Nul
Elke Amazon Echo, Google Startpagina, Sonos, of een vergelijkbaar apparaat in uw huis, dat herkent uw stem, en elke smartphone, door die je ooit hebt gesproken met Siri, Alexa, of Cortana, heeft een open en directe kanaal te servers ergens op de back-end die worden uitgevoerd kunstmatige intelligentie. Door het volume, de categorie van AI toepassing die zich op of in de buurt van de top van de meest actief ingezet lijst is niet beslissings-of voorspellen, maar spraakherkenning. Als bandbreedte wordt meer overvloedig en functies in de cloud meer toegankelijk, object herkenning van video of foto ‘ s niet ver achter.
Ook: Wat is AWS DeepLens?
In November 2017, Amazon Web Services gestart met een experiment om te bepalen hoe snel het object erkenning kan zowel levensvatbare en betrouwbaar. Zoals Echo, DeepLens is een Amazon-apparaat dat geschikt is voor thuis-implementatie. In tegenstelling tot de Echo, het is een Intel Atom-X5-gebaseerd, Ubuntu-Linux-aangedreven door een quad-core computer met een aangesloten camera waarvan het doel is om te zoeken naar iets of iemand in het bijzonder. Achter het apparaat, op de server van het systeem, Amazon op de servers uitvoeren van algoritmen voor het scannen van de inkomende inhoud van de video, op zoek naar iets bekend: Ieder deel van het beeld dat de databases zijn al gelabeld en geïdentificeerd.
Stel je voor wat een AI-aangedreven camera kon doen
“Wij geloven dat u zult in staat zijn om de slag te gaan runnen van uw eerste diep leren, computer vision model in tien minuten, vanaf het moment dat je hebt unboxed de camera,” zei AWS CEO Andy Jassy, de aankondiging van het product tijdens zijn bedrijf re:Uitvinden conferentie in November 2017.
“U kunt het programma dit ding om te doen bijna alles wat je je kunt voorstellen,” vervolgt Jassy. “Je kunt bijvoorbeeld voorstellen dat het programmeren van de camera met een computer vision modellen waar, als je het herkent een nummerplaat te komen in uw oprit, zal het openen van de garagedeur. Of je kan het programma sturen we u een waarschuwing als uw hond krijgt op de bank.”
(Afbeelding: Amazon)
Als je betrapt me te zeggen dat in deze laatste voor, dat het woord “stel” kan het tripwire. “Stel je voor” is het woord verkopers roepen wanneer ze nodig hebben om te profiteren van uw eigen geest in te vullen een aantal hiaten op in hun eigen producten. DeepLens is verre van klaar voor de retail markt van de consument. Gelukkig, andere dan die gevaarlijk woord “stel je voor,” het is niet bedoeld om te worden.
Amazon is van de inzet van
DeepLens is een experiment, dat voor $249 kunt u deelnemen aan jezelf, als je wat ervaring in het opleiden van convolutional neurale netwerken (CNNs, en nee, ik heb niet alleen dat). Het is een belangrijk experiment van Amazon ‘ s kant van het systeem, met name als een poging om cloud-gebaseerde AI diensten winstgevend.
In oktober 2017, Amazon slim ingevoegd een veranda camera als onderdeel van de introductie van de Amazon-Toets levering systeem. Dan in februari, Amazon verworven Ring, een bedrijf dat reeds geproduceerd met een deurbel-gebaseerde camera die waarschuwt gebruikers via het web die mensen zijn op hun deuren. Maar DeepLens is niet alleen over de veranda. Het doel lijkt… nou, dieper: het Tot stand brengen van de verbindingen die binden op het web, in een tijdperk waarin het typen wordt de stand-by manier van communiceren met de zoekmachine.
Ook: AWS neemt DeepLens, een machine learning camera, GA
Google werd de kampioen van het zoeken op het web wanneer het een manier gevonden om te profiteren van de opbrengsten van elke zoekopdracht via de relevantie van trefwoorden op basis van de reclame. Als meer zoekopdrachten en soortgelijke verrichtingen worden uitgevoerd met behulp van stem en, uiteindelijk, video — die verbruiken ordes van grootte meer bandbreedte dan tekst — de kosten van de verwerking van deze transacties stijgt. En aangezien het zoekwoord advertenties markt lang geleden werd gestandaardiseerde, het verhogen van de tarieven is niet langer een optie.
Als het zoekwoord advertenties markt instort, het web als we weten dat het weg zal gaan. Dus de tijd om te ontdekken van de volgende generatie van relevante, winstgevende transacties is nu. DeepLens ventures buiten het grondgebied van de Echo, in de onrustige embryo van een nieuwe en grotendeels onbepaalde markt, met de vasthoudendheid van een organisatie met zowel het kapitaal en de mogelijkheid tot het maken van één of twee misstappen langs de weg… als het geeft Amazon een kans in het benutten van groeiende expertise in het diepe leren om de hoek een nieuwe industrie.
Stel je een wereld voor, Amazon kan zeggen tegen zichzelf, waar Google al niet is 85 procent van de weg in de richting van wat het ook is je droom te verwezenlijken.
Wat DeepLens eigenlijk doet
Jullie hebben gevangen één of twee van de DeepLens unboxing ceremonies vastgelegd en gedeeld op YouTube, en nog steeds afgevraagd, wat doet iemand doen nadat het is aangesloten?
Er is een enkele voorbeeld-apps, waarvan er een was geïnspireerd op een episode van de HBO-serie “Silicon Valley.” Het vaststellen van een hot-dog, gebaseerd op gegevens die al verzameld hebben geanalyseerd foto ‘s en video’ s van hot dogs. (Deze laatste zin moet je alles vertellen wat je echt moet weten over DeepLens klaar voor prime time.)
Ook: Google wedstrijden tegen de AWS, Microsoft te brengen AI voor ontwikkelaars
Er zijn een paar anderen: Één die de schattingen van het aantal graden van de kanteling voor een persoon het hoofd; de andere, die probeert te onderscheiden afbeeldingen van katten afbeeldingen van honden in een groep van beide; een die probeert te herkennen van de acties die gerelateerd zijn met ongeveer drie dozijn activiteiten, inclusief het snijden van voedsel met een mes en de spelen van de trommel; en interessant, een die probeert om de toepassing van de artistieke stijl van een schilderij is het onderzocht om een real-world beeld.
Op een machine learning conferentie in Londen in April 2018, AWS technical evangelist Julien Simon aangetoond één van DeepLens’ sample aanvragen, het identificeren van stoelen, mensen, flessen in dezelfde kamer. Wat de demo wist te onthullen is dat, althans op het moment dat men, DeepLens niet veel te doen op zijn eigen. Wanneer een deelnemer een eiwit-schud de fles in de voorkant van de camera, DeepLens duurde slechts een paar seconden om correct te identificeren als een fles.
“Yay, diep leren!” verklaarde Simon, maar niet te vurig. “Dat is het ding, het heeft slechts 20 dingen om uit te kiezen. Het is dus onwaarschijnlijk dat het zal zeggen, ‘Schaap’, maar je weet maar nooit… natuurlijk, wat u wilt doen is om te trainen uw eigen modellen. U wilt uw eigen project… Dat is het idee, echt: om mensen Te laten trainen en bouwen van leuke apps.”
“Voor AI in het algemeen, veel van de projecten in het begin last hebben van een gebrek aan gegevens,” zei mijn oude vriend en collega, en collega-ZDNet medewerker, Ross Rubin. “Als je meer ontwikkelaars die meer scenario’ s om de tafel, de onderliggende technologie kunnen verbeteren.”
Waar de consument rang kunstmatige intelligentie, op het niveau dat nodig is om betrouwbaar te identificeren meerdere klassen van objecten gezamenlijk (in tegenstelling tot slechts één klasse, zoals de gezichten van de mensen) moet nog worden ontwikkeld. Wat Amazon is echt experimenteren met hier is het idee dat de consumptie van modellen kan worden toegepast op mensen die het zich kunnen ontwikkelen van deze vermogens — dat mensen graag betalen voor de mogelijkheid om toekomstige toepassingen mogelijk.
Ook: Formule 1 picks AWS als officiële cloud, machine learning provider
“Het is duidelijk dat veel open source projecten beginnen met de kiem van een idee, en zeer basic functionaliteit in de vroege dagen”, aldus Rubin. “Ze trekken rente en verbeteren, en in veel gevallen, een concurrentie-of best-in-class in de tijd.”
Onder de oppervlakte, maar niet heel ver onder, DeepLens is een experimentele toolkit duidelijk afgestemd op hoog niveau programmeurs gewend aan het lage niveau van de transacties met de Linux commando-regel-gebaseerde clients. Het ziet er meer uit als een high-end motion-tracking add-on voor een game console, maar in de praktijk is het veel meer, zoals de Altair 8800 in 1975 — een broodrooster-en kleinbedrijf vak bedelen om iets nieuws te doen.
Is het echt open source?
Voor het grootste deel, de software bibliotheken worden gebruikt in de creatie van DeepLens software is open source. Dat feit niet beperken van de toepassingen produceert, om open-source zijn. Afhankelijk van de licentie, commerciële producten kunnen worden gebouwd met open source onderbouwing. Een blik over de DeepLens licentie blijkt dat Amazon beperkt haar ontwikkelaars om gebruik te DeepLens “voor persoonlijke, educatieve, evaluatie, ontwikkeling en testen doeleinden, en niet voor het verwerken van uw productie genomen.” Dat laatste deel suggereert DeepLens niet mag worden gebruikt als onderdeel van andermans commerciële productontwikkeling.
De licentie is niet zo ver gaan als te zeggen dat Amazon heeft de facto eigendom, of een recht van eerste weigering, over alles wat een ontwikkelaar kan maken. Echter, het geeft aan dat er weinig anders een ontwikkelaar kan doen met het naast het experiment, de beperking van zijn commerciële opties om te onderhandelen met Amazon. De deelnemers in de DeepLens Challenge wedstrijden hebben gezien hun werk gepubliceerd te GitHub, op dit moment de meest prominente open source distributie kanaal.
Is niet Google iets dergelijks te doen?
Een maand voorafgaand aan Amazon ‘ s 2017 aankondiging met een eigen Google verklaarde dat het bestaan van een project met de naam Google Clips, gebruik te maken van een apparaat dat het van mening is klein genoeg om draagbaar te zijn. (Misschien op Halloween, of te schrikken van uw kinderen in geloven dat je onderdeel bent-Daleks.) In vergelijking met DeepLens, Clips is niet een AI-experimentele toolkit, maar een apparaat dat gebruik maakt van motion detectie, samen met wat Google in aanmerking komt als AI, om vast te leggen wat het detecteert de juiste momenten, zonder de noodzaak voor menselijke interactie. Clips is beperkt tot enkel met dat doel, maar het onderhoudt Google ‘ s plaats in de bespreking van de AI in een Internet van Dingen.
Wat DeepLens is Echt Gemaakt Van
Als geheel, de DeepLens systeem bestaat uit de Intel Atom / Ubuntu computer aan de kant van de client, de uitgebreide AWS netwerk van AI en diensten op de server, en een minder-dan-onbeduidend stukje draad en plak in het midden, genaamd het internet. Het hele systeem is vereist om DeepLens te voltooien elke taak — die nu valt onder de categorie van de identificatie van objecten op basis van stilstaande of bewegende videobeelden.
Ook: Amazon ‘ s platforms, de ecosystemen en de snelheid herald een voice-eerste transformatie
Het doel van de client-side apparaat voor het verzamelen van de video-gegevens die nodig zijn voor de zeer grote datasets nodig zijn het systeem te trainen hoe te herkennen objecten. Door te “herkennen”, ik bedoel te kunnen vlag patroon van de aangrenzende pixels van het midden van een foto of een bewegende video als zijnde gelijkaardig genoeg zijn om een patroon dat werd waargenomen voor. En door het “object”, ironisch genoeg, ik ben zeer subjectief. Wat zal het systeem karakteriseren als een “object” is een patroon gedefinieerd door de regels die de AI algoritmen zal hebben bepaald voor zichzelf. In andere woorden, ik kan niet precies uitleggen wat maakt een object een “object”, andere dan het vermoeden dat het systeem van geïdentificeerde kenmerken die voor de doeleinden, gekwalificeerd als overeenkomsten. Denk aan hoe een baby leert om na te bootsen de geluiden van haar ouders (zonder Amazon afdruk van een handleiding voor het eerst haar) en je krijgt iets objectief vergelijkbaar met het punt dat ik probeer te maken.
Het feit dat DeepLens’ hot dog erkenning app is juist zo vaak als het is, is enigszins indrukwekkend. Het heeft al tot een redelijke mate getraind. Meer precies, de app is al gevoed zeer grote gegevenssets (voor nu, dat is de term voor hen), die allemaal met de app trusts te vertegenwoordigen hetzelfde. De algoritmen hebben geïdentificeerd correlaties, die dienen als de best-guess-ramingen voor het waarom van al deze foto ‘ s zijn hetzelfde. De test is of deze correlaties zijn zinvol genoeg is voor de app om effectief te weten een hot dog bij het zien van één.
Wat DeepLens nodig heeft om iets te doen, ernstige
Om het zaad van de belangstelling, AWS gaf zijn eerste partij te selecteren ontwikkelaars het bijwonen van de re:Uitvinden 2017 conferentie. Er, ze kon het bijwonen van de eerste sessies gewijd aan hoe het programma de zaak.
“Waarschijnlijk het eerste ding dat we nodig hebben om te kunnen experimenteren in de cloud”, zegt AWS’ Julien Simon. “Het is duidelijk dat, zelfs als we willen implementeren in de rand, op de camera, een soort van sensor, drones, enz., we moeten nog steeds werken met gegevenssets in de cloud.”
Ook: Waarom Amazon ‘ s huis robots zijn niet een stretch: de Hele infrastructuur van het ecosysteem via AWS is in plaats
In het hart van de DeepLens systeem in de cloud is, bij gebrek aan een andere afkorting, de CNN. We konden doorbrengen verschillende volumes bepalen van deze zin (geloof me, ik heb het geprobeerd), maar ik kan in plaats daarvan geven u een paar eenvoudige afbeeldingen geven u de kern van het idee.
(Afbeelding: Scott Fulton III)
In computing, een neuraal netwerk is een model voor het representeren van waarden gebaseerd op een oude theorie (die, ironisch genoeg, neurologen kampen heeft sinds fout bewezen) over hoe het brein leert herkennen van patronen. Het model betrokken verenigingen, waarin de theorie wordt beschreven als relaties die zijn opgeslagen in het geheugen. Die verenigingen zijn fysiek vertegenwoordigd door neuronen, zoals wandcontactdozen in een elektrische keten verbonden door draden. Als vereniging sterker wordt, de draad is “trok”, als u zal, door een vertegenwoordiger van het gewicht, dat geeft het een hogere prioriteit wanneer de hersenen proberen te onthouden en herinneren van iets. Wat het gewicht is yanken — de fysieke stof van de vereniging — heet van een axon.
Dus een set gegevens, zoals een afbeelding of een set van frames van een video, overtuigt zich in volgorde op het neurale netwerk. Als bepaalde indrukken zijn gemaakt vaker hun vertegenwoordiger gewichten groeien zwaarder, en hun axonen krijgen een hogere prioriteit.
Ook: Alexa Business kans om te winnen in smart office -, hefboom-AWS, Echo, ontwikkelaars en consumenten
De convolutional deel (de “C” – deel van de zin, die zou klinken, vooral geweldig zijn als ze werden uitgesproken door James Earl Jones) is eigenlijk, heel letterlijk, ingewikkeld. Het heeft twee gelijktijdig juiste betekenissen, waarvan er een de mogelijkheid om er twee tegelijk juiste betekenissen. Neurologen zien een model waar de verenigingen zijn in elkaar gedraaid als een jelly roll of spiraalvormige strengen van het DNA. Als deze gedraaide strengen ervaring in verschillende lagen van de verwerking, de loop van de tijd de eigenschappen en kenmerken van de dingen die het brein waarneemt (grootte, kleur, vorm) op de daadwerkelijke, fysieke verhoudingen-een echte greep op de dingen die overeenkomsten. Op die manier, wanneer de hersenen vuurt een signaal dat is in wezen categorische (bijvoorbeeld, een zoekopdracht voor alle dingen groter dan een broodtrommel), het kan herinneren objecten die behoren tot de klasse net zo gemakkelijk als het kan herinneren één object. Tenminste, dat is de theorie, in de veronderstelling dat u het geloven.
In computing, a convolutional model is één waar de tafels van de waarden die kunnen worden omgezet in lange reeksen, en/of vice versa. Een CNN doet eigenlijk het laatste aan het bereiken van de voormalige.
De software-componenten van DeepLens
Wanneer je speelt met DeepLens, je bent aan het experimenteren met de mechanismen die een dergelijk model is geproduceerd. Hier zijn enkele van de software tools die u zou gebruiken als onderdeel van DeepLens:
TensorFlow — De toonaangevende open source framework voor het automatiseren van de distributie van acties en evenementen over de verschillende lagen in de DeepLens’ data sets. Een tensor is een regeling van de waarden in een ruimte met een willekeurig aantal dimensies (“met n dimensies”). De waarden die inherent zijn aan een video beeld zou vertalen in een 2D-tensor. Een typische programmeertaal kent individuele waarden van de symbolen of eenheden van het geheugen; met TensorFlow, verspreiden acties over gebieden. Amazon SageMaker — Aangekondigd in dezelfde week als DeepLens, SageMaker is AWS cloud-gebaseerde service voor het automatiseren van de opleiding van de modellen in een diepe learning system. De hot dog erkenning app was al getraind; je zou gebruiken SageMaker te maken van een nieuw model voor het opsporen van een ander object, of misschien een categorie van objecten met dezelfde kenmerken bezitten. Dit is een Amazon product op zichzelf, waarbij de gebruiker een vrij aanzienlijke investeringen in AWS cloud diensten (ah, daar wringt de schoen!), inclusief S3 storage emmers. AWS Lambda — Amazon ‘ s functie-as-a-service platform, met behulp van wat velen noemen een “serverloze” model (je hoeft niet na te denken over de server wanneer u het gebruik van de functie). Op zichzelf, Lambda loopt functies op haar eigen servers, en maakt de resultaten als oplossingen. Veel van DeepLens’ functies die nodig zijn in het systeem als Lambda-functies. AWS Greengrass — Want het is ondoenlijk om de hele machine te leren van de bediening voor de video om te worden verwerkt in de cloud, AWS een systeem bedacht voor de Lambda functie om te worden verzonden naar externe apparaten, bijvoorbeeld, het Internet van de Dingen componenten — en daar uitgevoerd, op “de rand.” Intel ‘ s Atom-X5-box is een van deze onderdelen. Met Greengrass, een Lambda functie is nog steeds “geconsumeerd” de manier waarop het zou zijn als het wordt verwerkt in Amazon ‘ s cloud, behalve dat het daadwerkelijk wordt verwerkt lokaal.
Andere zijde
Wanneer AWS Simon’ verwijst naar ‘de rand’, doelt hij op de buitenste rand van een communicatie systeem dat is het dichtst bij de berichten’ bestemming. Zoals regelmatige lezers van ZDNet kan herinneren, is er niet echt één zijde (waardoor het gebruik van “de” in deze context een beetje voor de hand liggend). Hier, wat Simon bedoelt is de DeepLens apparaat de mogelijkheid om pre-proces, te reinigen, en het transformeren van de video-gegevens tot op zekere hoogte, vóór het uploaden van het AWS’ servers.
Als de bandbreedte waren alomtegenwoordig en cloud servers oneindig krachtig, de DeepLens apparaat kan een beetje meer dan een rekenmachine met een telelens. Het zou kunnen sturen streaming video rechtstreeks naar de cloud, en u zou uw antwoord op de vraag of de beelden die daarin zijn voorzien van een hot dog of niet, binnen een seconde of twee.
In een dergelijke omgeving, zou er niet nodig om een “edge”. De verwerking kan plaatsvinden in de cloud, op de back-end.
Ook: Alexa for Business: 10 key takeaways
Als je ooit een video geüpload naar YouTube, je weet heel goed waarom dit niet mogelijk is. De bandbreedte nog niet bestaat, niet alleen voor real-time video-upload, maar, in aanvulling, direct analyse.
Dus DeepLens heeft om wat rekenkracht, direct naast de gebruiker, op wat Simon en Amazon in de perceptie van de rand. Nu is dat veel mensen, mijzelf inbegrepen, hebben een volledig functionele Linux-computers in hun zakken, moet schok niemand die DeepLens’ Intel Atom X5 apparaat is een complete computer in een form factor dicht bij die van een externe harde schijf of een gebonden boek.
De DeepLens form factor
De DeepLens apparaat communiceert met de gebruiker (die het pretendeert een ervaren ontwikkelaar) met behulp van een “terminal” — een Linux-opdrachtregel. Hoewel het zou kunnen hebben gebruikt een grafische front-end of een web browser, Intel neemt de ontwikkelaar heeft al deze dingen op haar PC toch, met wat ze al kunnen communiceren met AWS, en toegang tot de DeepLens Console. Het toevoegen van een andere browser te gebruiken om de mix zou worden ontslagen.
Met real-time digitale video, is er geen manier nog om de data te verzenden, op te slaan, vervolgens analyseren het snel genoeg voor de resultaten van die analyse is nog steeds waardevol. Dat is de reden waarom de Intel apparaat is echt een full-scale computer.
Als u al in het bezit van een volledige computer, je vraagt je misschien af, waarom niet AWS gewoon verkopen de camera op een PC randapparatuur, en het distribueren van de AI toepassing voor het via het web? Dat is zeker haalbaar. Maar met de PC-markt verzakt en Windows 10 genereren van zoveel consument enthousiasme als een griepprik, de eerste echte generatie van consumenten-georiënteerde neurale netwerk-gebaseerde AI zal het ook nodig zijn om iets op te vangen van de consumenten hart en hun gedachten.
Is DeepLens intelligent?
“Artificial intelligence” is een grotendeels subjectief begrip. Zoals ik omschreven heb het over de afgelopen decennia is een duidelijke scheidslijn dat kan worden verplaatst als mensen of machines ofwel krijgen over het algemeen slimmer of ga de andere kant op.
Weer te geven kunstmatige intelligentie is voor een mechanisme van een soort in te zetten om een resultaat waarvan de uitkomst wordt weergegeven, voor een redelijke persoon, vereist intelligentie. Anders gezegd, als iets eruit ziet als het product van een slim persoon, maar is niet het werk van een levende entiteit, kunnen de huisarts is waarschijnlijk AI.
Ook: AWS rolt nieuwe beveiligingsfunctie om te voorkomen dat u per ongeluk S3 lekken van gegevens
Van meet af aan, spraakherkenning werd aangewezen een AI-categorie. Na verloop van tijd, als het wordt meer alledaagse, menselijke wezens-kenmerk minder en minder intelligentie, kunstmatige of anderszins, aan het concept van machines het herkennen van je stem en reageert redelijk. In zekere zin is het redelijk een deel dat werkt tegen de AI, het verspreiden van de mystiek uit en manifesteert zichzelf als meer het product van een hoge intelligentie dan de producent.
Maar Ross Rubin is van mening dat de mystiek niet weg zal gaan. Het zal alleen maar de overdracht zelf naar de volgende ronde van geweldige, indien nog niet functioneel, toepassingen. Vandaag, Apple en anderen zijn aan het experimenteren met het onderzoeken van de gezichten van de kijkers op te sporen expressies die kunnen onthullen hun ware gevoelens over de programma ‘ s ze bekijken. Rubin nam dat aan de volgende stap in het bedenken van een manier om een dergelijke aanvraag kon worden gedaan die relevant zijn voor een individuele gebruiker.
“Iemand die het geven van een presentatie op een conferentie,” Rubin projecten, “zou het kunnen dat je real-time feedback, misschien in een anonieme manier: ‘Hey buddy, je bent losin’ ’em! Dit idee u voorgesteld is sinkin’ als een rots!’ Of, ‘Je hebt zeker aangeraakt op iets dat er een zekere gevoeligheid voor in deze groep.’ Dat kan waardevolle feedback in een organisatie.”
Wanneer een consument een product, gebaseerd op of geïnspireerd door DeepLens eindelijk beschikbaar is, Amazon, of wie kruisen die eerste mijlpaal, en het maakt een oordeel gesprek dat de persoon gekleed als een meteropnemer in je achtertuin is niet echt een meter lezer, het succes van zijn arrestatie zal waarschijnlijk koppen en verdien 20 seconden’ te vermelden op de avond nieuws. Vijf jaar later, toen dit soort van evenementen aan de orde zijn, de algoritmen die verantwoordelijk zijn voor deze juiste beslissingen niet langer kan worden over het algemeen beschouwd als kunstmatig intelligent, maar liever gewoon betrouwbaar en praktisch.
Lees Meer — Van de CBS-Interactief Netwerk
Wat is diep leren? Alles wat je moet weten door Nick Heath, Kunstmatige Intelligentie Google overdenkt de tekortkomingen van machine learning door Tiernan Ray, Kunstmatige Intelligentie AWS kondigt SageMaker Lokale Modus voor het bouwen van AI lokaal door Stephanie Condon, Tussen de Regels
Elders
Een Diepe Duik op AWS DeepLens door Janakiram MSV, De Nieuwe Stapel AWS Zet Meer kracht Achter ‘Machine Learning’ en Database door Jeffrey Burt, Het Volgende Platform AI aan de rand krijgt in het ZWEMMEN als slimme apparaten spuwen onbenut gegevens door Kurt Marko, Diginomica
Vorige en aanverwante dekking
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante Onderwerpen:
Amazon
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0