Прежде чем перейти к дальнейшему погружении в ИИ, его методы и непосредственное написание кода, разберемся вот с каким вопросом.
Чем знания отличаются от информации?
К примеру возьмем следующую информацию: черный цвет, животное, шерсть, теплое, двигается, весит 5 кг, издает звуки, живет в домах у людей, имеет когти, хвост, не любит собак, мужского пола.
Сразу понятно, что речь идет о коте. Как ваш мозг понял, что это кот 🐈⬛?
Каким-то образом мозг сопоставил разрозненные признаки и связал эти данные с некоторым объектом, который уже хранился в памяти.
Образ кота возник не сразу, а лишь после того, как вы закончили читать предложение с характеристиками.
Ключевым является понятие связи между информацией и образом. А также связей между отдельными фрагментами информации.
Возьмем большой массив характеристик котов и начать его анализировать в привязке к странам, климатическим условиям и другим параметрам, то можно узнать много нового.
Алгоритмы машинного обучения и ИИ как раз и предназначены для установления тех самых взаимосвязей. Все зависит от исходной задачи, которую ставит исследователь в рамках проведения работы
👉 @aisimpleru
Чем знания отличаются от информации?
К примеру возьмем следующую информацию: черный цвет, животное, шерсть, теплое, двигается, весит 5 кг, издает звуки, живет в домах у людей, имеет когти, хвост, не любит собак, мужского пола.
Сразу понятно, что речь идет о коте. Как ваш мозг понял, что это кот 🐈⬛?
Каким-то образом мозг сопоставил разрозненные признаки и связал эти данные с некоторым объектом, который уже хранился в памяти.
Образ кота возник не сразу, а лишь после того, как вы закончили читать предложение с характеристиками.
Ключевым является понятие связи между информацией и образом. А также связей между отдельными фрагментами информации.
Возьмем большой массив характеристик котов и начать его анализировать в привязке к странам, климатическим условиям и другим параметрам, то можно узнать много нового.
Алгоритмы машинного обучения и ИИ как раз и предназначены для установления тех самых взаимосвязей. Все зависит от исходной задачи, которую ставит исследователь в рамках проведения работы
👉 @aisimpleru
🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Интересный бесплатный сервис замены лиц на изображениях, а также форм предметов и изменения стиля изображения.
https://huggingface.co/spaces/editing-images/ledits
Работает довольно быстро, рекомендуем.
👉 @aisimpleru
https://huggingface.co/spaces/editing-images/ledits
Работает довольно быстро, рекомендуем.
👉 @aisimpleru
👍1
По данным Goldman Sachs инвестиции в искусственный интеллект сначала росли в период пандемии, затем существенно замедлились. При этом, прогнозируется, что рост мировых инвестиций в эту сферу достигнет к 2025 160 млрд. долларов. Много это или мало?
По словам аналитиков Goldman Sachs долгосрочные выгоды от инвестиций в ИИ значительны: ИИ может принести от 2,5% до 4% ВВП США. Такой важный вклад, несомненно, мог бы изменить ландшафт американской экономики.
👉 @aisimpleru
По словам аналитиков Goldman Sachs долгосрочные выгоды от инвестиций в ИИ значительны: ИИ может принести от 2,5% до 4% ВВП США. Такой важный вклад, несомненно, мог бы изменить ландшафт американской экономики.
👉 @aisimpleru
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Научные сотрудники лаборатории ИТМО ИИ, способный разрабатывать проекты инфраструктуры на определенной территории.
«В решении этой задачи классический ИИ на основе больших нейронных сетей бессилен, ChatGPT тоже не справится. Слишком мало данных для обучения: успешных проектов портов в Арктике — считанное количество, а шаблоны с других территорий заточены под другие климатические условия. Наша технология универсальна, мы применили в ней гибридную модель ИИ, когда обучение на разнообразных данных эффективно сочетается с априорными знаниями, ранее накопленными в этой отрасли и записанными в виде формальных моделей», ― отметил научный руководитель исследовательского центра «Сильный ИИ в промышленности» ИТМО Александр Бухановский.
ИИ-проектировщик может стать незаменимым помощником для компаний, которые участвуют в освоении Арктической зоны (включая шельф). Он не только в разы сократит трудоемкость и сроки разработки проектов, но и позволит создавать комплексные архитектурные решения, учитывающие особенности природной среды. Например, поможет расположить здания и транспортные пути так, чтобы их сильно не замело снегом, а также выбрать безопасные для экосистемы параметры ледозащитных сооружений.
Источник: https://news.itmo.ru/ru/science/it/news/13331/
P.S. ИИ проникает во все сферы жизни. В России также ведутся работы по разным направлениям. Наиболее интересные новости по таким проектам будем публиковать в этом канале.
👉@aisimpleru
«В решении этой задачи классический ИИ на основе больших нейронных сетей бессилен, ChatGPT тоже не справится. Слишком мало данных для обучения: успешных проектов портов в Арктике — считанное количество, а шаблоны с других территорий заточены под другие климатические условия. Наша технология универсальна, мы применили в ней гибридную модель ИИ, когда обучение на разнообразных данных эффективно сочетается с априорными знаниями, ранее накопленными в этой отрасли и записанными в виде формальных моделей», ― отметил научный руководитель исследовательского центра «Сильный ИИ в промышленности» ИТМО Александр Бухановский.
ИИ-проектировщик может стать незаменимым помощником для компаний, которые участвуют в освоении Арктической зоны (включая шельф). Он не только в разы сократит трудоемкость и сроки разработки проектов, но и позволит создавать комплексные архитектурные решения, учитывающие особенности природной среды. Например, поможет расположить здания и транспортные пути так, чтобы их сильно не замело снегом, а также выбрать безопасные для экосистемы параметры ледозащитных сооружений.
Источник: https://news.itmo.ru/ru/science/it/news/13331/
P.S. ИИ проникает во все сферы жизни. В России также ведутся работы по разным направлениям. Наиболее интересные новости по таким проектам будем публиковать в этом канале.
👉@aisimpleru
👍1
Ранее мы обсуждали:
искусственный интеллект,
нейронные сети,
понятия машинного обучения (machine learning) и глубокого обучения (deep learning),
Технология машинного обучения - обширный подраздел искусственного интеллекта. Машинное обучение - изучает методы построения алгоритмов, которые могут обучаться.
Методы машинного обучения:
- Линейная регрессия
- Нелинейная регрессия
- Логистическая регрессия
- Метод ближайших соседей
- Метод k-средних
- Деревья решений
- Метод главных компонент
- Линейный дискриминант Фишера
- Байесовский классификатор
Для решения задачи необходимо четко понимать, какой алгоритм или ансамбль алгоритмов применить.
Помните, что универсального метода нет и не будет.
Например, с помощью одного алгоритма можно обучить машину водить, но этот же алгоритм будет бесполезен для решения задач классификации статей из журналов.
Для приближения технологий машинного обучения к искусственному интеллекту часто используется ансамбль из простых алгоритмов.
Выводы:
Поэтому, невозможно рассматривать технологии Machine Learning в отрыве от задач, которые решаются с их помощью.
Завтра рассмотрим понятие линейной регрессии.
👉 @aisimpleru
искусственный интеллект,
нейронные сети,
понятия машинного обучения (machine learning) и глубокого обучения (deep learning),
Технология машинного обучения - обширный подраздел искусственного интеллекта. Машинное обучение - изучает методы построения алгоритмов, которые могут обучаться.
Методы машинного обучения:
- Линейная регрессия
- Нелинейная регрессия
- Логистическая регрессия
- Метод ближайших соседей
- Метод k-средних
- Деревья решений
- Метод главных компонент
- Линейный дискриминант Фишера
- Байесовский классификатор
Для решения задачи необходимо четко понимать, какой алгоритм или ансамбль алгоритмов применить.
Помните, что универсального метода нет и не будет.
Например, с помощью одного алгоритма можно обучить машину водить, но этот же алгоритм будет бесполезен для решения задач классификации статей из журналов.
Для приближения технологий машинного обучения к искусственному интеллекту часто используется ансамбль из простых алгоритмов.
Выводы:
Поэтому, невозможно рассматривать технологии Machine Learning в отрыве от задач, которые решаются с их помощью.
Завтра рассмотрим понятие линейной регрессии.
👉 @aisimpleru
👍3
Регрессия - это метод статистического анализа, используемый в машинном обучении для предсказания числовых значений на основе зависимостей между переменными.
Регрессия - одно из базовых понятий в статистике.
Идея регрессии заключается в том, чтобы найти математическую связь между независимой переменной (предиктором) и зависимой переменной (предсказываемой).
В регрессии строится модель, которая пытается приблизить зависимую переменную с помощью одной или нескольких независимых переменных.
Модель представляется уравнением, которое может использоваться для предсказания значений зависимой переменной на основе известных значений независимых переменных.
Виды регрессии:
🔹 Простая линейная регрессия
🔹 Множественная линейная регрессия
🔹 Нелинейная регрессия
Для простоты мы рассмотрим первый тип - линейную регрессию.
Мы подразумеваем, что одна величина зависит от другой. Зависимость представляет собой прямую линию на графике.
Математически это представляется уравнением вида: y = mx + b,
где y - зависимая переменная,
x - независимая переменная,
m - коэффициент наклона (slope) и b - свободный член (intercept).
Из школьной курса математики известно, что коэффициент m отвечает за угол наклона нашей прямой, а свободный член - за смещение линии вправо или влево относительно оси ординат (Y).
Задачи регрессии могут включать прогнозирование цен на недвижимость, дохода, продаж и др.
Целью регрессии является минимизация разницы между предсказанными значениями и реальными данными.
Ошибку между прогнозными значениями и реальными данными можно рассчитать при помощи метода наименьших квадратов (MSE). Мы писали об этом здесь.
Выводы:
Необязательно использовать сложные Deep Learning модели для решения задач прогнозирования. Если детальная точность не так важна, то линейная регрессия прекрасно справляется с этой задачей.
👉 @aisimpleru
Регрессия - одно из базовых понятий в статистике.
Идея регрессии заключается в том, чтобы найти математическую связь между независимой переменной (предиктором) и зависимой переменной (предсказываемой).
В регрессии строится модель, которая пытается приблизить зависимую переменную с помощью одной или нескольких независимых переменных.
Модель представляется уравнением, которое может использоваться для предсказания значений зависимой переменной на основе известных значений независимых переменных.
Виды регрессии:
🔹 Простая линейная регрессия
🔹 Множественная линейная регрессия
🔹 Нелинейная регрессия
Для простоты мы рассмотрим первый тип - линейную регрессию.
Мы подразумеваем, что одна величина зависит от другой. Зависимость представляет собой прямую линию на графике.
Математически это представляется уравнением вида: y = mx + b,
где y - зависимая переменная,
x - независимая переменная,
m - коэффициент наклона (slope) и b - свободный член (intercept).
Из школьной курса математики известно, что коэффициент m отвечает за угол наклона нашей прямой, а свободный член - за смещение линии вправо или влево относительно оси ординат (Y).
Задачи регрессии могут включать прогнозирование цен на недвижимость, дохода, продаж и др.
Целью регрессии является минимизация разницы между предсказанными значениями и реальными данными.
Ошибку между прогнозными значениями и реальными данными можно рассчитать при помощи метода наименьших квадратов (MSE). Мы писали об этом здесь.
Выводы:
Необязательно использовать сложные Deep Learning модели для решения задач прогнозирования. Если детальная точность не так важна, то линейная регрессия прекрасно справляется с этой задачей.
👉 @aisimpleru
👍3
Дорогие друзья!
Каких материалов хотелось бы видеть больше в этом телеграм-канале?
Каких материалов хотелось бы видеть больше в этом телеграм-канале?
Anonymous Poll
47%
📈 Математика и теория в области ИИ
31%
💻 Готовые примеры кода на Python 🐍
16%
📰 Новости в сфере ИИ
6%
Все это очень сложно - больше развлекательного контента 😛
Начиная с 2020 года модно быть дата-сайнтистом (Data Scientist) или по-русски, исследователем данных.
Что это за люди?
Компетенции исследователей данных лежат на пересечении трех областей:
1⃣ Алгоритмы машинного обучения и структуры данных
2⃣ Программирование
3⃣ Знания предметной области
Если вы будете разбираться в программировании и Machine Learning, то без знаний предметной области (банковское дело или розничная торговля), достигнуть серьезных результатов будет сложно.
Прежде чем работать с данными, нужно разобраться, из каких источнико поступают, как собираются, по каким принципам обрабатываются. И, самое главное, какие решения принимаются на основе таких данных.
Помимо исследователей данных существуют другие схожие профессии. Программисты-разработчики и инженеры данных. В России их область ответственности могут ошибочно приписывать дата-саентистам.
Дата-саентистами часто считают разработчиков баз данных и даже full-stack программистов.
Главное отличие в том, что исследователи данных работают с гипотезами, создают рабочие модели и прототипы.
Сильное аналитическое мышление, использование системного подхода и даже элементы к - вот креативности - востребованные “мягкие навыки” (soft skills), характерные для этой относительно молодой профессии.
👉 @aisimpleru
Что это за люди?
Компетенции исследователей данных лежат на пересечении трех областей:
1⃣ Алгоритмы машинного обучения и структуры данных
2⃣ Программирование
3⃣ Знания предметной области
Если вы будете разбираться в программировании и Machine Learning, то без знаний предметной области (банковское дело или розничная торговля), достигнуть серьезных результатов будет сложно.
Прежде чем работать с данными, нужно разобраться, из каких источнико поступают, как собираются, по каким принципам обрабатываются. И, самое главное, какие решения принимаются на основе таких данных.
Помимо исследователей данных существуют другие схожие профессии. Программисты-разработчики и инженеры данных. В России их область ответственности могут ошибочно приписывать дата-саентистам.
Дата-саентистами часто считают разработчиков баз данных и даже full-stack программистов.
Главное отличие в том, что исследователи данных работают с гипотезами, создают рабочие модели и прототипы.
Сильное аналитическое мышление, использование системного подхода и даже элементы к - вот креативности - востребованные “мягкие навыки” (soft skills), характерные для этой относительно молодой профессии.
👉 @aisimpleru
👍2
Технологии искусственного интеллекта (ИИ) позволят снизить операционные расходы организаций в России — экономический эффект от этого достигнет 400 миллиардов рублей к концу 2023 года, и это скромная оценка, заявил вице-премьер Дмитрий Чернышенко на форуме "Армия-2023".
По словам Чернышенко, дефицит кадров в области ИИ сокращается, но остается достаточно большим.
Источник: https://1prime.ru/state_regulation/20230818/841511053.html
По словам Чернышенко, дефицит кадров в области ИИ сокращается, но остается достаточно большим.
Источник: https://1prime.ru/state_regulation/20230818/841511053.html
👍4
Компания Meta запустила самый продвинутый переводчик на данный момент:
https://huggingface.co/spaces/facebook/seamless_m4t
Основные возможности:
- поддержка 100 языков
- перевод текст-текст,
- перевод речь-текст,
- перевод текст-речь,
- перевод речь-речь (!).
GitHub
P.S. Во времена моей молодости был Prompt пиратской версии. Работал он совершенно отвратительно даже по сравнению с Google Translate, которого даже не было в проекте тогда 😁
https://huggingface.co/spaces/facebook/seamless_m4t
Основные возможности:
- поддержка 100 языков
- перевод текст-текст,
- перевод речь-текст,
- перевод текст-речь,
- перевод речь-речь (!).
GitHub
P.S. Во времена моей молодости был Prompt пиратской версии. Работал он совершенно отвратительно даже по сравнению с Google Translate, которого даже не было в проекте тогда 😁
🔥5
Посмотрите на 8 простых математических методов, которые используются в машинном обучении.
Здесь нет 🙅♂️ нейронных сетей, сложных гибридных моделей.
Данный набор методов оптимален для решения несложных задач классификации, прогнозирования и понижения размерности данных.
Список методов:
🔹 Линейная регрессия
🔹 Метод наименьших квадратов
🔹 Метод опорных векторов
🔹 Наивный Байесовский классификатор
🔹 Логистическая регрессия
🔹 Дерево решений
🔹 Метод k-средних
🔹 Метод главных компонент
Все методы обладают хорошей или высокой точностью прогноза и относительно быстрой скоростью обучения.
👉 @aisimpleru
Здесь нет 🙅♂️ нейронных сетей, сложных гибридных моделей.
Данный набор методов оптимален для решения несложных задач классификации, прогнозирования и понижения размерности данных.
Список методов:
🔹 Линейная регрессия
🔹 Метод наименьших квадратов
🔹 Метод опорных векторов
🔹 Наивный Байесовский классификатор
🔹 Логистическая регрессия
🔹 Дерево решений
🔹 Метод k-средних
🔹 Метод главных компонент
Все методы обладают хорошей или высокой точностью прогноза и относительно быстрой скоростью обучения.
👉 @aisimpleru
👍5
Ученый совет Московского городского педагогического университета (МГПУ) разрешил студентам использовать технологии искусственного интеллекта (ИИ), в том числе чат-боты, при написании выпускных работ, сообщили в пресс-службе вуза.
В вузе подчеркнули, что «сгенерированные тексты — хороший материал для новых идей и анализа». Студенты должны самостоятельно перерабатывать полученную информацию.
Источник: mgpu.ru
—
Таким образом, ☝️ первый Российский вуз узаконил инструмент, содержащий технологии ИИ для написания дипломных работ.
👉 @aisimpleru
В вузе подчеркнули, что «сгенерированные тексты — хороший материал для новых идей и анализа». Студенты должны самостоятельно перерабатывать полученную информацию.
Источник: mgpu.ru
—
Таким образом, ☝️ первый Российский вуз узаконил инструмент, содержащий технологии ИИ для написания дипломных работ.
👉 @aisimpleru
🔥6
Сбер запустил собственный ChatBot в открытом доступе.
Доступны следующие функции:
- создание текстов и генерация идей,
- ответы на вопросы,
- генерация изображений.
Пользуйтесь на здоровье 😉
https://developers.sber.ru/gigachat/
⚠️ Для регистрации нужен СберID.
👉 @aisimpleru
Доступны следующие функции:
- создание текстов и генерация идей,
- ответы на вопросы,
- генерация изображений.
Пользуйтесь на здоровье 😉
https://developers.sber.ru/gigachat/
⚠️ Для регистрации нужен СберID.
👉 @aisimpleru
👍1
Как вы уже знаете, машинное обучение является одним из классов методов ИИ (перечитайте про методы ИИ, если забыли).
Теперь поговорим непосредственно об этом модном и популярном направлении.
Основные способы машинного обучения приведены на изображении к посту.
Скоро начнем рассматривать инструменты, используемые для машинного обучения, а именно программное обеспечение.
👉 @aisimpleru
Теперь поговорим непосредственно об этом модном и популярном направлении.
Основные способы машинного обучения приведены на изображении к посту.
Скоро начнем рассматривать инструменты, используемые для машинного обучения, а именно программное обеспечение.
👉 @aisimpleru
👍3
Алгоритм решения задачи машинного обучения похож на нейросетевое моделирование.
Для простоты понимания рассмотрим укрупненно некоторые этапы:
1. Сбор данных
2. Подготовка данных (нормализация или препроцессинг)
3. Выбор и построение модели
4. Анализ качества и интерпретация модели
👉 @aisimpleru
Для простоты понимания рассмотрим укрупненно некоторые этапы:
1. Сбор данных
2. Подготовка данных (нормализация или препроцессинг)
3. Выбор и построение модели
4. Анализ качества и интерпретация модели
👉 @aisimpleru
👍1
Google и Universal Music пытаются монетизировать музыкальные дипфейки и ведут переговоры о лицензировании голосов и мелодий известных исполнителей для использования их при создании аудиотреков искусственным интеллектом. Параллельно Google обсуждает подобный продукт с Warner Music.
Практика не нравится и самим лейблам. Так, в апреле 2023 года Universal Music попросила Apple Music, Spotify и другие стриминги удалять музыку, созданную ИИ. FT отмечает, что новый продукт усилил бы позиции Google в конкуренции с Microsoft, которая тесно сотрудничает с OpenAI.
Источник: Financial Times
—
Уверен, что в ближайшие годы использование голосов и мелодий популярных артистов (в том числе уже умерших) сначала на Западе, а потом в России может быть законодательно запрещено 🚫
👉 @aisimpleru
Практика не нравится и самим лейблам. Так, в апреле 2023 года Universal Music попросила Apple Music, Spotify и другие стриминги удалять музыку, созданную ИИ. FT отмечает, что новый продукт усилил бы позиции Google в конкуренции с Microsoft, которая тесно сотрудничает с OpenAI.
Источник: Financial Times
—
Уверен, что в ближайшие годы использование голосов и мелодий популярных артистов (в том числе уже умерших) сначала на Западе, а потом в России может быть законодательно запрещено 🚫
👉 @aisimpleru
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
В этот прекрасный воскресный день, посмотрите, как танцуют под музыку роботы-собаки Boston Dynamics.
Скоро на всех продвинутых корпоративах страны будут заказывать танцы роботов.
Ловите бизнес-идею😁
P.S. Этот танец посвящен продаже контрольного пакета акций Boston Dynamics компании Hyundai в 2021 году.
👉 @aisimpleru
Скоро на всех продвинутых корпоративах страны будут заказывать танцы роботов.
Ловите бизнес-идею😁
P.S. Этот танец посвящен продаже контрольного пакета акций Boston Dynamics компании Hyundai в 2021 году.
👉 @aisimpleru
👍4
Список программных инструментов для работы с ИИ.
Языки программирования:
🔹 LISP,
🔹 C/C++,
🔹 R,
🔹 Python.
Математические пакеты:
🔸 MatLab Simulink,
🔸 Octave.
Фреймворки и библиотеки:
🔹 Caffe,
🔹 Microsoft Azure,
🔹 Amazon Machine Learning,
🔹 TensorFlow.
P.S. Несмотря на то, что что язык программирования LISP устарел, важно упомянуть о нем. В 80-е годы прошлого века он был популярен.
👉 @aisimpleru
Языки программирования:
🔹 LISP,
🔹 C/C++,
🔹 R,
🔹 Python.
Математические пакеты:
🔸 MatLab Simulink,
🔸 Octave.
Фреймворки и библиотеки:
🔹 Caffe,
🔹 Microsoft Azure,
🔹 Amazon Machine Learning,
🔹 TensorFlow.
P.S. Несмотря на то, что что язык программирования LISP устарел, важно упомянуть о нем. В 80-е годы прошлого века он был популярен.
👉 @aisimpleru
👍1
Алгоритмы машинного обучения и нейронных сетей воспроизводятся на любом языке программирования. Переменные, массивы, циклы, условия и числовые операции. Этого достаточно для написания нейронной сети или модели машинного обучения.
Язык программирования "LISP" разработали специально для работы с искусственным интеллектом. Сокращенно от английского List Processing language, в переводе "язык обработки списков".
LISP появился в 1958 году. Пик популярности прошел в 1980-ых годах. LISP был языком системного программирования для лисп-машин, которые представляли собой вычислительные узлы для обработки данных.
Сейчас популярность языка низкая. Падение произошло еще после выхода С++ в массы. На данный момент существует стандарт LISP и несколько диалектов.
В современном мире сложные алгоритмы реализуются на С/С++. Главное достоинство этих языков - это быстрая скорость работы и наличие объектно-ориентированной парадигмы в С++.
Объектно-ориентированная парадигма упрощает написание и работу программы с моделями искусственного интеллекта. Со временем стали появляться библиотеки написанные на С++, которые можно было использовать для подготовки типовых моделей. Библиотека представляет собой файл или набор файлов с кодом, который программисты написали для общего использования. Написание таких библиотек помогает сократить время разработки программы.
Перечисленные ранее языки плохо подходят новичкам из-за своей сложности. Разработка программ на таких языках - длительный процесс.
Со временем для общего использования появились математические пакеты такие, как Matlab и Octave со своим высокоуровневым языком, написанным на С++. В составе пакетов Matlab и Octave содержатся библиотеки, благодаря которым можно работать с моделями искусственного интеллекта. Встроенный высокоуровневый язык позволит разработать свои собственные модели.
Данные математические пакеты не просты в освоении, хотя разработка на них существенно легче, чем на “голых” языках.
👉 @aisimpleru
Язык программирования "LISP" разработали специально для работы с искусственным интеллектом. Сокращенно от английского List Processing language, в переводе "язык обработки списков".
LISP появился в 1958 году. Пик популярности прошел в 1980-ых годах. LISP был языком системного программирования для лисп-машин, которые представляли собой вычислительные узлы для обработки данных.
Сейчас популярность языка низкая. Падение произошло еще после выхода С++ в массы. На данный момент существует стандарт LISP и несколько диалектов.
В современном мире сложные алгоритмы реализуются на С/С++. Главное достоинство этих языков - это быстрая скорость работы и наличие объектно-ориентированной парадигмы в С++.
Объектно-ориентированная парадигма упрощает написание и работу программы с моделями искусственного интеллекта. Со временем стали появляться библиотеки написанные на С++, которые можно было использовать для подготовки типовых моделей. Библиотека представляет собой файл или набор файлов с кодом, который программисты написали для общего использования. Написание таких библиотек помогает сократить время разработки программы.
Перечисленные ранее языки плохо подходят новичкам из-за своей сложности. Разработка программ на таких языках - длительный процесс.
Со временем для общего использования появились математические пакеты такие, как Matlab и Octave со своим высокоуровневым языком, написанным на С++. В составе пакетов Matlab и Octave содержатся библиотеки, благодаря которым можно работать с моделями искусственного интеллекта. Встроенный высокоуровневый язык позволит разработать свои собственные модели.
Данные математические пакеты не просты в освоении, хотя разработка на них существенно легче, чем на “голых” языках.
👉 @aisimpleru
👍3