👉Понятие «искусственный интеллект» появилось еще в 50-х годах прошлого века. Алан Тьюринг (британский ученый) в одной из своих публикаций задался вопросом, может ли машина мыслить?

🧐Стандартное звучание закона: «Если компьютер может работать так, что человек не в состоянии определить, с кем он общается — с другим человеком или с машиной, — считается, что он прошел тест Тьюринга»
☝️Критерий прост: если человек, общаясь с невидимой машиной путем обмена текстовыми сообщениями, в какой-то момент перестает быть уверенным, что перед ним программа, машина считается мыслящей.
⏱При этом обмен сообщениями должен происходить через равные промежутки времени — это нужно для того, чтобы нельзя было судить о природе собеседника по быстроте ответов или его задумчивости.

Тест Тьюринга пользуется популярностью у разработчиков ботов и пользователей во всем мире.

Привет - привет 🙂 Совсем скоро начнется долгожданный вебинар. Стартуем в 19:00 по Москве. Обязательно подключайся - будет интересно ! Ссылка на вебинар - https://www.youtube.com/watch?v=UPEoU0097is

Через 5 минут стартуем🥳🥳🥳

Привет 🙂.
Вчера прошел наш первый вебинар на русском языке. Если не получилось поприсутствовать на нем, можно посмотреть запись вебинара по ссылке - https://www.youtube.com/watch?v=UPEoU0097is Также мы решили предоставить возможность задать вопросы для Владимира в этом опроснике - https://forms.gle/dRELkXN1RzyEMsiQ8 Владимир постарается в самое ближайшее время подготовить ответы на вопросы в качестве видео на нашем YouYube канале и во всех остальных соц. сетях.❤️

Привет 🙂 Оставляем здесь для твоего удобства "Словарь понятий искусственного интеллекта"🧠. В этом словаре на простом языке описаны основные понятия из области искусственного интеллекта и машинного обучения. Особенно полезно его почитать, если ты новичок в теме искусственного интеллекта.

🐍Python - наиболее часто используемый язык программирования в машинном обучении.
Его использование обусловлено многими преимуществами, одни из которых - наличие готовых библиотек и фреймворков.

📚Что такое библиотеки и чем они так хороши? Если говорить простыми словами, то библиотеки- это уже готовый код, который можно переиспользовать в своих целях.
Тем самым библиотеки очень сильно ускоряют разработку.

🎯В зависимости от цели, мы загружаем/импортируем нужные библиотеки, подставляем свои данные и получаем результат. Библиотеки очень сильно упрощают жизнь тем, кто их использует.

Вот примеры наиболее полезных и часто используемых библиотек:
👉Pandas
👉Matplotlib
👉Numpy
👉SeaBorn
👉Keras
👉Scikit-learn
👉XGBoost и др.

☝️Но это все теория!
А на марафоне Dwthon, который начнется уже 7 июня - ты на практике поработаешь с некоторыми библиотеками.

✊🏻Ведь лучше 1 раз попробовать, чем 100 раз услышать.

Библиотека Pandas - посмотрим что это за медведь🐼

😎На самом деле Pandas - это сокращенное наименование от «Panel Data», на русский язык можно перевести как «Панельные данные».

Pandas - это идеальный инструмент для обработки данных. 
Большинство специалистов Data Science  тратят слишком много времени на очистку, изменение и исследование больших объемов информации.

📈Pandas поставляется с набором инструментов, которые можно использовать для сбора, очистки и анализа информации. При этом данная библиотека позволяет загружать и обрабатывать как структурированные, так и неструктурированные данные.

📊Pandas дает возможность строить сводные таблицы, выполнять группировки, предоставляет удобный доступ к табличным данным, а при наличии библиотеки matplotlib дает возможность рисовать графики на основании данных.

🤩Все вышеописанное делает Pandas фундаментальной библиотекой в изучении Python для Data Science.

📉В отличие от Excel, где тоже широкие возможности для работы с данными, Pandas справится даже с очень большими файлами, в которых сотни тысяч и миллионы строк. Стандартному Excel такое не под силу, как и работа с файлами в формате json — именно в таком формате часто хранятся открытые данные.

А еще Pandas будет первой библиотекой, которую ты загрузишь на марафоне Dwthon💪🏻

А знаешь ли Ты, что применяя закон Парето в своей жизни, можешь достигать бОльшего с меньшими усилиями? 😉
3 июня 2021 в 19:00 по времени трех столиц (Москва, Киев, Минск) я проведу бесплатный вебинар на тему: 
"Как закон Парето работает в реальной жизни и в машинном обучении, чтобы 20% усилий приносили 80% результата".

Ссылка на вебинар: https://www.youtube.com/watch?v=fs9vw6tSyUE

На вебинаре Ты получишь знания в теории, которые будешь использовать на практическом онлайн-марафоне (на всякий случай напоминаю - его старт уже 7 июня).

Также на вебинаре ты узнаешь:
✅  как анализировать свои данные, чтобы извлечь из них максимальную пользу
✅ как добиваться многого при небольших затратах - закон Парето (правило 20/80)
✅ как определять проблемы в проектах машинного обучения , ведь это уже половина дела
✅ как эффективно использовать инструменты Data Science и машинного обучения
✅ как задавать правильные вопросы и находить на них ответы.
До скорой встречи 🙂

Усаживайся поудобнее - через час начинаем вебинар 🚀

До практического онлайн-марафона осталось меньше 5 дней!
Одна из целей сегодняшнего вебинара - подготовить тебя к практическому марафону.

Это далеко не первый практический марафон, который я буду проводить (хоть и первый в русскоязычных странах).  Поэтому уже знаю, что сегодняшний вебинар поможет тебе быть более эффективным и продуктивным на онлайн-марафоне. А это очень важно!☝️

Вторая цель вебинара - показать, что закон Парето работает в жизни каждого. И важно не просто знать о существовании закона, но и применять его на практике, тем самым правильно распределять свои ресурсы.

Жду тебя!🙂

https://www.youtube.com/watch?v=fs9vw6tSyUE

Во вчерашней презентации была описка "6% продуктов дают 50% процентов дохода", а не 80%. Спасибо, что внимательно следите🙂