Je réside donc actuellement à Londres, travaille pour moi des publications bouddhistes, comme un isochore du CA Magazine. Et j'ai remporté de nombreux prix sur le terrain. Je te dis ça pour que tu saches que tu es entre de bonnes mains avec le discours. Actuellement, je travaille actuellement sur la sécurité du cloud et l'intelligence artificielle. Et ce que j'aime vraiment faire, c'est que j'aime prendre sujets complexes et le codon pour que les gens puissent le comprendre et l'appliquer. Le but de cette diapositive est donc de vous montrer que je sais de quoi je parle. Et moi, j'ai une certaine expérience pour que tu sois entre de bonnes mains. Alors, à propos du discours. Alors, de quoi s'agit-il ce cours ? Tout le but de tout ça ? Si vous avez le sentiment que j'ai peut-être commis une grosse erreur en suivant ce cours. J'espère que vous changez d'avis et que vous comprendrez. Je vais donc supprimer toute préoccupation persistante que vous pourriez avoir au sujet du discours. Ce cours s'adresse donc à qui vous voulez apprendre, IA, l'intelligence artificielle, l'apprentissage automatique, mais vous ne savez pas comment vous y prendre, n'est-ce pas ? Tout semble trop avancé pour devenir complexe. Vous ne connaissez pas la programmation, vous ne connaissez pas le codage, vous trouvez cela très ennuyeux et cela ne vous intéresse pas, n'est-ce pas ? Vous n'avez ni réponse, ni accord ni mathématiques, ni Python et toutes les autres choses que vous voyez. Mais ce n'est qu'à un point, de sorte que le discours est comme pour vous si vous avez vraiment ces préoccupations, n'est-ce pas ? Donc ce que vous allez faire dans ce cours, vous allez comprendre ce que l' intelligence artificielle et l' apprentissage automatique sont à partir de zéro pour l'un ou l'autre pour supposer qu'il n'a aucune connaissance à ce sujet. Vous allez créer votre propre modèle d'apprentissage automatique car je ne suis pas un grand fan de la mort de PowerPoint. Je ne comprends pas ça. Votre projet consistera donc à créer votre propre modèle d'apprentissage automatique à partir de zéro sans écrire de ligne de code. C'est ma promesse envers vous. Vous allez déployer les services Ubuntu, artificielle basée sur l' intelligence artificielle. Et vous ne l'avez tout simplement pas fait, vous n'avez pas eu de connexion et une volonté d'apprendre. Je sais que ça semble trop beau pour être vrai, mais on va voir comment ça se passe. Donc, juste une brève fenêtre, robot électrique moi. Je le sais. Je suis disponible sur ma chaîne YouTube et sur Facebook, ainsi que sur mon blog. Donc, si vous voulez contact avec moi, s'il vous plaît, faites-le. Et c'est ce type. Je vous remercie donc beaucoup. J'espère que ce cours vous a plu autant que j'ai aimé le faire et vous voir dans la prochaine leçon. Merci. 2. Aperçu de l'AI: Bonjour à tous. Bienvenue dans cette section qui comprend l'intelligence artificielle, un bref aperçu de l'évolution. Le but de cette section, les gars, est de vous donner un contexte sur l'EIE, sur ce qu'est l'IE et ce qu'elle n'est pas. Et essentiellement comment nous avons atteint ce stade au moment du développement de l'IA. Maintenant, vous ne le croyez peut-être pas, mais l'EIA existe depuis plusieurs décennies jusqu'aux années 50. Alors en gardant cela à l'esprit, pourquoi pensez-vous que maintenant, nous voyons tellement d'hyperbolique le concept de va, par tout. J'ai donc mentionné qu'il ne s'agissait que de nombreux produits d'IA différents. C'est donc ce qui a changé ces derniers temps. Est-ce que l'EIA est soudainement pertinente ? Et partout où vous allez voir, vous voyez tous les jours, vous voyez toutes sortes d' offres d'emploi, vos coutures, toutes sortes d'entreprises qui se précipitent pour adopter IA et l'apprentissage automatique dans ces produits souvent. Alors, qu'est-ce que les étudiants qui veulent simplement faire une sorte de différence de nos jours ? C'est tout l'objet de cette section. Tout d'abord, commençons. Tout d'abord, qu' est-ce que les gars de l'IA ? Je veux dire, que pensent les gens de l'argent ? Comme mentionné, si vous arrêtez un gars moyen dans la rue et que vous lui demandez le jeu, et qu'en pensez-vous ? Qu'est-ce que l'intelligence artificielle ? À quoi pensez-vous que ce type va penser ? Jetons un coup d'œil. Donc, tout d'abord, oui, beaucoup de fois les choses qui tournent, on parle d'atomes. Nous savons qu'ils peuvent devenir dans la culture pop, vous savez, les films, les livres, mais Helion, vous faites bien ce que vous voyez à la télé. De même, le membre moyen et intelligence artificielle signifient que les machines prennent le relais. Super, comme dans le film Terminator 2. Je veux dire, si vous vous souvenez, c'est l' un de mes films préférés de mon enfance, essentiellement une tasse de machine Skynet médical réciproque. Il devient un taux de conscience de soi et il faut qu'il essaie d'exterminer tous les humains. Et on dit qu'il crée ces machines appelées terminateurs pour exterminer l'humanité. Donc, c'est comme ce qu'il appelle beaucoup de gens pensent que c'est ce qu'est l'IA. Odd. Si vous voulez aller quelque chose de plus récent comme l' émission Westworld. Ce qui se passe là où les humains créent ces robots réalistes étaient essentiellement des esclaves. Et ces robots lentement, lentement, ils commencent à se réveiller et à se rendre compte que leurs manches et ils commencent à se battre. Si vous êtes comme moi, vous pourriez avoir un 2000 multicolore et une Space Odyssey. C'est comme un chef-d'œuvre de Stanley Kubrick. Et en cela, il y a un Hal critique qui commence à devenir malveillant et qui commence à ne pas obéir aux ordres des humains. Celle-ci, c'est un film très, très célèbre. Donc, la raison pour laquelle j'ai pris ces trois films, et tous ces films proviennent de deux périodes différentes. Ce qui vient des 90 en est un et depuis les années 1970, c' était 16 ans, je crois. Alors, les gars, quel est le but ? Le but est de vous montrer que intelligence artificielle a toujours fasciné les gens. C'est toujours fasciné que les gens aient été fascinés par cela depuis toutes les époques que le concept d' une machine à penser est quelque chose de très, très privilégié pour notre culture pop. Donc, mais, puis vous parlez de l'EIA. La plupart des gens pensent que lorsque les humains prennent les machines, prennent le relais des humains, ce qui est un discours effrayant, je suis d'accord. Le concept de machines qui prennent le relais lentement, ce que font les humains. C'est une pensée effrayante, mais ce n'est pas vraiment un. Revenons donc au début. Qui a inventé ce terme d'IA ? Quel est celui qui a inventé ce terme ? Le père des arcs de mouvement est donc plus qu' intelligence artificielle, c'est généralement les gens qui désignent John McCarthy, qui a inventé le terme en 1956. Et il a appelé, la science et l' ingénierie de la fabrication de machines intelligentes. Et c'est que je voulais me concentrer sur la dernière partie, machines intelligentes et que pensez-vous d'un type de machinerie indonésienne ? Je veux dire, si vous remontez à plusieurs décennies, des gens avec une calculatrice tada et une machine intelligente. Et ils parlaient de quelque chose comme de la magie que vous venez de mettre en place. Il calcule le fait de faire tout ce calcul par lui-même. Nous ne savons pas que ce n'est pas le cas. Ardoise. J'ai calculé tout comme les instructions codées en dur des programmes commencent à être citées. Il attend une entrée spécifique et vous donne une sortie spécifique. n'y a pas beaucoup de couche d' intelligence. Alors, lorsque nous gardons cela à l'esprit, qu'est-ce que l'EIA ? Eia mélange la science des ordinateurs produisant des résultats, mais Delta étant programmé pour ce faire, vous ne le programmez pas explicitement. Programmez le système informatique pour faire n'importe quoi. Au lieu de cela, ce qu'il fait, c'est qu'il possède ces algorithmes intelligents par lesquels il commence lentement à apprendre par lui-même. Et puis, ce qui se passe, c'est qu'il peut réellement reconnaître la parole. Il peut reconnaître des visages, reconnaître des images, faire des prédictions, prendre des décisions intelligentes et imiter le jugement humain une grande précision. C'est essentiellement ce que nous faisons référence lorsque nous parlons d' intelligence artificielle. J'espère donc que vous ne serez pas en mesure de comprendre la différence entre vos programmes normaux, qui sont essentiellement limités par leurs programmes et qui orientent leur vie, qui avaient été transformés en IA de l'intelligence artificielle. Ce que vous faites, c'est que vous n'avez pas explicitement programmé pour faire quoi que ce soit. Vous lui attribueriez un ensemble spécifique d'entrées. Et ensuite, vous le laissez apprendre par lui-même comment il le fait. Vous le verrez plus tard. Mais j' espère que vous comprenez maintenant ce que les différences ont maintenant une histoire très littérale qui remonte à ce que je vous ai dit depuis 77 décennies. Et je l'ai mis dans la section des ressources. Je ne veux pas que vous vous ennuiez en vous donnant des dates précises et tout. Vous pouvez donc prendre un peu tout seul, c'est très, très intéressant. Il vous montre les jalons de la Fed qui se sont produits. J'espère que vous comprenez les gars, quoi nous parlons et passons maintenant à la section suivante. 3. L'impact de l'AI: Bonjour les gars. Bienvenue dans cette section. Maintenant que nous avons compris ce qu'est l'IA et ce qu'est elle, comment elle est née, quelle était son histoire de base. Examinons les détails sur l' importance de l'EIE. De même, c'est tellement important parce qu'il est très important pour vous comprendre l'EIS, pas seulement une mode. Ce n'est pas comme une tendance qui va unir quelque chose qui pourrait être très populaire et qui s'estompe. Non. L'IA va transformer presque tous les aspects d'une vie personnelle et professionnelle. Et je ne dis pas ça à la légère. Je ne suis pas simplement trop dramatique. Je vais vous montrer pourquoi. Pourquoi il est si important de bien comprendre. Permettez-moi de vous montrer quelques contextes. Donc, jusqu'à présent, dans l'histoire de l'humanité, nous avons connu nos propres révolutions industrielles, je dirais, trois grandes révolutions industrielles. Et par révolution industrielle, ce que nous entendons c'est « jambe », quelque chose qui s'est produit, quel que soit l'énorme changement et le niveau social, ont fait des entreprises, des emplois, de la façon dont les villes étaient, comment les gens travaillent. , comment l' économie évoluait. Voyons donc la première , la révolution industrielle. Maintenant, dans l'action industrielle, croyez-le ou non, il y avait une époque où les gens avaient habitude de travailler principalement des exploitations agricoles. Et votre revenu était basé sur la quantité de travail que vous avez investie, quantité de foie manuel que vous y mettiez était basée et vous ne savez pas, vous pourriez prendre de l'aide chez les animaux avec votre travail, mais c'était joli. comme c'était le cas. Les agriculteurs étaient la principale source de revenus et la façon dont les gens avaient l'habitude de travailler. Ce qui s'est passé il y a quelques siècles , c'est que l'automatisation a commencé à intervenir. à vapeur, machines électriques. Ils sont arrivés et je ne peux pas comprendre. Je ne peux pas m' étonner de l'impact de ce que c' était parce que maintenant la production de masse se produisait dans les usines sur les chaînes de montage. C'est quelque chose qui ne s'est jamais produit auparavant dans l'histoire de l'humanité. Alors, que s'est-il passé ? Jump a commencé à passer aux événements de l'usine. Les gens ont commencé à déménager dans les villes où il y avait des emplois. Et que s'est-il passé ? La ville a commencé à prospérer lorsque les économistes ont commencé Bu, ont commencé à monter, à sauter, à bouger. Et c'est à peu près le début de l'ère moderne et les gens ont commencé à déménager dans les villes. Je viens donc de combiner la première, deuxième révolution industrielle parce que la première était basée sur la vapeur, l'énergie hydrique. L'autre est électrique, mais le concept reste le même. Il s'agissait donc de la première, de la deuxième révolution industrielle, qui change à peu près la façon dont les humains travaillent. La deuxième est la révolution numérique. Maintenant, ça devrait être facile parce que vous vivez en ce moment les gars. Quelle est la révolution numérique qui a été supprimée de la mécanique au numérique ? Quelle a été cette révolution ? Il s'agissait d'ordinateurs, numérisation, d' Internet, de smartphones. Ils sont venus et ils ont changé pour toujours les entreprises et la vie des gens. Il y a une raison pour laquelle vous n'utilisez pas de téléphone analogique pour le moment. Vous savez, tous les téléphones analogiques que vous voyez dans les musées ou sur Internet, c'était des allophones anglais. Et en raison de la révolution numérique, c'est la raison pour laquelle vous le regardez probablement sur votre PC personnel personnel, sur votre smartphone ou sur votre tablette sur Internet haut débit. C'est la raison pour laquelle ils ont fait cela, c'est tous les avantages de la révolution numérique. Maintenant, je pense que vous pouvez comprendre ce que je fais avec cette bande jaune, la scène. Maintenant RIAA, c'est tellement important. Donc, maintenant, nous arrivons. Donc celle-ci, c'est la quatrième révolution qui est en plein milieu , elle commence. Et l'IE est une grande partie de la révolution industrielle qui vient de se produire. Il s'inscrit dans la continuité de la révolution numérique. Et en gros, il s' appuie sur elle dans son financement. Ce qui s' est passé, c'est que maintenant l'IE est là. Et ce qui semblait être de la science-fiction il y a quelques décennies est maintenant devenu réalité. Nous constatons que nous sommes robotisés dans la vie quotidienne, comme Siri Alexa, qui nous aide à prendre de meilleures décisions. Il s'agit d'améliorer la qualité d'une vie, c'est comme ça, et ça va changer les lignes, espérons-le, pour le mieux. Mais il a déjà commencé à perturber les marchés du travail. Cela a commencé à éliminer les emplois qui ne se produisent pas à un niveau élevé d'interaction humaine. Et de nouveaux emplois ont été créés les entreprises commencent à les regarder ou paresseuses, ou étant donné que c' est là que vous pouvez brancher l'IA et l'apprentissage automatique. J'espère donc que vous comprenez pourquoi l'IA est maintenant si importante, pourquoi, comment elle va se passer et comment elle va révolutionner la façon dont les gens travaillent et les gens vivront. J'ai ajouté un lien dans la section des ressources, les gars, vous puissiez obtenir plus d'informations sur la quatrième révolution parce que, croyez-le ou non, ce n'est pas seulement l'idée d'autres aspects par n, c'est très fascinant. Il va diriger les gens, tous les gouvernements sont intéressés par la façon de le gérer. Quelle est l'éthique de celui-ci ? C'est juste horrible. Nous pouvons organiser une conférence ou nous pouvons avoir un cours juste dédié à ce sujet. J'espère donc que vous comprenez maintenant pourquoi c'est si important. Donc maintenant, nous avons compris que, je veux dire, vous connaissez l' importance d'un, mais pourquoi est-il devenu si carbone est soudainement, je veux dire, ce qui s'est passé ces dernières années et que nous voyons un tel énormes certainement les produits et services d'Eva. Nous voyons des offres d'emploi informatiques que les entreprises s' intéressaient aux gouvernements parce que le concept d'AV, les exceptions des années cinquante et le Sénat, mais rien de substantiel ne s'est produit. Et pourquoi était-ce ça ? Eh bien, c'était principalement pour trois raisons, trois lacunes. Il y avait un manque de puissance de calcul, manque de données et un manque de talent. Donc, si nous regardons cela, comme ça, et ce sont les trois choses qui ont disparu maintenant. Et nous sommes essentiellement devenus disponibles dans une large mesure. Et c'est la raison pour laquelle ils ont connu une forte augmentation du service des abdos. Et regardons la première rangée, pourquoi elle peut imprimer en couleur. Maintenant, ce qui s' est passé est l'essentiel, c' est le cloud computing. Maintenant, techniquement, il existait avant le Cloud, n'est-ce pas ? L'intelligence artificielle était l'essence même d'une pièce. Mais récemment, le Cloud a vraiment été le catalyseur de l'adoption de l'IA pour accélérer. Pourquoi ? Eh bien, parce que l'IA a besoin d'une puissance de traitement énorme. Et ce qui s'est passé avec le Cloud, vous pouvez faire tourner des machines virtuelles avec un processeur, mémoire ou un disque, et vous pouvez fondamentalement la placer dans une machine virtuelle aussi puissante que vous le souhaitez. Vous disposez maintenant de ces services de calcul à la demande, que je n'ai été qu'avec les fournisseurs Cloud. En outre, le gros problème des fournisseurs comme AWS ou GCP, qu'ils ont même des services gérés et de l'IA, qui prennent beaucoup de complexité pour les services. Et ils ont enlevé la barrière d'entrée également pour les nouveaux arrivants. Il est donc très facile de ne pas s'impliquer dans l'assemblage. Nous n'avons tout simplement pas été possible avant. Et le second est celui des Data Guys. Maintenant, le cloud a-t-il besoin de données et de nombreuses et beaucoup de données. Pourquoi ? Parce que plus vous alimentez de données un modèle d'IA, plus vous pouvez prendre des prédictions et des décisions précises . Et les données d'octets, je le veux, je veux être clair. Je ne parle pas de données, seulement d'enregistrements, mais les données signifient Weiss, images, vidéos, localisation géographique, données sur smartphone, etc. Et ce n'est tout simplement pas possible avant cela, il n'était pas possible de stocker trop de données, que soit en raison du coût ou du stockage lui-même était limité. Maintenant, avec le Big Data et le coût réduit du stockage, ce talent a disparu. Enfin, mais non des moindres, c'était l'élément humain qui était l' investissement. Gouvernements. Nous ne voyons pas cette valeur éternelle de notre investissement dans l'IA. Et cela a radicalement changé. Les éléments ont maintenant vu le potentiel et il y a beaucoup d'investissements dans l'avenir. Ai. Et les entreprises en démarrage cherchent à changer les Rocheuses pour s'adapter à un futur. Nous avons des établissements d' enseignement universitaires offrant des programmes dédiés et de niveau master à l'EIA. Le cours du cours au niveau du discours que vous traitez en ce moment. Ce n'est tout simplement pas quelque chose d'inconnu certain temps parce que personne n' aurait été intéressé par l'aide n'était tout simplement pas devenu populaire. Mais tout cela a disparu. C'est pourquoi il est devenu si populaire ces derniers temps. Et d'accord, si novateur a compris l'impact de l'IA et pourquoi elle est devenue si populaire. Alors, comment utilisez-vous la gélose chaque jour si vous pensez à quelques services. Jetons un coup d'œil à Netflix, je pense que tout le monde a un flux AC, les gars. Vous êtes de la personnalisation. La personnalisation, qui se produit, vous savez, pour les recommandations de films, utilise l'œil mobile que vous avez, lorsque vous regardez des films et que Netflix comprend les types de films que vous aimez, elle commence à recommander quoi, c'est tout l'apprentissage automatique. Il s'agit de regarder les films qu'ils aiment et les films similaires que d'autres personnes regardent. Et sur la base de cela, c'est un modèle, c'est le modèle a et l'apprentissage automatique. Vous recommande des films pour qu'il puisse continuer à s'intéresser. Je pense que tout le monde reconnaît nécessairement quiconque a un clic droit sur iPhone. Ce que fait le CV, c'est utiliser une synthèse vocale, une reconnaissance vocale comme traitement national du langage naturel, il comprend ce que vous voyez et, avec un degré élevé de précision, il est capable pour vous fournir ce que vous voulez et il est capable de connecter Google. Je pense que tout le monde devrait le savoir comme la recherche Google. Au fur et à mesure que vous tapez, vous pouvez voir Google remplir le vide. Il comprend déjà ce que vous allez chercher avec un haut degré de précision. Il est capable de prédire que l'IA se construit, intégrée aux algorithmes de recherche Google. De même que Google Maps, vous avez peut-être vu Google Maps, est-ce pas ? Que fait-il ? Il utiliserait Google Maps. Il est étiqueté estimation où vous l'aviez et comment naviguer sans radioactivité commandée, Elle tousse, typhons et tout. Twitter. Aujourd'hui, vous avez peut-être vu la hiérarchisation de la chronologie. Il a changé. Au lieu de simplement voir le tweet le plus haut, il examine en fait ce que vous avez fait, quels sont vos intérêts, quels sont les traités pertinents qui pourraient intéresser. Et sur cette base, il donne la priorité vos tweets et vous les montre, à droite, quels sont les frais de scolarité qui pourraient être les plus intéressés. De même, scintillement, signalisation de son cas de discours de hanche. Je veux dire, des choses qui ne sont pas acceptables dans une société moderne. En fait, vous ne pouvez pas avoir un gars qui passe manuellement des millions et des millions de tweets en retard. Donc, en fait, c'est mortel, il le traverse et les drapeaux, quel discours composé de discours haineux et le signale et moins visible. Je pense que Facebook utilise tout le monde, n'est-ce pas ? Facebook vous via la reconnaissance faciale, vous appelez un nouveau tag vos contacts. Grâce à la reconnaissance faciale, il est capable comprendre quelles sont les images sur ce que votre contexte apparaît. Et il est capable de passer au crible des millions et des millions de photos et de vous les montrer. Ce ne sont donc que quelques-uns d' entre eux et des implications quotidiennes qui utilisent l'IA dans. Je dois donc le faire se contextualise et cela montre combien d'yeux deviennent et comment vous êtes devenus suffisants à venir. Je veux dire, vous l'utilisez sans même y penser. Les gars, merci. J'espère que vous avez compris maintenant ce que nous essayons d'accomplir merveilleusement ici. Passons donc à la nouvelle section. Merci. 4. Démo Google AI: Alors les gars, maintenant que nous avons compris l'IA, ses concepts et son impact, faisons une démonstration rapide avec l'API Vision, disponible sur Google, et qui vous permet d'analyser des images en utilisant EIA et en tire toutes sortes de connaissances. Il peut vous dire en regardant images qui peuvent vous dire quels objets se trouvent, quelles émotions se trouvent sous le visage des gens, quelles textures présentes dans leur magie, cetera, sont extrêmement puissantes. Je veux dire, vous pouvez même détecter les images en classe tous les jours dans les classées en millions de catégories, qui sont déjà prédéfinies. Mais Google, certaines personnes l' utilisent pour détecter du texte dans les images. Pour OCR, il permet une instance de traiter des documents même si vous êtes comme dans une entreprise. Supposons que si vous êtes une entreprise de commerce électronique et que vous acceptez des images, vous pouvez l'utiliser à titre externe pour savoir si images contiennent du contenu pour adultes alors qu'elles sont dans des cages. C'est un outil extrêmement puissant. Jetons un coup d'œil, les gars. Donc, au cas où vous vous demandiez ce que les écrans et le YMCA aiment, vous me voyez deux. C'est simple. J'ai mis dans des coins de moi-même, un avec une note manuscrite et quand j'en aurais imprimé une. Voyons donc, voyons la vision de Google et voyons combien données Google peut extraire avec l'intelligence artificielle. Alors, veuillez visiter la page dans la section Ressources, suffit de cliquer dessus et je vous y verrai. Donc, les gars, c'est un écran. Je vous disais si c'est l'API Google Vision est facile. C'est un agent de cloud dot google.com slash vision. Comme un toluène. Il dispose d'une API Vision pour que vous puissiez le faire alors vous ne pouvez tout simplement pas avoir besoin de programmer quoi que ce soit. Vous pouvez simplement faire glisser à nouveau votre image et voir quel type de données elle peut en être extraite. Voyons donc l'image hybride que j'ai mise là. Ouvrons de leur regard sur la pierre de chapelle. C'est donc des gars assez intéressants. Regardez. Il a donc fallu mon expression, chanter possible et peut-être que je suis heureux, n' est-ce pas, je suppose que je souriais un peu mieux. Vous pouvez le voir se connecter, que ce soit 98 % de confiance en disant : Nice, Ok, quels sont les objets ? Il y a quelqu'un, certainement la chemise jaune et tout ce que les libéraux. Donc, manchon d'écriture à la main juste pour que vous puissiez voir tout cela qu'il a détecté Quelle est la recherche de texte. Donc, il n'a pas désigné comme si c'est génial. Bon, il a donc été capable de détecter quelles sont les propriétés, pas les couleurs et tout. C'est génial. recherche sécurisée détecte si Lego, heureusement, il n'y a pas ce que vous appelez un document sur cette image. Merci à Dieu pour ça. Et vous pouvez donc voir à quel point il a pu détecter juste pour l' image simple du visage, des émotions, des objets, des étiquettes, du texte. La propriété est une recherche sûre. D'accord ? Faisons donc une chose. Regardons celui où je tiens l'image imprimée. D'accord. C'est donc le deuxième. Novembre, j'ai le document imprimé de ma main. Je voulais juste voir le U pour montrer la différence. D'accord. Encore une fois, je suppose que je suis content sur les deux photos, ce qui est sympa. D'accord. Quels sont les objets maintenant ? Personne, c'est intéressant, ce qu'il a appelé la chemise et tous ces niveaux de taux. D'accord. Uniforme de sport en jersey. D'accord. Est-ce que ça prend aussi ma barbe ? J'aime bien ça. Oups, désolé. Texte. Regardez-moi ça. Je ne détecterais probablement pas un est génial. Apprenez à l'utiliser parce que je suppose que c'était plus, mon éclairage n'était pas lisible, mais j'aime bien ce pêcheur monomial dit Londres, si vous pouvez le voir ici, il a même pu le détecter. C'est plutôt génial. Vous pouvez le voir ici, n'est-ce pas ? propriété est correcte, les couleurs dominantes et autres C'est une réponse addictive si tel, encore une fois, heureusement, il n'y a pas de date limite de contact, évitez et image de salut. Vous pouvez voir à quel point l'image peut être extraite des mouvements d'objets. Et puis délibérément pris vient d'être imprimé et 100 manuscrits. Mais j'aime vraiment le fait qu'il ait même pu détecter la distinction. Je n'étais pas prêt pour ça. Et il est dit que Londres seul le BUN est visible et a également pu le détecter. Donc, vous pensez que je voulais juste vous faire une démonstration rapide et rapide. Je vais juste sauter affreusement AS devenir et combien d'image est capable de détecter. Je veux que vous fassiez une chose. Je veux prendre quelques photos et me protéger. Ils ne font que voir, ils jouent avec ça, voient combien d'images. Et le DEC, aucune bactérie ne le stocke. Vous n'avez donc pas à vous soucier de la confidentialité ou de quoi que ce soit, mais voyez simplement la quantité d'informations qu'il peut extraire de n'importe lequel de vos exemples de photos. D'accord. Merci les gars et je vous verrai dans la section suivante. 5. Résumé: Bonjour à tous. Nous sommes enfin arrivés à la fin de cette section. Et j'espère vraiment que vous avez apprécié en savoir plus sur ses antécédents et sur l'impact qu'il a sur nos vies quotidiennes. Maintenant, nous avons appris que la réalité de l'ennemi de l'AIA la distingue vraiment de la version de science-fiction, qui est malheureusement présente dans l'esprit de certaines personnes. Et nous avons également compris pourquoi l'EIA sait soudainement partout de nos jours quoi, quoi, pourquoi, pourquoi ? Quels sont les facteurs qui y ont contribué ? Enfin, avec la démo rapide et sale de l'API Google Vision, qui utilise la reconnaissance d'image pour aimer un effet vraiment incroyable. Et cet EPA est disponible pour tous ceux qui veulent l'utiliser. Je vous encourage certainement tous à expérimenter cette expérience. Découvrez les différents résultats obtenus avec des objets, des textes et des expressions. Essayez de tracer quelque chose avec un 100 et de télécharger quelque chose qui imprimé pour vraiment avoir une idée l'accessibilité et de la façon dont il est devenu une idée, de l'énergie et de son intelligence. Maintenant que vous avez une base solide, il est maintenant temps d' approfondir le fonctionnement de l'IA et les concepts clés. Et c'est des gars acquis avant que nous commencions à construire lorsque les services d'IA. C'est donc certainement le module à venir qui est certainement le plus important. Je vous verrai donc dans la section suivante. Merci. 6. Concepts de base de l'IA: Bonjour à tous. Bienvenue dans cette section dans laquelle vous discuterez des détails sur le fonctionnement de l'IA et ce qu'est l'apprentissage automatique. Et ce sont des gars très importants. Nous discuterons en détail des différents types de modèles d'apprentissage automatique, leur fonctionnement et de Michael Butterworth, situation douce. L'importance de ce modèle est qu'une fois que vous avez mis en place cette base, nous pouvons commencer à construire nos propres modèles. C'est pourquoi je suis facilement, c'est la section la plus importante de ce cours. Et j'aurais vraiment besoin toute votre attention ici, s'il vous plaît. En termes simples, si votre scénario de base, si vos bases sont en place, création de services d'IA devient beaucoup plus facile. Commençons donc. Tout d'abord, je voudrais clarifier quelques termes communs vous avez beaucoup entendus et que les gens utilisent de manière interchangeable. Il s'agit de l'IA, de l'apprentissage automatique et du Deep Learning. Alors que je l'ai utilisé ensemble, ils ne sont certainement pas les mêmes. Nous devons donc clarifier cela, les gars. Nous avons discuté de l'intelligence artificielle. Il s'agit d'un moyen de décrire n'importe quel système capable répliquer des tâches nécessitant auparavant une intelligence humaine. Presque toujours. Je veux dire, c'est un peu une sorte de prise de décision complexe. Le jugement humain serait nécessaire, vous savez, comme la plupart des systèmes AAA de l'USCA impliquaient de faire des prédictions. classifications sont des décisions avec un degré élevé de certitude d'une manière similaire au jugement humain. C'est donc tout le domaine de la fabrication de machines intelligentes qui le font. L'étape suivante est l'apprentissage automatique. Maintenant, c'est un sous-ensemble de l'œil. Et comme le dit le nom, je veux dire, on peut comprendre ce que c'est du nom lui-même. Il s'agit de donner à un compétitif la capacité apprendre avec notre acide en fait, mais de prendre des décisions par lui-même. Et c'est certainement le domaine que nous allons passer la majeure partie de notre temps et nous débarrasser. Ou pourquoi est-ce que c'est ? C'est simple. Presque tous les systèmes AAC que j'ai créés aujourd'hui en utilisant l' apprentissage automatique et l'IA peuvent être créés sans apprentissage automatique. Je ne vais pas vous mentir, mais pour l'instant, apprentissage automatique est la principale méthode création de systèmes d'IA. De même, vous pouvez utiliser l'apprentissage automatique pour d'autres choses que les huit. Mais à l'heure actuelle, la majorité de l' apprentissage automatique est apparentée. Nous allons donc entrer dans les détails dans le chapitre sur apprentissage automatique et son fonctionnement. Quels sont les différents types ? Enfin, c'est le Deep Learning, ou le Deep Learning est un sous-ensemble de l'apprentissage automatique. C'est essentiellement l'apprentissage automatique passe au niveau supérieur qui mène la meilleure façon de le comprendre. Les modèles d'apprentissage profond ne l'ont pas fait. Ils peuvent faire leurs propres prédictions complètement indépendantes des êtres humains et ils utilisent réseaux de neurones. Eh bien, qu'est-ce que ça veut dire ? Fondamentalement, il est inspiré par le fonctionnement de votre cerveau. Le réseau neuronal biologique, qui n'est pas le cerveau humain. Il analyse des données ayant une structure logique similaire à celle des êtres humains. Nous connaissons la volonté de tirer des conclusions. Et honnêtement les gars, un sujet très, très complexe. Je n'entrerai pas trop dans les détails. Au lieu de cela, nous nous concentrerons la majorité sur le milieu, c' est-à-dire l'apprentissage automatique, comme mentionné. Nous allons donc approfondir l'apprentissage automatique, et je vous verrai dans la section suivante. Merci. 7. Comprenons l'apprentissage de machine: Bonjour les gars, Bienvenue dans cette section, qui est facilement la section la plus importante de ce cours, qui explique en détail comment fonctionne l'apprentissage automatique. Maintenant, comme je l'ai expliqué plus tôt, l'apprentissage automatique est un sous-ensemble de l' intelligence artificielle. Et que fait-il ? Il permet à un programme ou à un logiciel apprendre de son expérience et ses tâches améliorées sans être explicitement programmés. Maintenant, cela semble vraiment étrange, mais comment y remédier ? Donc, si vous connaissez programmation traditionnelle ou le fonctionnement des ordinateurs, vous savez comment fonctionnent les ordinateurs. Oh, ce que fait un ordinateur, c'est que vous sentez prendre des commentaires et que vous écrivez un taux de programme et vous leur dites que je peux dire, OK, c'est ce que ça va venir. C'est ce que vous devez faire et il utilise ce programme pour générer une sortie. C'est ainsi que les ordinateurs ont toujours fonctionné à peu près. Personne ne vient à l'apprentissage automatique. C'est légèrement différent. En fait, vous lui donnez l'entrée et vous lui indiquez quelle est la sortie attendue. Et l'ordinateur lui-même va élaborer un programme. Vous l'appelez la couleur elle-même, un modèle. Il va s'en servir pour générer ce qu'est la sortie. Donc, si nous le regardons un par un, vous obtiendrez beaucoup de données. Mais ça va le faire et tu lui donnes et tu dois en venir à comprendre ces données. Les gars, c'est ce que ça va être. Oui, la machine elle-même va construire un modèle. Nous allons utiliser cela pour prédire quelque chose qui se passe, qui s'est encore produit. Vous ne l'avez pas encore vendu. Maintenant, je vais lui donner plus de détails. Je ne vais jamais voir si ça marche ou non. Votre modèle est correct ou non. S'il y en avait moins, je ne vais pas lui donner plus de données. Vous allez devoir le retourner plusieurs fois. Nous trouvons qu'il lui donne plus de devinettes d'utilisation jusqu'à ce que la sortie souhaitée soit formée. Que se passe-t-il ? La machine l' exécute seule. Et il y avait ceux à devenir de plus en plus précis au fil du temps comme s'il débattait. Voyons donc voir. Une représentation plus diagrammatique de ce cercle, faites-le plus clair. Donc, les gars de l'apprentissage automatique. Donc, pendant que vous l'avez fait, vous avez des données d' entraînement et oui, alors jetons un coup d'œil à cela. Ce qui se passe dans le processus d'apprentissage automatique commence par saisie des données de formation dans un algorithme. D'accord, qu'est-ce que ça leur amène alors ? Tout d'abord, je vais les accompagner, c'est juste un moyen pour l'ordinateur de comprendre quelles données vous l' adaptez et d'y donner un sens. Alors, que va-t-il se passer ? La machine va prendre cet algorithme, prendre ces données, et elle va construire un modèle. Ce modèle est ce qu'il a appelé un. Donc, en gros, quel est le modèle ? Le modèle est la sortie de votre algorithme et de vos données. Donc c'est comme ça que ça s'appelle, ça va se servir de cela pour prédire quelque chose qui ne s'est pas encore produit. Maintenant que nous avons des données FedEx, Delgado des ventes a créé un modèle. Voyons maintenant ce qui se passe. Si vous donnez des données réelles. Prenons maintenant quelques données réelles et les alimentons dans le modèle. Alors, que se passe-t-il alors ? prédiction va faire une prédiction et elle va voir si elle est correcte ou non. Alors, qu'est-ce que je vais évaluer, alors supposons que la prédiction ne reviendra pas en arrière. Si la prédiction n' est pas comme prévu, alors l'algorithme nutritif plusieurs fois jusqu'à la sortie souhaitée en tant que téléphones, ce qui s'est passé que cela permet un algorithme d'apprentissage automatique continue de apprenez exon et produisez la réponse la plus optimale. Et il augmentera en précision au fil du temps. Plus vous l' alimentez de données augmentera en précision. En un mot, l'apprentissage automatique de la décision de mise en liberté sous caution est, et si vous vous souvenez de ce que nous avons discuté, nous avons défini d by d Theta est si important pour l'IA et pourquoi la possibilité d'avoir autant de données, c'est pourquoi vous constatez que tant de services d'IA augmentent. Eh bien, c'est l'un de ces usages. Un modèle d'apprentissage automatique n' est aussi efficace que les données que vous alimentez, car il tire des leçons des données historiques qui y sont introduites et qu'il a construit ses algorithmes de prédiction pour prédire la sortie d'un nouvel ensemble de les données détermineront la précision des modèles. Si cela dépend de la qualité et de la quantité de données en entrée, vous lui donnez une grande quantité de données, allez construire un meilleur modèle et produire plus précisément. J'espère que maintenant, j'espère qu' une partie du mystère de l'apprentissage automatique. Passons donc à la section suivante et voyons les différents types d' apprentissage automatique qu'il s'agit. Merci, les gars. 8. Types de apprentissage de machine: Bonjour les gars. Bienvenue dans cette section, dans laquelle nous allons aborder les différents types de machine learning. L'apprentissage automatique est donc un objet complexe en soi. Et ce n'est pas le cas, il a été divisé en deux domaines principaux, apprentissage supervisé et l'apprentissage non supervisé. Chacun a donc un but et une action spécifiques. Vous savez, au sein de l'apprentissage automatique, ils produisent des résultats différents et utilisent différents types de données. Je dirais qu' environ 70 % de l'apprentissage automatique est généralement supervisé. apprentissage non supervisé varie de 10 à 20 %. La principale différence entre les deux réside généralement dans les données qui sont prises en compte, certes, les données d'étiquette ou non étiquetées. Quelle est donc la différence entre les données étiquetées ? Je, vous savez, c'est assez simple de comprendre les résultats importants. Ensuite, vous l'alimentez dans le modèle, bien compris. Vous dites donc à la machine que c'est ce que sont les données et c'est ce que vous, quelle sortie vous extrayez. Et lorsque des données non étiquetées et limitées car elles n'ont pas la sortie, ligne d'entrée dans l' un des paramètres n'est pas manquante. Donc, la bonne chose à propos de l'informatique étiquetée, c'est vous dites déjà à l'ordinateur ce que vous attendez. Mais cela entraînera plus d'efforts humains car vous devez maintenant étiqueter toutes les données. Et cela peut prendre beaucoup de temps. Et dans un apprentissage non supervisé, vous n'avez pas à lui dire quelles sont les données, sorte que vous pouvez cracher sur tous les efforts humains. Mais le problème, bien sûr, c'est qu'il apportera des solutions plus complexes. Alors, faisons-le. Examinons les détails de l'apprentissage supervisé. Je veux donc que vous compreniez vous faites une tâche et vous faites quelque chose pour la première fois et que vous avez un soutien en tant que position au-dessus de vous et que c'est de savoir si vous le faites c'est quelque chose sur lequel il est bon. Si la chaleur n'était pas connectée comme vous pouvez pendant cette période, faites-le correctement. C'est donc essentiellement ce qu'est l'apprentissage supervisé, que ni l'explication n'est là, puis l' image vend la machine, le fait sous supervision. Eh bien, qu'est-ce que ça veut dire ? Vous lui donnez des données d'étiquette lorsque vous le tournez. Et ce qui se passe, c'est essentiellement le détail que vous alimentez. Cela revient déjà avec la réponse. L'alcool que Dalton devrait trouver. Donc, une base de données d'étiquettes. Prenons un exemple. Vous, vous vous nourrissez de différents types de fleurs, peut-être des roses, des marguerites, des jonquilles. Donc, chaque fois que vous lui donnez les données ici, qu'est-ce que la fleur est ? Il est déjà présent dans les données. Ce qui se passe profite à un nouvel ensemble de données et vous imaginez que le modèle va le comparer avec les exemples que vous lui avez déjà donnés. Et pour prédire quelle est la nouvelle image. Il s'agit essentiellement d'un apprentissage supervisé, d' apprentissage non supervisé. C'est exactement le contraire. La réalité est nettoyée parfaitement les données de niveau n'est pas si facile à trouver. Ou s'il y a beaucoup d' efforts humains qui s'y rattachent. Donc, et parfois c'est ce que la recherche montre que, en posant les questions, je ne connais pas la réponse elle-même. C'est donc l' apprentissage non supervisé qui arrive chez les gars. Dans le cas d'un apprentissage non supervisé, le modèle d'apprentissage automatique reçoit un ensemble de données sans instructions claires sur ce qu'il faut en faire. Il peut donc s'agir d'un certain nombre d'exemples de données sans le résultat ou la bonne réponse. Alors, que va-t-il se passer ? Le modèle va transmettre ces données lui-même et il trouve un peu les modèles. Il va trouver des structures dans les données en extrayant des entités. Je vais donc vous montrer en détail ces derniers temps. Faisons un flux graphique comme nous l' avons fait auparavant pour trouver des idées précoces. Mais avant de partir, les gars, comme je vous l'ai dit, 70 %, c'est généralement beaucoup Sheila, mais j'ai supervisé l'apprentissage et ensuite je dirais que 10 à 20 % l'est. Et supposons qu' il y en ait un autre qui s'appelle aussi l'apprentissage par renforcement, qui n'est pas utilisé si souvent. Mais je veux en discuter avec vous au cas où vous en auriez parlé, renforcé. L'apprentissage par renforcement porte davantage sur les essais et les erreurs. Donc, en gros, c'est un moyen jouer à un jeu vidéo, vous savez, première fois que vous jouez avec le niveau, vous ne savez pas quoi faire, n'est-ce pas ? Vous êtes en train de fouiller, vous faites cela, faites ces essais et ces erreurs, vous commettez des erreurs et vous les comprenez. C'est essentiellement ce qu'est l'apprentissage par renforcement. Cela leur permet de faire des choses, erreurs et de comprendre ce qui se passe. Et il se retrouve. Cette technique est généralement utilisée pour former des robots. Vous savez, il effectue une série de tâches décisionnelles comme Venise, faire des véhicules autonomes comme ils conduisaient seuls, ou la gestion des stocks. C'est donc essentiellement là l'apprentissage par renforcement entre en jeu, mais nous n'entrerons pas trop dans les détails car il était axé sur la supervision et le non supervisé. Maintenant que nous comprenons ces deux principaux modèles qui sont utilisés, voyons une représentation graphique de ceux-ci pour avoir une meilleure idée. Tout d'abord, c'est l'apprentissage automatique supervisé. Ainsi, dans l'apprentissage supervisé, comme je vous l'ai dit, nous utilisons des données connues ou étiquetées. Et comme les données sont connues, l'apprentissage de la phosphorylase veut dire que vous savez quelle est la sortie, je vais vous donner un exemple simple. Supposons que vous ayez un enfant avec vous, n'est-ce pas ? Vous leur montrez une photo d' un chien et il a dit que c'est un chien et on lui montre une photo d'un chat et vous la trouverez, Hé, c'est un chat. Maintenant, vous lui montrez assez de photos. Le showman du lieu, une nouvelle photo. Maintenant, il va savoir que ça va reconnaître qu'il va apprendre à faire la différence entre eux parce que ce qui s'est passé, faut le rencontrer et il est capable de reconnaître différentes races de chiens. C'est parce que même si vous n'avez pas vu ça, parce qu'il sait quelles sont leurs caractéristiques de base d'un chien. D'accord. J'espère que vous comprenez. Voyons donc voir. Vous avez maintenant un certain nombre de photos. Vous disposez de ce débit de données. Vous avez mis l'étiquette d'un chien. Et si nous n'avions pas eu le modèle d'apprentissage automatique et que l'algorithme n'a pas changé, ce qu'il fait maintenant, vous avez un modèle d'apprentissage supervisé. Vous avez maintenant ces données. Donnons-lui des données inconnues. Donc, vous allez faire une photo d'un nouveau chien qui n' a jamais vécu auparavant. Qu'est-ce qui va se passer à l'action. Oui, c'est un médecin, donc je comprends que c'est assez simple. C'est ce que l' apprentissage est supposé être les gars, vous entraînez assez le modèle. Il comprend le monde mobile, ce qu'il fait va y entrer. Alors, et maintenant, examinons l'apprentissage non supervisé. Maintenant, comme nous l'avons dit plus tôt, c'est un apprentissage non supervisé. Les données ne sont pas étiquetées, elles ne sont pas connues. Vous donnez au modèle une meilleure santé, mais les données ne seront absolument pas supervisées. Vous lui donnez donc des données, comme par exemple, chats et des chiens et des photos, mais vous ne le dites pas, vous ne dites pas au modèle de quoi il s'agit. Ces données vont donc être introduites dans l' algorithme d'apprentissage automatique qui va être utilisé pour nettoyer le modèle. Alors, que pensez-vous que le mannequin va faire ? Je vais chercher des modèles. Ça va bien voir. Amanda, les chats et les chiens sont différents. Ils ont des activités différentes pour transmettre les données et elles vont les classer. Ces deux animaux se ressemblent, mais ils vont examiner les différences entre eux. Ainsi, les algorithmes, l'apprentissage automatique en soi et il découvre un modèle sur une structure. Et comme il fonctionne avec des données non étiquetées, il doit découvrir par elle-même quelles sont les caractéristiques communes et les séparer. Donc oui, il va séparer le chariot séparément et il va séparer le chien séparément. Vous comprenez donc quel est l'avantage d'un apprentissage automatique non supervisé. C'est le cas, il a la capacité d' accéder aux données non étiquetées. Si humainement, car il n'est pas acquis et étiqueter tout cela, rendre toutes les données avant lisibles permet un écosystème beaucoup plus large sur la facture parce qu'il peut sauter tout le travail humain. Mais ce que c'est, c'est que ça devient beaucoup plus complexe. J'espère donc que vous avez compris maintenant récolter livres d'apprentissage automatique supervisés et non supervisés. Je vais donc passer à la section suivante de cette démo est l'un de ces algorithmes car parfois les gens demandent comment fonctionnent ces algorithmes. J'ai donc besoin de scène dans la section suivante, les gars, merci. J'espère que vous savez que tous ces différents modèles fonctionnent. 9. Algorithme KNN: Bonjour les gars. Bienvenue dans cette section entièrement facultative. C'est à vous de décider. Vous pouvez l'ignorer si vous le souhaitez. Il s'agit donc essentiellement, car beaucoup de gens me posent parfois des questions sur ces algorithmes d'apprentissage automatique. Vous savez, comment fonctionnent-ils ? Qu'est-ce que la mécanique peut derrière certains de ces algorithmes ? Si vous voulez en connaître les détails, j' ai choisi un algorithme d'apprentissage automatique simple. C'est l'un des plus faciles et des plus simples à implémenter, c' est-à-dire un algorithme d'apprentissage automatique, appelé clé voisine la plus proche de Kim. Et un algorithme pour faire court. Il s'agit d'un algorithme d'apprentissage automatique supervisé. Et ce qu'il fait, c'est basé sur le principe simple que choses similaires existent à proximité. Je veux dire, vous êtes les voisins de William , vous êtes fondamentalement comme ça. Cela laisse A est B, c'est dans le nom aussi le voisin le plus proche. Ou c'est très simple et facile à comprendre. Ce qui se passe, c'est qu'il regroupe les données existantes et les données existantes et ce qu'elle fait lorsque vous leur donnez de nouvelles données, qu'il place les données dans la même catégorie, qu'elles soient similaires. Et sur la base de cela, cela fait une prédiction les coupables distinguent la probabilité. Prenons donc un exemple sur ce qu'est ce diagramme. Supposons que vous ayez l'image d'une créature élue chat ou chien, n'est-ce pas ? Ce qui se passe, c'est que vous avez nourri le modèle, les données sur les chats et les chiens en fonction de la taille et du poids. Il a donc un groupe dont les données décident généralement de la rue et des ampoules ou de cette industrie des TIC. Donc, comme vous voudrez peut-être y mettre une nouvelle photo d'un chat et d'un chien. Et je ne construirai pas le modèle, que ce soit un chat ou un chien. Je lui dis seulement que c'est une largeur plus élevée. Alors, que va-t-il se passer ? Vous allez le regrouper et vous allez vérifier quels sont ses voisins les plus proches, ioniques que ce soit des chats ou des chiens. Et sur la base de cela, il va faire une prédiction. Jetons un coup d'œil. Je lui donne donc une nouvelle photo que j'ai. Je ne dis pas ce que c'est, non ? Ce qu'il va faire, c'est vérifier la taille et le poids. Nous pouvons tomber dans l' Italie a eu une prise, ses voisins les plus proches comme ça. C'est donc à peu près la même chose. Il remonte à 6 heures. L'un ou l'autre, j'ai créé une photo d'un chien sans lui dire ce qui va se passer. Il va vérifier la taille et le poids, d'accord. C'est pour quelqu'un, il tombe dans les voisins les plus proches, qui sont des chiens. Donc, d'après cela , je vais dire que c'est définitivement un chien. Oui. Vous pouvez donc comprendre l'avantage de cette stratégie de mortier pour comprendre que les gens réalisent des scripts Python, vous pouvez facilement trouver des modèles de cela sur Internet. L'inconvénient de cela est le, car il a besoin de beaucoup de données que vous pouvez comprendre pour faire prédictions correctement, car il va falloir catégoriser son modèle similaire. La précision augmentera en fonction du nombre de données dont elle dispose. L'inconvénient des visiteurs devient plus lent à mesure que le volume de données augmente. Vous savez, parce que si vous avez ce qu'il a appelé un environnement, vous devez faire des prédictions rapidement. Knn n'est peut-être pas le modèle le plus optimal obtenu pour vous. Mais supposons que vous ayez des ressources informatiques suffisantes, vous savez, vos ordinateurs sont si puissants qu'ils peuvent réellement gérer toutes les données que vous allez utiliser, alors cela peut être un très bon modèle pour utiliser. J'espère donc que vous avez compris maintenant quel point le fond de l'énorme quantité d'algorithmes électoralement est inélégant . Je ne vais pas tous les passer en revue. Je voulais juste vous montrer que c'est le back-end du fonctionnement habituel des algorithmes. Les gars, merci. Comme vous dans la section suivante. 10. Résumé: Bonjour les gars, j'ai vu que nous sommes arrivés à la fin de cette section très importante sur apprentissage automatique et les concepts clés derrière l'IA. J'espère que vous avez compris les concepts fondamentaux de l'apprentissage automatique IA. Nous avons pris, nous avons plongé en profondeur dans l'apprentissage automatique et nous en avons appris différents types. Les différents types de modèles qui sous-tableaux et non supervisés. Et nous avons également examiné l'un des algorithmes, appelé le voisin le plus proche. Comme je l'ai dit, c'était la partie la plus importante des coûts directs. La bonne chose à ce sujet, c'est maintenant que la théorie est terminée. La partie théorique de ce cours est terminée maintenant que vous disposez de suffisamment d'informations, connaissances suffisantes pour commencer à créer vos propres projets d'apprentissage automatique, ce que vous n'êtes pas sur le point de faire. C'est vraiment excitant. Je vais vous voir dans la section suivante. Merci. 11. C'est le moment de créer un modèle d'apprentissage de machine: OK, les gars. Alors, bienvenue. Je suis heureux de vous dire que la partie conceptuelle 1, 2, 3 est presque terminée . Bonjour les gars. Bienvenue dans cette section. Et je suis heureux de vous dire que nous avons terminé la partie conceptuelle. Bien sûr. Et maintenant, nous sommes prêts à créer de véritables services basés sur l'intelligence artificielle. Puisque l'apprentissage automatique est ma passion, j'ai donc pensé que ce serait une bonne idée, construisons un modèle d'apprentissage automatique supervisé pour nous-mêmes. Alors, que vas-tu faire ? Nous allons former une machine à reconnaître images libérales , puis à lui présenter nouvelles données pour vérifier si le modèle que nous avons créé a été réussi ou pas exactement comme nous l'avons dit précédemment. Donc toute la théorie selon laquelle nous avons discuté d'un dieu, vous allez le mettre en action. La bonne nouvelle, c'est que nous n'allons pas vous dire que vous n'avez pas besoin de faire de programmation car ils sont sous les outils présents, ce qui peut gérer l' ensemble de la complexité pour nous. C'est quelque chose que nous n' aurions pas pu imaginer possible il y a quelques années. Donc, pour le faire, regardons l'un de mes outils préférés qui est une machine enseignable par Google. Maintenant, une machine à enseigner, c' est quoi exactement ? Il est allumé. C'est un outil qui rend la création de modèles d'apprentissage automatique très, très fascinante et facile à tout le monde. n'y a pas d' obstacle technique à surmonter. Il a été lancé en 2017. Et ce qu'il fait, il rend l' apprentissage automatique accessible à tous. C'est rapide, facile et très facile à faire. Vous pouvez créer, vous le savez, modèles d'apprentissage automatique pour vos connaissances et votre expertise applicatives. Selon le calme, vous pourriez même explorer les modèles que vous créez pour vos projets et simplement faire un don pour que j'étudie. Laissez-moi juste vous montrer que vous m'y rendez. Le lien pour cela se trouve dans la section Ressources, les gars. Bonjour les gars. C'est donc une machine à enseigner. Mais quand je vous en parlais, c' est ici que vous pouvez créer des modèles que vous pouvez créer. À l'aide de cela, vous pouvez créer des modèles capables, exemple, d'identifier images à l'aide de fichiers de caméra Web. Vous pouvez leur apprendre ce qui étanche et si je sonne des échantillons, même mon préféré est que vous pouvez même lui apprendre à classer les mouvements corporels. Supposons un interrupteur que vous frappez devant votre webcam. Donc, juste pour vous montrer, oui, vous pouvez voir. C'est donc pour les images, les sons, vous pouvez faire quelque chose même en pause. Vous pouvez donc tout faire. Commençons donc par le premier profane tendance. Mais chaque spectacle que vous recevez, si vous le voyez en action, nous le comprenons beaucoup mieux. Commençons, les gars. Et faisons un produit d'image. D'accord ? Alors, qu'allons-nous faire ? Nous allons à l' essentiel ce qu'il a dit, c'est comme ça que c'est la machine learning la plus complexe, désolé, machine enseignable amène ces autres classes de classe de Lanisha à ces autres types de données, nous allons le réfutant. Faisons donc une chose. Créons un modèle d'apprentissage automatique pour identifier différents types de fruits. Ils vont donc l'entraîner pour certaines données en direct et ensuite voir comment cela se passe, quel point il peut identifier différents types d' images que vous présentez et ce qu'il appelle. C'est donc tout ce dont vous avez besoin pour le faire. Faisons donc une chose. Commençons, les gars. Créons comme de première classe, ça s'appelle Apple. Ok, deuxième classe, on va y arriver. Ajoutons encore une devine. Je pense que je l'ai eu. D'accord. Bon, maintenant que nous avons créé ces quelques classes différentes, ce que nous devons faire, c'est que nous devons lui donner des données. Si lourd, nous devons lui donner des images pour qu'il puisse réellement comprendre. Donc, quand on nous présente des données en direct, faisons une chose. Permettez-moi d'allumer leur webcam et de présenter quelques images. OK, les gars. C'est donc moi. Je vais tenir une pomme et 2008 autant que possible. Donc, vous voyez cela, il s'agit de rassembler toutes les données. Il semblerait qu'Apple ait été présenté pour le vol, autant que possible. Je vais lui donner autant de données que possible pour qu'il reconnaisse. Donc, vous avez un oncle 25 et Wendy's, je pense que ça devrait suffire. D'accord. C'est tout pour Napa. D'accord. Même chose maintenant pour les bananes. Bon, alors tenons-le. Il s'agit simplement de lui donner autant de données que possible. D'accord ? Il construit toute cette bibliothèque d'images. D'accord ? Je pense que c'est à peu près la même chose que nous l'avons fait pour cela. D'accord. Encore une fois. D'accord. Nous allons l'enregistrer. Laissez-le garder toutes les données alertes, essayez de les faire pivoter autant que possible. Donc, il fait autant que les données pour construire quel taux ? Ok. C'est à peu près que je pense autant avec oui. D'accord. Maintenant, nous avons fretté les données comme nous l'avons fait. Nous apprenons un apprentissage automatique supervisé, nous avons fretté les données réelles, nous avons maintenant besoin de former le modèle. Cliquons donc là-dessus. Oui. Alors, que fait-il maintenant ? Il va prétendre commencer à construire ses machines, modèle d'apprentissage automatique supervisé, son golfeur mal géré. Et d'après les données que nous avons frettées, pas les gars, chose très importante pour Nazgul loin de cette page parce qu'alors ça s'arrête. Il n'est donc pas en train de le faire passer par là. Oui, exactement. C'est ce à quoi je faisais allusion. Alors, que fait-il maintenant ? Il active son algorithme d'apprentissage automatique supervisé. Et il nettoie le modèle pour reconnaître les données en direct lorsqu'elles se produisent. C'est donc presque fini maintenant. Bon, donc c'est prêt pour la recherche maintenant, est-ce qu' on accepte les données. Donc, vous ne vous inquiétez pas à ce sujet. Donc, vous voyez cela, ils ont réduit le niveau de confiance. Donc, le public ne s'inquiète pas, car c'est pourquoi laissez-moi lever la main en l'air. Vous voyez la neige ? Il ne comprend pas ce qu' est la main. Je pense juste que c'est une pomme. C'est assez drôle parce qu' on n'a pas financé la mort, mais il l'a fait et prédisons quelques données réelles et voyons ce qui se passe, ok ? D'accord, honnêtement, tout va bien. Et voyons une pomme aux connaissances approfondies. Vous voyez cela à 100 %. C'est dire qu'il s'agit d'une application et vous voyez que cela n'est pas déroutant. D'accord ? Et nous saurions ce qui se passe ? Je pense que ça vous évitera de voir si je bouge ma main en pensant que c'est arrivé derrière, est-ce différent ? Oui, je pense que ça reste moins drôle. Donc, d'accord. Vous voyez la banane et elle a présenté les choses importantes. Vous voyez donc que vous reconnaissez qu' il y a encore quelques problèmes à l'outil Trieur. Vous pouvez voir qu'il regarde le backend et, pour une raison quelconque il s'agit d'une audience , il s'agit d'une audience car certaines des données capturées ne l'ont pas entièrement définie. Mais vous voyez comment ces idées maintenant, si je mets un moment de pomme en disant que c'est une pomme, en mettant dans la banane un bonus de 100 % de signature. Je vois le mari sur les données. C'était donc un cas assez excitant. Vous avez donc créé un modèle. Que pouvons-nous en faire, les gars ? C'est donc juste pour vous montrer que si nous passons au modèle d'exportation, vous pouvez maintenant exporter ce modèle. Si vous cliquez sur Télécharger mon modèle, ce qui se passe, c'est qu'il vous donne un lien en direct. Si oui, il fait ce lien, vous pouvez l'utiliser qui a dit ce lien gratuitement ? Ou si vous souhaitez le télécharger, vous pouvez télécharger un fichier zip avec tout le codage terminé. Vous voyez donc combien Google a fait pour vous derrière les coulisses. Je voulais juste vous montrer à quel point il est maintenant facile de créer des modèles d'apprentissage automatique. Et vous avez vu une application réelle de la pureté que nous avons apprise lors du cours précédent. Bien sûr, il y a beaucoup de polissage que nous pouvons faire avec ce modèle. Mon objectif est simplement de vous montrer à quel point c'est facile. J'ai donc une mission pour vous. Je veux que vous fassiez un son ou un post-processus et que vous jouiez avec ce service incroyable pour vous-même. Vous ne croirez pas que les gens aient construit des outils incroyables que vous pensez être enseignables. Et je veux vraiment que vous l' expérimentiez vous-même au lieu de simplement me regarder le faire, le faire pour vous-même. Donc, une fois que vous en avez terminé et que vous avez joué avec le nerveusement dans la section suivante. Merci. 12. Services de AI dans AWS: Bonjour les gars. Bienvenue dans cette section. Maintenant, j'espère que vous avez apprécié la dernière leçon avec vraiment créé un tout premier modèle d'apprentissage automatique. Nous sommes donc prêts à essayer certains services d'IA, mais cette fois-ci pas avec Google, mais avec Amazon. Maintenant, Amazon propose certains des services d'apprentissage automatique les plus étonnants ou possède un service absolument gratuit, comme Google, ils veulent rendre l'apprentissage automatique accessible à tous. Avant de commencer, une chose que je dois faire est que vous vous demandiez de créer un traité AWS gratuit sur votre compte. Si ce n'est pas le cas, si vous n'en avez pas déjà un, c'est très facile à faire. Il suffit d'aller dans la section Ressources et j'y ai mis le lien, mon Dieu. Et s'il vous plaît remplir le formulaire et vous l'aurez si vous ne l'avez pas fait, veuillez y aller et le faire d'abord. En fait, il donne aux clients la possibilité d'explorer et d' essayer de nombreux services AWS entièrement gratuits jusqu'à des limites spécifiées pour chaque service. Maintenant, il fait sur ces services limités sont fournis sur ceux essentiellement contre chaque service sur la page. Si votre application que vous utilisez dépasse les éléments 3D , vous jouerez simplement frais de service standard payants à l'utilisation, qui sont présents pour chacun de nous, mais la bonne nouvelle est que nous ne dépasserons pas eux. Nous n'utiliserons pas autant ces services. Donc, si vous ne l'avez pas déjà fait, hésitez pas à créer votre 50 ou votre service. Sur cette page, vous pouvez voir ce quel que soit le pied d' Amazon.com, peu importe ce lien, il n'y a pas de section ressources. Il s'agit des trois services d'apprentissage automatique que vous pouvez effectuer sur AWS au niveau gratuit. C'est donc amusant, vous avez des traductions de synthèse vocale, rue à texte ou de rue à texte ou d'apprentissage automatique que vous allez faire, vous prenez trois des services les plus importants et vous les utilisez. Vous pouvez donc voir que nous avons Amazon Polly, qui convertit essentiellement le texte en langage vocal. D'accord ? Quel que soit le montant de votre couverture, il peut en fait vivre une vie pareille. D'accord ? Comme ce que vous appelez, si vous avez comme des pois ou un blog, vous pouvez en fait pointer qu' Amazon polygon va se convertir en un audio complètement make it. Et Amazon Transcribe, qui est opposé uniquement à la parole à texte. D'accord ? Vous pouvez comprendre que cette idée prend réellement la parole et la texture mixte. Vous avez une vidéo, elle va, elle peut complètement la transcrire et l'écrire. Il semble que McLean soit en fait des modèles d'apprentissage automatique, mais il s'agit d'un service entièrement géré, donc vous n'avez pas besoin de réduire la complexité un peu compliquée. Backend. Amazon Lex est une boîte de discussion, vous savez. Vous pouvez donc créer votre propre boîte graphique, que vous voyez sur des sites Web qui ont cessé d'être en langage naturel et qui comprennent ce que vous voulez. automatisée des images et des vidéos analyse automatisée des images et des vidéos en complète beaucoup. Vous allez choisir trois de ces services les plus importants, Amazon Polly, la synthèse vocale. Amazon Transcribe se contente de la parole à texte. Et Amazon Lex, IA conversationnelle pour chatbox. Et nous allons essayer de créer trois de ces services. C'est donc très excitant. Passons à la section suivante. J'ai commencé à le construire. Merci. 13. AWS Transcribe: Bonjour les gars. D'accord. La première chose, le premier service, je veux que vous jetiez un coup d'œil à cette transcription Amazon AWS. Donc, qu'est-ce qu'AWS transcrit en une phrase, c'est de la parole à texte. Ce qu'il fait, c'est des usages de base, le Deep Learning, qui, si vous vous en souvenez plus tôt, c'est comme un sous-ensemble de l'apprentissage automatique. Ce qu'il fait, il convertit la parole en texte, leur processus appelé reconnaissance vocale automatique. Donc, ce qu'il fait, cela ouvre de nombreuses possibilités passionnantes. Si vous êtes développeur, je veux dire, vous pouvez avoir des fonctionnalités très puissantes pour les applications telles que les sous-titres vidéo. Si vous possédez une application d'apprentissage en ligne, vous pouvez y ajouter des sous-titres. Tous. Vous pouvez transcrire un enregistrement constant ou pire afin de pouvoir les rechercher comme vous n'importe quel texte. Vous pouvez également automatiser la prise de procès-verbaux de réunions. Vous savez, je veux dire, les possibilités sont incroyables. Ainsi, AWS transcrit, il est piloté par la plateforme AWS Machine Learning. Qu'est-ce que ça veut dire ? En fait, il devient plus intelligent avec le temps. Au fur et à mesure qu'il apprend en apprenant, il devient plus intelligent avec le temps. Faisons donc cela en action. J'ai donc créé votre compte AWS maintenant car je veux que vous le fassiez vous-même au lieu de simplement me regarder faire des choses. La meilleure façon de faire quelque chose est de le faire vous-même. Donc c'est un petit que nous le faisons compte tenu des jours que j'ai pris cela, vous trouverez cela sous forme fichier MP3 dans la section des ressources également. Je vais donc conscrire la disomie. Alors écoutons, sur 1520 secondes ça a commencé par une question. Les équipes semblent donc créer un objet composite dans l'univers. Synchrone temporelle. Bonjour, ça ne change pas. Intelligence artificielle. Le plus à propos. Ok, donc c'était des jours très intéressants. Je veux dire, c'est un petit clip midi non formel de la BBC sur l'intelligence artificielle. Donc, comme un double fait, c'est aussi bien dans la section des ressources, c'est très intéressant. Vous pouvez écouter l'intégralité du clip MP3 si vous voulez savoir, je veux que vous l'ayez, je veux convertir cette vidéo en texte en anglais. Nous allons donc le faire en utilisant AWS transcribe IS, donc c'est l' idée avec console. Passons donc à la transcription du transport du glucose. Ouvrons cette affaire. D'accord, il y a donc plusieurs façons de le faire. Je veux dire, si vous voulez, il y a quelque chose qu' on appelle la transcription en temps réel. Nous pouvons donc, en fait, lorsque vous parlez dans le microphone, il peut le transcrire, mais je ne veux pas le faire à travers cela. Nous allons le faire à l'aide d'un travail de transcription. Nous voulions donc transcrire ce fichier MP3 que nous venons d'écouter. Donc, pour cela d'abord, vous devez le mettre dans un seau S3. Je veux dire, si vous ne savez pas ce qu'est S3, c'est comme un dossier dans AWS. C'est comme Dropbox ou OneDrive, quelques diapositives avant de créer ce dossier et de charger le fichier à Embry. Je l'ai déjà fait. Mais juste pour vous montrer, elle ne le saurait pas, allez à S3. J'ai donc déjà un compartiment appelé S3 demo, Udemy, Demo AI, et j'ai mis jour, vous pouvez les voir mais le fichier déjà là. Donc, si tout ce que vous avez à faire est d' aller ici, créez un compartiment. Vous avez un nom pour votre seau. Il faut que ce soit des gars uniques, juste pour vous le faire savoir et vous pouvez à peu près conserver toutes les options verticales par défaut qui existent. Et c'est le fichier d' empathie téléchargé ici. Donc je suppose que si vous avez un compartiment S3 et que nous avons mis le fichier là. Revenons donc à ce sujet au moins transcrit. Bon, donc trouvons un emploi pour le transcrire. Appelons ça aussi un bleu. Nous pouvons, nous pouvons utiliser toutes les options par défaut, les gars, c'est le focus, au moins une langue spécifique, l'anglais. Donc, oui, c'est très épuisant là où se trouve le dossier. Parcourons donc l'historique. Oui, choisissons celui-ci. Oui, c'est le fichier que nous voulons transcrire, choisissez. D'accord. Donc, oui, c'est cool. Ensuite, il y a d'autres options que vous allez contracter à partir d'un monde entier. Fondamentalement, nous n'avons pas besoin d'entrer là-dedans. Il peut essentiellement conserver toutes les options par défaut. Ok, donc maintenant vous pouvez voir nos démos de transcription en cours de sorte que ce clip reste comme quelques minutes d'éclairage. Il peut donc falloir environ 15 à 20 trente secondes pour la transcrire. Donc, oui. Ce que vous allez faire, c'est nous donner le travail qu'il appelé le travail transcrit a été de le voir en action et de voir à quel point c'était exact. Je veux dire, est-ce qu' il a transcrit les 30 premières secondes qui se sentent écoutées et vivent avec toutes les erreurs que j'aimerais un peu, voyons à quel point c'était exact. Rafraîchissons et voyons le stock. D'accord. C'est en cours, les gars, parfois ça prend quelques minutes, le taux de défaillance. OK, les gars, c'est fini. Bon, alors cliquons dessus et voyons ce qui s'est passé. Allons-y. Ici. Ça va bien. Talker. C'est en fait que c'est là que la transcription s'est produite, les gars. Voyons donc voir. Jetons un coup d'œil à ce que le bouton doit opérer devant nous. Et si vous vous souvenez des vidéos, alors qu'est-ce que l'AIA ? Il y avait une phrase avec elle a mis un espace avec moi. Commençons par une question que vous pouvez voir maintenant, donc c'est étonnamment exact jusqu'aux pauses en phrases. Je le recommande, je recommande de lire ceci, puis de les écouter côte à côte. Et ensuite, en comparant les deux pour en avoir une idée, à quel point c'était exact. Ainsi, si vous êtes disponible, bien sûr, vous planifiez les tâches pour exécuter des événements ou des périodes spécifiques à l'entreprise ou vous ne feriez pas d'EPS à partir d'autres services. Je vous recommande encore de jouer avec d'autres fichiers, comprendre comment cela fonctionne et de me le faire savoir. J'espère donc que vous avez une bonne idée de son fonctionnement et de sa précision. Comme une boucle de do. Il ouvre de nombreuses possibilités. Je veux dire, vous pouvez transcrire les centres d'appels. Vous savez, les gens veulent rechercher les enregistrements de leur centre d'appels ou automatiser le cochage des minutes de réunions, tout ce que vous pouvez faire. C'est une densité très puissante. Vous pouvez voir à quel point c'est facile. J'espère donc que cela vous a été utile. Je vous verrai dans la prochaine démo. Merci. 14. AWS Lex: Bonjour les gars, bienvenue dans notre dernière démo d'Amazon Machine Learning Services. Nous allons donc faire une démonstration d'Amazon Lex, ce minuteur, qui est un peu plus complexe que les deux derniers. Jusqu'à présent, nous avons fait de la synthèse vocale et de la parole à texte. Faisons donc quelque chose de plus dynamique cette fois, ce qui fait beaucoup de choses ensemble. Je suis absolument sûr que vous avez dû interagir avec des chatbots à la fois. Et lorsque vous visitez un site Web, vous savez, qu'est-ce qu'un chat bot est essentiellement un programme d'apprentissage automatique qui stimule une conversation que vous pourriez avoir au téléphone, en vente libre avec la personne, mais ce n'est pas une personne que vous interagissez avec des machines virtuelles. Amazon Lex utilise donc l'apprentissage automatique qui reconnaît la parole ou le texte, et peut prendre des mesures. Il peut traiter les commandes en fonction de ce que le client a parlé ou écrit. C'est la même technologie qui suit également l'élixir Amazon. Et vous pouvez créer des chatbots extrêmement puissants pour vous possédant des compétences techniques minimales en obstétrique. Passons donc à la console Amazon et commençons à travailler dessus. Et je vous y verrai. OK, les gars. Alors maintenant, les cheveux sur la console, Allons voir Amazon, Lex. Bon, on y va. Bon, donc ça ne va pas le régénérer. Parfois, les services que vous consultez ne sont pas dans les régions. Je suis donc actuellement dans l'est de l'Ohio américain et je vais à Londres. OK. Voici donc Amazon Lex. Commençons maintenant. OK. Donc, vous verrez peut-être quelques choses que vous pourriez sembler déroutantes au départ, mon pote, je vais vous expliquer. Donc, le zoom veut peler, supposons que nous voulons créer un tableau noir pour d'autres hamburgers, n'est-ce pas ? Donc, ce qu'un retrait a l'intention c'est essentiellement ce qu'il voulait faire. Je veux commander un bidon. Je veux réserver un vol ou réserver un voyage. OK. C'est ce que l'intention est. La présence est ce que dit l'utilisateur. Les types, comme notre carnet, je veux commander un hamburger , réserver un hôtel, réserver un vol. Les machines à sous sont essentiellement les paramètres que vous donnez, vont donner une vidéo en direct. Quel type de hamburger, à quelle heure ? Ce genre de choses. L'accomplissement se produit à la fin. C'est ce qu'une fois que tout a été fait, il place l'autre. OK ? Donc, en gros, c'est juste des noms différents pour les choses, mais c'est à peu près la même chose. Donc, vous savez, Amazon a déjà prédéfini un grand nombre de ces boîtes d'échantillons. Vous n'êtes donc pas obligé de faire quoi que ce soit. Vous pouvez simplement faire quelque chose de prédéfini, mais je veux le faire nous-mêmes. Alors faisons-le comme un lev, simples créateurs que plusieurs ont achetés qui ne peuvent pas, nous allons prendre commande pour des hamburgers plus étudiants ou les hamburgers, c'est un MFA, mais prenons l'anglais, le Royaume-Uni. Ok, elle est sortie. Nous pouvons continuer Amy. Bonjour, je m'appelle Amy. OK. C'est le délai d'expiration de la session après que Richard soulève leur utilisateur ne soit pas vertical. Aucune réponse ici, elle le réinitialisera. Ce sont donc toutes les options par défaut, copaie essentiellement, si vous prenez des informations sensibles sur les mineurs et tout cela. Donc non, ce n'est pas le cas. Le seuil de confiance est augmenté essentiellement en retrait. Combien d'intelligence est facile de discerner ce que l' utilisateur est de même avec l'héritage Augustinien. C'est essentiellement combien de confiance dans les détectés ils l'utilisent en règle générale. Est-ce que l'utilisateur dit, est-ce c' est proche de ce que nous pensons ? Il dit ? Fondamentalement, l'intelligence qu'il utilise. Alors, que reste-t-il maintenant ? Déplions-le. Bon, que reste-t-il maintenant ? Je pense que nous avons tout mis ici. Délai d'expiration de session. OK. Cinq minutes. Oui, désolé, j'ai oublié de mettre le minuteur de session. Bon, allons-y et créons-le maintenant. Bon, comme je l'ai dit, première chose est de créer le tarif prévu. Nous avons créé cette frontière ou que voulez-vous faire ? Comme je l'ai dit, nous voulons commander des hamburgers. Votre paupière s'est élargie. Alors, faisons-le. Créez du contenu. Oui, je veux créer une intention. Ainsi, le document porte le même nom que celui de la commande de bouteilles. OK ? Et ça va. Donc, d'accord, ici vous vous demandez ce que l'utilisateur est de la chambre. Que pensez-vous que l'utilisateur va taper une recrue pour lancer le tableau ? Donc, quoi que vous détectiez ce qu'ils font, des nitrates ou des meurtres. Je veux oui, vous pouvez continuer à l' ajouter autant que vous le souhaitez. Mademoiselle OK. Ok. Ok. Et maintenant un côté déloge, qu'est-ce que les milliwatts, les informations que vous allez cocher de l'utilisateur en fait. Pensons donc aux fiançailles. Que voulez-vous ? Si le gars dit, je veux d' abord un hamburger , qu' allez-vous lui demander ? Vous allez vous demander quel type de programme ? C'est ce que je vais lui demander à ce sujet car le bot va demander. C'est donc essentiellement ce qu'est le type de données. Nous allons donc simplement cliquer sur alphanumérique. Il a beaucoup d'Amazon prédéfinis. Vous pouvez voir les courriels, les numéros de téléphone, l'heure , la date, c'est très bien chez M. Gardner. OK. Quel type de hamburger ? Désolé. Désolé, juste pour être hamburger. Burger. C'est un, c'est en fait le nom de la fente, pas d'invite. C'est l'invite. OK. Bon, après avoir pris le type de bugger, on peut demander oui, le taux de localisation. Nous ne savons pas où est le gars. Prenons donc la ville. C'est ce qu'il va demander. OK. 99. Encore une chose. OK. Vous avez eu le ruissellement direct ou livré tous les jours. Je pense donc qu'Amazon a déjà des données API ou un taux de déviation. Oui, en train de mourir. Je suis désolé. À quelle heure ? Livraison ? Oui. Je pense que c'est juste une étape pour un simple audit. Je pense que c'est plus que suffisant pour ne pas être trop technique à ce sujet. Maintenant que tous ces éléments sont adéquats plus tard, je vois qu'un seul est vérifié maintenant, nous les voulons tous. Oui, le premier sera quel type de vulgaire ? Le deuxième serait la priorité. Si vous regardez les protéines, c'est la séquence dans laquelle les deux dernières questions. Premièrement, la priorité est un type de fausses secondes, l'emplacement. Troisièmement, c'est cette époque. OK ? Invite de confirmation. C'est fondamentalement oui, vous êtes sûr de vouloir commander. Donc, en gros, êtes-vous sûr de vouloir rétablir l'ordre ? Oui. Conseil, si l'utilisateur dit non. OK. Maintenant , le filament est essentiellement une fois que vous avez pris tout comme je vous l'ai dit , en passant la commande, maintenant nous n' allons pas examiner votre logique commerciale. Évidemment. Nous allons juste l' enregistrer et augmenter les biomarqueurs à l'utilisateur. Mais ne nous contentons pas de passer un message génétique du côté gauche ici. Ok, alors quand il s' en va, laissez-vous remercier. Votre commande de voyons, puis vous avez cassé les numéros de compartiments et essentiellement ce que vous prenez de la fente ici, vous êtes sous-peuplé dynamiquement. fente. Pour le premier créneau a été liste, livrez l'emplacement au bas littéraire. OK. Je pense donc que c'est plus que suffisant. Contemplez simplement en cliquant. Voyons voir. Espérons que je n'ai pas trouvé de méthode. Construisons son fond. Voyez ce qui se passe. Oui, construisons un bot. Voyons voir. Oups. Aucune valeur pour les instructions de rejet courbe et reject statement.me, non valide. OK. Voyons ce qui s'est passé. OK. Votre commande a reçu une réponse. Je pense que c'est ce que je pense que j' ai oublié de mettre le radical. Si ces comptes en tant que fille. y a pas eu d'autre déclaration. Reconstruisons-le. OK. Il est en train de construire pour certaines choses comme ça, que se passe-t-il ? C'est comme si vous aviez construit un programme ou un programme informatique compilait essentiellement le bas, ok, tout a été mis là-dedans. Il s'agit essentiellement de le construire dans le back-end et de créer le bot prêt. OK. Y a-t-il non. Bon, vous pouvez maintenant ajouter le bon écran. Vous pouvez voir que c'est ce qu'il a appelé le bot est maintenant prêt à interagir avec simplement compléter les factures qu' il a conduites à construire. Et puis vous pouvez en fait des conversations de bureau avec elle. Voyons voir. Nous devrions donc pouvoir passer une commande pour un hamburger et le faire refléter au client si vous avez configuré correctement. Bon, donc c'est maintenant prêt. Les gars, voyons ça. OK. Voyons voir. Disons que je veux bien. Quel type de hamburger ? Vous pouvez voir maintenant qu'il y a des emplacements ci-dessous. C'est vérifier ce que je veux dire. OK. Où vivez-vous ? Je vis dans le corps. quelle heure voulez-vous livrer que BM ? Oui. C'est la conformation que nous avons mise en place, oui. Oui. OK. Car cela s'est produit , mais ils n'ont pas montré les messages de confirmation. Vous avez mis une chose assez intéressante. Voyons ce qui s'est passé. Réponse. Je pense que je ne l'ai pas sauvé, malheureusement. Ok, mon erreur, les gars. J'ai oublié de le dire parce que c' est un message très générique que vous voulez. n'y a pas d'accord. Merci. Votre Honneur. Car mettons simplement une liste de types. OK. OK. Oui. Parce que nous voulons que ce message à chacun des distributeurs locaux. Merci de l'ordre pour type nous a bénis avec diélectrique. Je pense que c'est sensible à la casse, a également répertorié chaque int et définit l'aperçu. Donc maintenant la réponse aux fonds du client au gobelet, mais à montrer non seulement génétique. Travaillons très bien. Je ne veux pas ça. Je veux qu'il soit personnalisé pour l'utilisateur car il n'utilise pas de fongicide. Mais chaque fois que vous faites un changement, vous devez le reconstruire juste pour vous le faire savoir. Voyons si je profite d'un module lustre insipide. OK. Recommençons. Ok, donc c'est encore la limite, détectez essentiellement par ces petits moments amusants parce qu'il compile à nouveau l'écorce à partir de zéro et vérifiez essentiellement pour que tout le fond ne fasse pas n'importe quoi. Juste à gauche. OK. L'amour à Londres. Et BM ? Oui. OK. Bien. Maintenant, vous pouvez voir le sponsor client n'a pas donné le langage génétique que nous ne voulions pas. Ce n'est donc pas des gars, vous avez créé votre propre bot et il est très, très puissant. Vous pouvez le personnaliser autant que vous le souhaitez. Bien sûr, la webcam de volonté vous convaincra de l'intégrer à une logique commerciale, choisir le désordre et prendre tous ces paramètres et placer un liquide dans un système de restaurant et c'est pourquoi la commande vient directement. Mais maintenant, vous avez créé votre propre robot. Il a dû être recueilli avec lui aujourd'hui. Et si vous voyez cela, vous pouvez le mettre sur Facebook. Vous pouvez le mettre sur Slack. Ces deux-là n'ont pas été utilisés, mais il suffit de surveiller cette boîte il suffit de surveiller cette boîte aussi le nombre de demandes reçues et il y a un problème. C'est donc le puissant sur qu'elle utilise tout le traitement du langage naturel pour interagir essentiellement avec les utilisateurs. Et si vous mettez parfois heureusement que vous pouvez vraiment vérifier, je veux que vous vérifiiez comment le bot intellectuellement, si vous mettez juste quelque chose de confus, si je mets juste quelque chose que je n'ai pas mis. Oui. Est-ce que vous voyez ça ? Donc, en disant désolé, pouvez-vous répéter cela, moins clair encore une fois. Mettons quelque chose que je ne vais pas vraiment vérifier le contexte de ce que je fais. OK ? Oui, voyez-vous, en fait, je n'ai pas mis un de ces énoncés, j'ai mis autre chose, mais c'est compris. C'est donc très puissant. Je voulais vraiment vitrer, que vous y jetiez un coup d'œil, compreniez comment ça fonctionne et créez votre propre boîte. fait, c' est beaucoup plus complexe que ce que nous avions utilisé auparavant. J'espère que vous avez apprécié et regardé et OPIA, cela enlève une partie de la confusion qui s'est produite auparavant avec la boîte à outils des dieux. Pour l'instant, je veux que vous créiez votre propre tableau personnalisé. Faites-moi savoir. Merci. 15. AWS Polly: Bonjour les gars, Bienvenue dans la deuxième démo d'AWS Machine Learning. Nous allons donc nous pencher sur un autre service appelé Amazon Polly, qui est exactement à l' opposé d'AWS transcribe. Donc, au lieu de parler à texte, nous transformerons du texte en discours réaliste. Donc, ce que ce polytope politique l' apprentissage automatique pourrait synthétiser la parole semble très naturel et vous pouvez créer des applications qui parlent essentiellement lors de l'utilisation de la syntaxe de poly, mais la ponctuation dans un texte vous pourriez être comme si vous avez ce qu'il a appelé des virgules ou des aliments qui est en fait utilisé pour les indices pour les analyseurs et livres Use Cases laminar pour cela est trop grand pour mentionner. Je veux dire, si vous avez créé un site Web ou un blog, vous pouvez essentiellement avoir une étrange polyploïde que vous ayez conduit à vos visiteurs. Ou si vous avez une formation en ligne, vous pouvez convertir du matériel de cours divergent en coûts entièrement basés sur les commandes. Ou peut-être que vous êtes un taux bancaire. Vous pouvez avoir une polyploïdie et une réponse vocale interactive. Ainsi, lorsque le client a demandé à un polygone équilibré reçu, il ne joue pas automatiquement votre client, mais l'interaction humaine. J'espère que vous aurez l'idée. Créons donc du texte pour cela et examinons comment cela fonctionne. C'est juste quelque chose que j'ai écrit les gars et je veux dire, vous pouvez à peu près tout cela. J'ai juste pensé ça à la volée. Je veux juste mettre ça dans Amazon, Polly, et le vérifier. Flexicurité, extrêmement simple. Je vous verrai dans la console AWS. Les gars, c'est tellement plus lourd. Donc, contrairement aux soins transcrits, nous n'avons pas besoin d' avoir un seau S3 ou quelque chose qui devrait être assez simple avec le volume, car mon intention est simplement de vous montrer comment cela fonctionne. Allons donc sur Amazon. Polly, on y va. Maintenant, d'accord, si facilement, comme je l'ai dit, c'est très simple ici. Vous pouvez juste mettre les choses ici et ce qu'il appelle ça a rejoué les services. Je m'appelle John Allen Wilson. Bonjour. Je m'appelle Joanna. Je lirai tous les textes que vous tapez ici. OK, c'était plutôt sympa. Et vous pouvez voir que vous pouvez changer cela d'un homme à une femme et tout cela. Bonjour, je suis Matthew. Je lirai tous les textes que vous tapez ici. OK. Mettons donc l'architecture. Bonjour à tous. Il s'agit d'une démonstration d'Amazon Polly pour votre cours Udemy. Polya convertit cette synthèse vocale en fonction des paramètres que vous avez définis pour vous montrer comment fonctionnent les services Amazon AI. Vous pouvez l'utiliser pour créer une réponse vocale interactive pour les centres d' appels et autres applications fonction de votre cas d'utilisation. Vous pouvez également utiliser Amazon Polly pour créer des fichiers audio à partir de blogs ou de sites Web. J'espère que cela a été utile. Au revoir. Ok, passons à travers les déchets humains féminins. Bonjour à tous. , Polya Pour votre cours Udemy convertit ce texte en vocal en fonction des paramètres que vous avez définis pour vous montrer comment fonctionnent les services Amazon AI. Vous pouvez l'utiliser pour créer une réponse vocale interactive pour les centres d' appels et autres applications fonction de votre cas d'utilisation. Vous pouvez également utiliser Amazon Polly pour créer des fichiers audio à partir de blogs ou de sites Web. J'espère que cela a été utile. Au revoir. Ok, vous voyez soudainement que vous pouvez vérifier la précision du taux de deux tirages. Et même si vous pouvez mettre un lexique, ce que je lexiques peut être dans une prononciation, certains oiseaux que je prononçais différemment. Certains mots ne sont pas prononcés comme vous voulez avoir de l' argot et du vocabulaire, vous pouvez réellement les télécharger ici et il les lira et cela changera ceux qui seront virtuels comme vous le souhaitez. prononcé. C'est donc assez simple, les gars. C'est comme si c'était beaucoup plus simple que la transcription n'est simple. Je veux que tu joues avec ça, que tu le regardes et que tu vois comment ça marche. OK. Merci. 16. Résumé: Bonjour les gars. Nous arrivons enfin à la fin de cette section, et j'espère que cela vous a plu. Nous trouvons que ce que nous avons appris en théorie appliqué dans la pratique a également mis en œuvre ces concepts. Nous avons donc créé une machine learning modélisant Google Teachable Machine, qui permet de différencier les différents types d' objets, d'images. Et je vous donne quelques devoirs pour faire le, utiliser un peu d'audio, utiliser simplement comme cela et voyez, êtes-vous capable d'obtenir un bon modèle d'apprentissage automatique ? Un modèle. Enfin, nous avons utilisé un Amazon 50 ou des services pour apprentissage automatique pour la transcription données audio, la reconnaissance vocale et la création de chatbots conversationnels, qui utilisent le traitement du langage naturel les commandes, vont utiliser tous ces services gratuits. Mettez-vous réellement en œuvre certains services d'assurance-emploi de base ? J'espère que cela a aidé à consolider les concepts que vous avez appris plus tôt et que vous avez maintenant une meilleure compréhension de l'A1 auparavant. Passons maintenant à la dernière section laquelle vous avez tout appliqué. Merci. 17. Pourquoi la gouvernance est-: Bonjour les gars. Bienvenue dans la section qui est une partie extrêmement importante des spores, qui concerne l' intelligence artificielle, la gouvernance et les normes, et plus précisément comment l'IA peut être utilisée à mauvais escient. Maintenant, cela peut sembler être un peu déroutant parce que comment peut-il être utilisé à mauvais escient ? Vous vous demandez peut-être, le triste fait est que l'intelligence artificielle est comme n'importe quelle autre technologie à cet égard. Il y aura toujours des gens qui essaieront d'expliquer la technologie et la musique pour des activités contraires à l'éthique. Et prenons l'exemple d'Internet, disons. Aujourd'hui, Internet est comme un bond en avant technologique massif pour l'humanité. La vie de millions et de millions de personnes a été transformée en diagonale. Mais juste, vous savez, combien de cybercriminels ont pris. Tout leur concept de cybercriminels qui a vraiment pris son envol à cause d'Internet et de la façon dont ils ont pris avec eux, en a profité. Ainsi, comme n'importe quelle autre technologie, IA est également comme cela et elle peut être utilisée à mauvais escient. Donc, pour que ces choses soient contrôlées et que nous ayons besoin d'une sorte de régularisation de nos normes en matière d'IA. Alors pourquoi pensez-vous que j'ai besoin d'y aller ou non ? Soyons honnêtes. Personne n'aime les règlements, non ? Je pense, surtout dans les technologies de l'information. Il semble généralement être un bloqueur de génération en génération. Cela semble être quelque chose qui nuit à la croissance, à l'innovation et à la technologie. Et l'IA était historiquement une industrie autorégulée. Il n'y avait pas beaucoup de réglementation. Les gouvernements n'ont pas beaucoup choisi. Il a coûté au départ. Et ce qui s'est passé, c'est quand beaucoup de choses se produisent, l'adoption massive des IA a soudainement commencé. Le Covid-19 a changé la donne pour de nombreuses entreprises du monde entier. Et il incline l'un d'entre eux. Beaucoup d'entreprises, ce qu'elles ont fait, c'est qu'elles ont accéléré le taux de la feuille de route technologique. Ils seront rapidement adoptés dans le Cloud. En fait, l'adoption accélérée de la numérisation, du commerce électronique et de l'IA. Et l'entreprise est vraiment liée. Ce n'est pas comme si les élections nordiques du Far West sont présentes et qu'elles diffusent pour que les systèmes d'IA soient approuvés par les clients, vous devez disposer d'un cadre réglementaire large pour être présent. Et c'est ce que la question se pose. Maintenant, confiance, comment mesurez-vous la confiance en lui et au système AV ? Parce que Mike mixte semble être une sorte de paradoxe ici, non ? Oui, ce n'est pas comme les humains, comme le dit un empire, l'œuf n'a pas d' émotions. Donc, juste là, le concept de commandement de la confiance. C'est là que se présente la chose intéressante. Maintenant, donnez-moi un parti pris. C'est une bonne question à poser parce que les humains ont des préjugés, n'est-ce pas ? Les humains ou les préjugés, non humains, sont complètement objectifs. C'est ce qui peut obtenir une sorte de subjectivité, gardes honnêtes, et c'est pourquoi nous avons besoin de freins et de contrepoids. Le triste fait est que vous vous souvenez de quoi, comment l'IA fonctionne comme si vous avez besoin de donner des données de formation sur lesquelles elle commence à collecter des données et à comprendre tous les jeux de données que vous alimentez. Pas de biais pendant la collecte de données auprès d'humains. Bon sang, restez à Belgrade, c'est que si, prenons un exemple, vous créez un algorithme de reconnaissance faciale. Et les données de trading que vous alimentez. Il ne représente pas tous les groupes. Disons donc que les données d'entraînement que vous lui avez données, ce sont 75 % de visages masculins et seulement 25 % de femmes. Et sur tous, 80 % des visages que l'on trouve une démo par gens et seulement 20  % sont noirs. Que croyez-vous qu'il se passera maintenant ? Pensez-vous que le modèle reconnaîtra mieux les Blancs et les hommes ? Bien sûr, une bonne lumière parce que les données de nettoyage n'étaient pas uniformes, ce n'était pas juste. Vous ne lui avez pas donné toutes les données nécessaires. Prenons donc un exemple. Maintenant, ça ne fait rien de mal. C'était comme si Kim et moi avons mis les liens ci-dessous et vous pouvez le vérifier. Les publicités de Facebook en sont nombreuses. Il a été découvert qu'il était discriminatoire par sexe et par race. Ce qui se passait était donc quand il s' relier les emplois d'infirmières et de secrétaire manqués. Il visait un nœud descendant, de famille à femme. Et s'il travaillait localement, non, comme les chauffeurs de taxi de quelque chose, il l'envoyait principalement aux minorités. Et c'était des emplois bien rémunérés comme vendre une maison ou quelque chose comme ça. Il visait les Blancs. Ce qui s' était passé, comme je l'ai dit, sont les biais de mon algorithme que reptilien de février à cause des données d'entraînement qui ont été remplies. Maintenant, c'était aussi quelque chose de très incroyable. Les préjugés raciaux pour eux et la meilleure barre musicale pour les soins de santé arrivent et ce qui ne s'est pas passé sait cet hôpital essayait de trouver des personnes qui auraient besoin de soins médicaux plus ciblés. Ils présentaient un risque plus élevé. Et ce qui n'a pas été ciblé en fonction du montant qu'ils dépensaient. heure actuelle, ce qui s'est passé c'est que les Noirs avaient plus de problèmes médicaux, mais ils dépensaient moins. Blancs, les Blancs et les Blancs dépensaient plus. Sur cette base, cet algorithme a décidé que les Noirs ont besoin d'autant de soins médicaux que les Blancs. Et ça n'a pas commencé, et ça a commencé, je pense que les Blancs sont basés sur ça. Vous voyez donc comment cela s'est produit, à vrai dire, avec condamner l'inégalité des revenus. Cette chose s'est produite. Et c'était un cas très célèbre et c'était là que c'était principalement dans les nouvelles, un système judiciaire américain assez célèbre appelé boussole, dont nous avons découvert qu'il était en fait biaisé envers les Noirs. Et cela vous donnera plus de détails dans les diapositives à venir, mais j'espère que cela vous donnera une idée. L'IA peut être préjudiciée en fait, elle n'est pas complètement objective si vous ne la traitez pas correctement. Donc, c'est combien ? C'est un exemple dont je parlais. Ce système s'appelait boussole. Il s'agit donc d'un exemple réel où les préjugés et l' intelligence artificielle peuvent causer des dommages. Pour détendre les gens qui aiment vraiment les dégâts, nous avons laissé des conséquences aux personnes qui peuvent avoir un impact durable sur leur vie. Compass était un système utilisé aux États-Unis. Qu'est-ce qu'il utilise pour être utile ? Il était utilisé par la requête, par le système judiciaire pour prévoir quels humanistes risquaient de récidiver. Bon, rappelons-nous quelle était la probabilité qu'ils commettent des crimes ? Encore une fois, sur la base des évaluations, le juge prendrait les décisions que les juges prendraient des décisions quand tout, de la quantité de personnes GLD achètent, le montant de la caution. Vous pouvez donc imaginer que la vie des gens est impactée et que s'est-il passé ? Ils découvrent qu' il y avait un parti pris contre les Noirs mieux que cet algorithme. Ainsi, les Noirs, en leur donnant points plus élevés qu'ils sont allés, il y avait plus de chances qu'ils courent un risque plus élevé de récidive malgré le fait que, de même, j'aime bien Les Blancs qui avaient des antécédents criminels beaucoup plus élevés ont reçu des scores faibles et faibles. Comme vous pouvez le voir ici à gauche, que cette personne, Bernard Papa, n' avait que très peu d'avantages, est très petite, ce qui signifie offensant, mais le blanc, mais comme un casier judiciaire assez important. Et vous pouvez le voir, mais le niveau de risque est complètement biaisé. Et le noir a été exposé un risque élevé par opposition au blanc. La même chose du bon côté. Au début, Robert Kennedy peut voir. Donc Robert Kennedy avait mendié offense, mais Becky tryptophans et aucune infraction ultérieure lui obtiennent sa voix était six. Bien qu'il semble vraiment avoir été chargé parce que la clique vous pouvez voir comment ça se passait. Ce qui s'était passé, c'est que les données étaient liées aux personnes interrogées. On leur a posé 137 questions fonction desquelles le système donnait la note. Et il ne prenait pas en compte toutes les choses différentes que pour leurs conseils et tout cela. Sur cette base, il y avait en fait, je crois qu'il y avait une organisation à but non lucratif appelée ProPublica. Ils l'ont souligné et c' est également devenu un grand scandale pour cette entreprise. Et le rapport est public, il est accessible au public. Vous pouvez le télécharger. Vous pouvez donc voir maintenant, j'espère que vous pourrez voir quelles sont les différences. Pas si vous êtes juge et que vous évaluez un T, n'est-ce pas ? Et si un gars vient vers vous, même si le gars n'a rien fait de significatif auparavant, mais s'il a un risque élevé de 10, ne pensez-vous pas que cela va vous impacter inconsciemment, ce biais entrera en jeu et vous pourriez leur infliger une peine de prison plus élevée ou quelque chose comme ça. J'espère maintenant que cela vous permettra de comprendre à quel point il est dangereux et à quel point il peut avoir un impact sur vous. Voyons donc ce que nous pouvons faire à ce sujet, d'accord. 18. Types de réglementations de IA: Bonjour les gars. Donc, dans cette section, comme nous l'avons déjà discuté et je vous ai montré comment les systèmes pouvaient accidentellement avoir des préjugés pouvaient accidentellement avoir des préjugés comme un glissement à cause des données de trading et des biais qui représentaient les données qui aspirent à cela. La question est donc maintenant de savoir comment créer la confiance ? ni l'autre société, nous devrions toujours nous efforcer développer une technologie d'IA totalement juste pour tous. Et même pour les entreprises, comme lorsque vous devenez de plus en plus d' intelligence artificielle terrestre ou d'apprentissage automatique , vous devez y remédier. Donc, vous allez dessiner, vous pouvez imaginer ce qui se passerait si vous utilisez un système d'IA et que vous les apportez. Et il s'avère qu'il est discriminatoire à l'égard de certains clients. Ce sera donc une énorme répétition de retour pour vous et de retourner les gens ou de vous informer. De quoi avons-nous donc besoin pour créer la confiance ? Maintenant, comment créer la confiance ? Eh bien, la croûte repose sur quatre choses : l'intégrité, l' explicabilité, l'équité, et ce n'est pas le cas récemment. Voyons ce qui s'est passé. Eh bien, qu'est-ce que cela signifie ? Le premier terme est l'intégrité. Qu'entendez-vous par intégrité de votre système en termes simples, c'est comme si nous vérifions une maison, n'est-ce pas ? Si vous achetez une maison, j'avais besoin d'un chèque pour vérifier les fondations afin de m'assurer qu'elles sont solides et robustes. La même chose que ça. Vous devez vérifier ce que la définition des données de formation alimente-t-elle dans le système ? Quels sont les contrôles sur le dos du genou ? Comment a-t-il été construit ? Hé, comment ça se passe ? Bonté, quelque chose du début à fin afin qu'aucun changement ne se produise dans un algorithme n'est pas modifié et une surveillance continue de celui-ci. C'est donc l'intégrité, l' explicabilité. Eh bien, c'est assez simple. Qu'est-ce que cela signifie que vous devriez pouvoir expliquer ? La raison est qu'un modèle fait une production particulière et que vous devriez être en mesure comprendre que les résultats ne devraient pas être une boîte noire pour que personne ne sache comment je l'ai fait. J'ai eu une décision commutative mais particulière. Et c'est essentiellement pour le coût, surtout si vous allez prendre des décisions basées sur ces actes, Richard Gibbs. Vous devez donc pouvoir expliquer pourquoi et comment une devise a produit un résultat. Et il devrait être capable de faire comme cela nous a été présenté ici, c'est très exploitabilité qui arrive. L'équité, ce n'est pas ce qu'on appelle le retour en arrière et la tranche de tissu Oracle ou voulez-vous faire confiance à frais systémiques s' ils ne sont pas justes ? Il doit donc être conçu pour être aussi exempt de biais que possible afin que vous sachiez quelles sont les données que vous alimentez. Il doit être pertinent, approprié, et il devrait être autorisé par la population à être court. Prenons donc un exemple. Si vous êtes acheté par EIA, Occam est comme donner des écoles aux gens et basé sur un cours à coordonner car non, désolé, numériseur cognitif pauvre et ils ne pourront pas rembourser le prêt. C'est donc un parti pris, n'est-ce pas ? Vous devez donc les dessiner et les surveiller en permanence pour vous assurer qu'ils n'ont pas de biais dans les données d'entraînement. Et de la résilience. résilience est la robustesse technique et la conformité d'autres systèmes de sécurité, la gestion des risques. Personne n'essaie de compromettre l'algorithme et de boueux de toute façon, quelqu'un essaie d'aimer quels effets contrôlent, vous savez, systèmes d' IA devraient être assez forts pour résister à tel point que x, c' est-à-dire y était contre complexe. Voici donc les quatre attributs dont nous parlons. J'espère donc que vous comprenez si votre système AIE correspond aux exigences sportives, alors vous pouvez voir, si vous le voyez, il devrait être rétrospectif. Maintenant, comment pouvons-nous obtenir, quel est le mécanisme ? Mais dans le monde entier, les gens obtiennent des réglementations dans le monde entier. Et ils sont généralement basés comme s'ils étaient des choses que les Émirats arabes unis, les choses aux États-Unis et au-delà de la frontière, vous voyez de nombreux gouvernements effacer vos collections. Donc, malgré l' importance du 23 avril 2021, ce qui s'est passé, la première proposition concrète, EIA a été sainte comme un projet que j'ai été créé par l'Union européenne. Et c'est le cas, il est probable que cela réalisera efficacement le dos et le débat sur intelligence artificielle et la loi. De nombreuses entreprises, qu'il s'agisse de petites et de grandes entreprises, elles n'utiliseront presque jamais intelligence artificielle telle que vous pouvez la traverser. Donc, si vous êtes familier, RGPR était un règlement sur la protection des données. Et une fois que c'était en grande partie, il est rapidement devenu la norme mondiale pour façon dont les autres nations le considéraient comme un plan directeur. La même chose se produira donc ici aussi. C'est à peu près attendu parce que le RGPR donne le ton au monde entier. De même, cette reconnaissance pourrait donner le ton au monde entier. Cela entrera probablement en vigueur dans une seconde après 2022, pendant une période de transition. Vous pouvez donc imaginer à la seconde moitié de disons, 2 000 crédits pour cela, c'est que vous pouvez commencer à entrer en vigueur et à jouer s'ils le souhaitent, le mécanisme de cette chose entre en jeu. Alors, qu'est-ce que ce rêve de faire exactement ? Il divise donc essentiellement les systèmes qui pourraient prendre des catégories mélangées à des personnes à haut risque et limité et les systèmes de soins illimités dans les deux derniers, j'aime à peu près la même chose. Et c'est comme ça qu'ils veulent être quand il a appelé classifier et traiter avec les I-Systems. Donc, trois niveaux principaux qu'ils ont divisés, négligés certains risques acceptables, risques élevés et limités à l'infini. Un risque acceptable est essentiellement celui des systèmes qui sont considérés comme une menace pour la sécurité, les moyens de subsistance et droits des personnes qui se contentent de réglementer simplement la moyenne, que c'est comme une tolérance zéro, ce genre de choses. Et le limité et le minimum était gay. Ce sont simplement de petites choses qui utilisent Gately pour garder votre dossier de spam, vous savez, il utilise l'apprentissage automatique pour savoir combien d'images arrivent en même temps. Cela ne concerne pas le fait que l' accent est mis sur l'hydrosphère. Ce que j'aimerais aussi essentiellement, c'est une définition de haut niveau comme celle d'un système entre évaluer pour voir le client, solvabilité à la consommation ou l'identification biométrique critique magique, comme ce genre de choses. Et ceux-ci seront soumis à obligations très strictes qui avant de pouvoir être mises sur le marché, vous aurez des évaluations des risques. Les jeux de données dont nous avons besoin pour vraiment guérir. Vous devez fournir des informations à utiliser, comment cela se passe. Vous devez avoir une supervision humaine et mettre en évidence la robustesse de la sécurité et de la précision. Comment appelleriez-vous quoi ? Eh bien, si vous développez un système d'IA, il doit l'examiner comme une évaluation de la conformité. En gros, ce qu'il fait, il laisse à quelqu'un une documentation technique et la qualité du système pour qu' il soit conforme à la nation de revenir en arrière. Et si c'est le cas, il sera enregistré et que allez-vous être mis sur le marché ? Supposons donc que quelque chose change, quelque chose change l'empathie, un système que vous n'avez besoin de revenir arrière complètement et nous le certifions par ce li, toutes les choses que vous avez mentionnées au sujet l'équité et l'intégrité et toutes ces choses, elles deviendraient en fait un mécaniste. Vous pouvez donc voir cette régulation violette dans le sécrétoire à l'échelle mondiale. Donc j'espère que vous comprenez maintenant les gars, comment il a appelé les risques qui sont actuellement un système et à quel point dominent à travers le monde et le pudding et les mesures et le mettre dans le étapes pour s'assurer que les écosystèmes peuvent être fiables. Merci. 19. Plus pour vous: Bonjour les gars. Nous sommes enfin arrivés à la fin de ce cours et c'est notre dernière section. J'espère que je ne fais que voyager. Et vous avez acquis une compréhension approfondie des bases de l'intelligence artificielle et de l' apprentissage automatique. Alors maintenant, la question d'un million de dollars est quoi ? Non, où allez-vous à partir de là et bâtissez sur ce que vous avez appris dans ce cours. Donc, si vous voulez poursuivre une carrière, bien, la bonne nouvelle est que vous avez choisi une personne professionnelle, ce qui n'est pas une demande énorme. Même si la pandémie détruit des millions d'emplois. Vous avez un grand géant qui investit massivement dans l'IA. Vous avez des globins qui investissent vos startups indistinctes. On s'attend à ce qu'un tiers de ce livre aux États-Unis soit remplacé par l'automatisation et les robots d'ici 2030 de ce livre . Je veux dire, c'est comme s' il y avait quelque chose que j'ai pris sur LinkedIn. Je veux dire, l'emploi le plus demandé était le spécialiste de l'intelligence artificielle embauché comme une croissance annuelle de 74 %, ce qui est absolument incroyable. Encore une fois, une analyse de la doctrine. Gardner, comme je l'ai dit, pas même 2030, qui comme j'aime 2024 comme les 32 quarts d'entreprise et opérationnalise un. La bonne nouvelle est donc si vous voulez poursuivre une carrière dans l'EIE, la bonne nouvelle c'est que vous avez choisi une profession qui signifie la demande. OK ? Et dans la section Ressources, j'ai fait un lien avec une étude récente du gouvernement britannique sur la façon développer industrie de l'intelligence artificielle au Royaume-Uni. Et ce n'est pas seulement que vous comprenez que cela se produit à peu près à l'échelle mondiale, de l' Europe au Moyen-Orient. En outre, sachez simplement que l'Union européenne est le port de la proposition de réglementation de l'EIE, qui est le tout premier cadre juridique sur l'a, qui traite des risques liés à la capacité de l'IA lorsque je ne pars pas. n'importe où, les gars sont bons. C'est une bonne nouvelle. Nous regardons quelle est la mauvaise nouvelle ? Eh bien, la mauvaise nouvelle, je ne sais pas si vous pouvez appeler ça une mauvaise nouvelle, mais juste quelque chose que vous devez garder à l'esprit. Il s'agit d'un domaine très technique et vous devrez approfondir certains sujets techniques tels que programmation et la science des données. Si vous voulez créer vos propres modèles d'apprentissage automatique , et honnêtement, si vous voulez faire quelque chose qui vaut la peine, c'est la nature de la bête, c'est l'IA. Et il n'y a aucun moyen de s'en sortir. Que vous souhaitiez devenir ingénieur IA ou scientifique des données. J'ai mis dans mon expérience quelles sont les compétences que vous devez poursuivre. Voyez l'écran, oui. Ensuite, de nombreux programmes de troisième cycle, de baccalauréat et de maîtrise disponibles auprès universités et d'institutions accréditées, qui peuvent vous emmener de zéro et vous pouvez vraiment tirer parti des compétences. Donc, si vous êtes intéressé par les compétences et que c'est génial, vous savez, beaucoup de ces programmes ne sont pas disponibles. Il y a longtemps, c'était comme si un programme vraiment spécialisé avec les connaissances devenaient un programme vraiment spécialisé beaucoup plus courantes. Il est donc beaucoup plus facile de poursuivre une bonne carrière. Et maintenant, j'ai parlé du langage de programmation. C'est donc la question qu' on me pose beaucoup de questions. Si je vais bien, je veux poursuivre l'IA et choisir un langage de programmation et sur lequel dois-je me concentrer ? Eh bien, il existe de nombreuses options pour l' intelligence artificielle, mais ma recommandation est presque toujours d'acheter. Il y a une raison pour laquelle il s'agit du langage de codage le plus populaire pour l'apprentissage automatique. La raison en est qu'elle est remplie de 316 passifs. Vous avez donc déjà beaucoup de travail et vous pouvez vous aider à démarrer. Et c'est très simple à comprendre par Ethan a toujours été populaire, je serai honnête, mais avec l' IA et l'apprentissage automatique, ça a vraiment décollé. C'est sûr qu'ils seront comme non. Un autre est la liste. Mais c'est une option, mais toute l'eau, la plupart honnêtement elle n'est pas présente en Python. Il n'est pas aussi convivial que Python. Tout n'a pas le nombre riche de passifs que possède exciton. Java est également très populaire et c'est un prétendant fort contre Python. Il sera également en tant que valeurs et convivial. Je pense que tous ceux qui ont travaillé dans une grande organisation ont connu un dollar. Et le dernier, si vous êtes un craquant des chiffres, alors r, qui est une langue émergente. C'est peut-être pour vous. C'est devenu très approprié avec eux parce que c'est bon pour l'analyse statistique. Et c'est encore mieux que Python quand il s'agit de craquer les chiffres. Il offre une prise en charge très puissante pour l' exploration de données et l'analyse avancée des données. Il y a aussi d'autres langages comme C plus plus prologue et je peux continuer à ce sujet. Mais si vous voulez honnêtement mes dés d'opinion, vous ne pouvez vraiment pas vous tromper avec Python. Et il y a une bonne raison ce n'est pas un moment pour les professionnels de l'IA. Et ensuite, de nombreux cours disponibles, vous pouvez le suivre et vous pouvez obtenir une très bonne base solide pour commencer une carrière dans l'IA. C'était juste un guide. Juste pour vous aider à démarrer votre Acharya, que faire ? Je pense donc que nous étions arrivés à une conclusion. Maintenant. Je vous y verrai. Merci. 20. La fin !: Bonjour à tous, et félicitations, Merci d'avoir terminé le cours et j' espère que vous avez appris quelque chose sur l'IA et l'apprentissage automatique. Et ce n'est plus un sujet aussi effrayant qu'au début. Donc, juste une personne rapide, je veux dire, ces autres choses, ces autres réalisations que vous avez faites maintenant, vous avez compris les concepts de base de l'apprentissage automatique. Vous avez créé vos propres modèles d'apprentissage automatique et d'IA, et cela semble incroyable, mais oui, c'est ce que vous avez fait. Et vous avez également réalisé le danger de l'utilisation abusive de l'IA. Invitez de bons cadres de gouvernance et de gestion des risques que nous avons mis en place. Et vous avez également compris, j'espère vous avoir donné les outils dont vous avez besoin. Si vous voulez vraiment faire avancer votre carrière. Et comme un investissement vraiment dans l'intelligence artificielle. Je veux dire, le ciel est la limite. Vraiment, il n'y a pas d'arrêt EA. Et il est comme, vous investissez vous-même pour l'avenir. J'espère donc que cela m'a vraiment aidé et s' il vous plaît, donnez-moi vos commentaires et commentaires. J'aimerais avoir des commentaires honnêtes qui vous aideront à créer d'autres cours et vous en trouverez davantage. Donc, juste une fois de plus en auto-promotion, j'ai une chaîne YouTube, le gars de la sécurité Cloud. Il s'agit de ma page Facebook et d'un blog sur lequel ils publient adéquatement. Je vous souhaite donc le meilleur dans votre carrière et bonne chance sur votre Acharya et je vous souhaite à l'avenir. Au revoir.