इन्नोपोलिस विश्वविद्यालय में एल्गोरिदम के सिद्धांत पर वेबिनार

अच्छे दिन, प्रिय पाठकों!

पिछले सप्ताह हमारे वेबिनार की एक श्रृंखला ने भूमध्य रेखा को सफलतापूर्वक पार किया, और आज हम आगामी वेबिनार की घोषणा करना चाहते हैं, और हमारे श्रोताओं के प्रश्नों की रिकॉर्डिंग और उनके व्याख्याताओं के उत्तर भी प्रकाशित करते हैं।

इसलिए, 11 मार्च को 18:00 बजे (मॉस्को समय), हमारे प्रोफेसर मैनुअल माज़ारा थ्योरी ऑफ़ कम्प्यूटेशन पर एक वेबिनार करेंगे। लिंक पर वेबिनार के लिए पंजीकरण करने के लिए जल्दी करें ।



हम आपको याद दिलाते हैं कि हमारे स्नातक कार्यक्रम के लिए आवेदनों का संग्रह जारी है।

आर्टिफिशियल इंटेलिजेंस वेबिनार, लेक्चरर - समीर बेलहुआरी
प्रश्न 1:
प्रोफेसर, क्या आपने मानव मस्तिष्क परियोजना के बारे में सुना है, जिसका लक्ष्य मानव मस्तिष्क का सिमुलेशन मॉडल बनाना है?
उत्तर: हां, HBP परियोजना उस विश्वविद्यालय द्वारा कार्यान्वित की जाती है जिसमें मैंने पहले काम किया था - polycole पॉलीटेक्निक fédérale de Lausanne (EPFL-Switzerland)। यह परियोजना यूरोपीय संघ द्वारा वित्त पोषित है। वे वास्तविक मस्तिष्क के एक कंप्यूटर मॉडल का निर्माण करते हैं और इस तरह इसके सभी रहस्यों को जानने की कोशिश करते हैं।

प्रश्न 2:
AI प्रोग्रामिंग में आज किन भाषाओं का उपयोग किया जाता है?
उत्तर: यह एआई के विशिष्ट उद्योग (कंप्यूटर विज़न, मशीन लर्निंग, खोज, योजना, रोबोटिक्स, प्राकृतिक भाषा प्रसंस्करण, आदि) पर निर्भर करता है। मैं कहूंगा कि आपको उस भाषा को चुनना चाहिए जो कुछ तत्वों के प्रोटोटाइप बनाने में आसान बनाता है, उदाहरण के लिए, MATLAB। हालांकि, यदि आप एक सिस्टम बनाने की योजना बनाते हैं, तो C या C ++ सबसे अच्छा विकल्प होगा।

प्रश्न 3:
क्या आप एक उदाहरण दे सकते हैं कि तेल और गैस उद्योग में एआई का उपयोग कैसे किया जा सकता है?
उत्तर: आधुनिक तेल उद्योग में आज आर्टिफिशियल इंटेलिजेंस तकनीकों का व्यापक रूप से उपयोग किया जाता है, जिसमें तेल और गैस क्षेत्र सिमुलेशन, ड्रिलिंग और उत्पादन का अनुकूलन, ड्रिलिंग स्वचालन और सामान्य रूप से प्रक्रिया नियंत्रण शामिल हैं।

प्रश्न 4:
इस विषय में सफल प्रशिक्षण के लिए क्या बुनियादी ज्ञान आवश्यक है?
उत्तर: आपको बुनियादी प्रोग्रामिंग ज्ञान, संभाव्यता सिद्धांत और रैखिक बीजगणित की आवश्यकता होगी।

प्रश्न 5:
क्या मार्कोव चेन गतिशील प्रोग्रामिंग से संबंधित है?
उत्तर: हां, यह करता है। मार्कोव श्रृंखलाओं का उपयोग अक्सर गतिशील अनुकूलन की समस्याओं को हल करने में किया जाता है।

प्रश्न 6:
कृपया मुझे बताएं कि इस उद्योग में एआई तंत्र विकसित करने के लिए आपको अर्थव्यवस्था को समझने की कितनी आवश्यकता है?
उत्तर: आपको एक प्रभावी मॉडल विकसित करने के लिए अर्थशास्त्री को आपके मॉडल से वास्तव में जानना चाहिए। ज्ञान के संदर्भ में, मेरा मानना ​​है कि आपको केवल बुनियादी आर्थिक शर्तों और सामान्य अवधारणाओं को जानने की आवश्यकता है।

प्रश्न 7:
प्राथमिक जानकारी के बिना अनुप्रयोगों के लिए कंप्यूटर विज़न के क्षेत्र में क्या दृष्टिकोण मौजूद हैं। गति का पता लगाने के क्षेत्र में क्या विचार मौजूद हैं?
उत्तर: 1) अगर कोई पूर्व सूचना नहीं है, तो क्लस्टरिंग एल्गोरिथ्म का उपयोग किया जाएगा; 2) मोशन डिटेक्शन फ्रेम विभेदन विधि के आधार पर काम करता है, जो इस बात की तुलना करता है कि पिक्सल की तीव्रता फ्रेम से फ्रेम में अपनी स्थिति कैसे बदलती है। गति का पता लगाने के लिए दो विकल्प हैं: ए) पहली विधि पैटर्न में बदलाव को संपूर्ण मानती है; बी) दूसरी विधि औसत सरणी के आंदोलन पर विचार करती है

प्रश्न 8:
R भाषा के बारे में आप क्या कह सकते हैं? मैंने सुना है कि वह मशीन लर्निंग के क्षेत्र में काफी लोकप्रिय है। पाठ्यक्रम में ही प्रोग्रामिंग भाषा पर एक कार्यशाला है?
उत्तर: R भाषा का उपयोग अक्सर किया जाता है, क्योंकि यह वेब पर मुफ़्त और आसानी से उपलब्ध है। मैं MATLAB का उपयोग करना पसंद करता हूं (हम आर भाषा में कुछ कार्य जोड़ सकते हैं, यदि कोई हो)। आर्टिफिशियल इंटेलिजेंस के पाठ्यक्रम में 5 कार्य होंगे, जिसके दौरान छात्र कोडिंग के लिए MATLAB या C ++ का उपयोग कर सकेंगे

प्रश्न 9:
निम्नलिखित में से कौन सा संगठन - IEEE या ACM का कंप्यूटर विज्ञान के क्षेत्र में अधिक अधिकार है?
उत्तर: ये दोनों संगठन बहुत ही आधिकारिक हैं।

पूर्ण वेबिनार प्रविष्टि:


वेबिनार आर्टिफिशियल कॉग्निटिव सिस्टम, लेक्चरर - डेविड वर्नन
प्रश्न 1: रेनात शेखुतदीनोव
आप जटिल व्यवहारों का परीक्षण कैसे करते हैं? उदाहरण के लिए, यूनिट परीक्षणों का उपयोग करके एक साधारण फ़ंक्शन का परीक्षण किया जा सकता है, लेकिन इस मामले में क्या करना है?
उत्तर: मुख्य समस्या यह है कि संज्ञानात्मक प्रणालियाँ उन परिस्थितियों से निपटती हैं जिन्हें पूरी तरह से विकास के स्तर पर विस्तृत नहीं किया जा सकता है, अर्थात यह माना जाता है कि संज्ञानात्मक प्रणालियाँ बदलती, गैर-पूर्वानुमानित और अखंडता की जानकारी के साथ सामना करती हैं। इस प्रकार की प्रणालियों का परीक्षण करना अत्यंत कठिन है। बेशक, आप व्यक्तिगत घटकों को इकाई परीक्षण के अधीन कर सकते हैं, लेकिन सिस्टम परीक्षण बहुत अधिक कठिन है। अधिकांश लोग वास्तविक स्थितियों में सिस्टम का परीक्षण करके इस समस्या को हल करते हैं, यह देखते हुए कि यह संभव परिदृश्यों में जीवित और गैर-जीवित वस्तुओं के साथ कैसे बातचीत करता है। आप प्रयोगशाला में एक प्राकृतिक वातावरण (उदाहरण के लिए, एक रसोई) का अनुकरण करके या प्राकृतिक वातावरण में इसे आज़मा सकते हैं, इसके लिए एक कार्य निर्धारित कर सकते हैं और इसके व्यवहार को देख सकते हैं जब यह किसी विशिष्ट कार्य को करने की कोशिश करता है।

प्रश्न 2: विक्टर स्मिरनोव
प्रोफेसर वर्नन, अपनी प्रस्तुति में, आप वैचारिक रूप से सीखने और विकास को अलग करते हैं। संज्ञानात्मक विज्ञान और / या रोबोटिक्स में यह अलगाव कितना आम है?
उत्तर: सीखने और विकास के बीच अंतर यह है कि प्रशिक्षण के दौरान, किसी बाहरी विषय द्वारा प्रदान किए गए मॉडल को अनुकूलित (कैलिब्रेटेड) किया जाता है, और विकास के दौरान विषय अपना खुद का मॉडल बनाता है। इस प्रकार, प्रशिक्षण किसी अन्य इकाई द्वारा प्रदान किए गए मॉडल के मापदंडों को निर्धारित करने पर आधारित है, जबकि विकास मॉडल के आत्म-निर्माण पर आधारित है। यह विभाजन अभी तक वैज्ञानिक समुदाय में व्यापक नहीं है, लेकिन यह उन तकनीकी विधियों और प्रक्रियाओं की व्याख्या करने में बहुत उपयोगी है जो दोनों समस्याओं से गुजरती हैं। बेशक, सीखने और विकास को अलग करने के अन्य तरीके हैं। उदाहरण के लिए, प्रशिक्षण आमतौर पर एक कौशल या ज्ञान पर केंद्रित होता है, जबकि विकास में कई कौशल और ज्ञान और उनके रिश्तों की समझ का अधिग्रहण शामिल होता है। इसके अलावा, प्रशिक्षण में अक्सर यह समझना शामिल होता है कि दुनिया कैसे काम करती है, अक्सर स्थिति पर एजेंट के दृष्टिकोण को ध्यान में रखे बिना। विकास हमेशा विषय की क्षमताओं के संबंध से संबंधित होता है कि दुनिया कैसे कार्य करती है। मनोविज्ञान में, विकास एक ऐसी प्रक्रिया है जो विषय संभव क्रियाओं के अपने सेट का विस्तार करने और संभावना की अपनी क्षमता के समय अंतराल का विस्तार करने के माध्यम से जाता है (यानी, घटनाओं की आशा करने की क्षमता और कार्य करने की आवश्यकता)।

प्रश्न 3: अनातोली Sviridenkov
क्या आप ज्ञान के लिए किसी विशेष तर्क का उपयोग करते हैं? यदि हां, तो किस प्रकार? पहले तर्क दें?
उत्तर: अधिकांश संज्ञानात्मक प्रणालियाँ, जैसे कि सोर और एसीटी-आर, उत्पादन मॉडल का उपयोग करती हैं, अर्थात, वे नियम और संबंधित क्रियाओं के साथ नियम आधारित प्रणाली हैं। यद्यपि वे औपचारिक तर्क का उपयोग नहीं करते हैं, वे, संक्षेप में, पहले-क्रम की गणना पथरी करते हैं, अर्थात् प्रथम-क्रम तर्क। इमर्जेंट (अंग्रेजी के उद्भव - उत्पन्न होने, अप्रत्याशित रूप से दिखने वाले) संज्ञानात्मक प्रणालियाँ ज्ञान को प्रतीकों के माध्यम से निरूपित नहीं करती हैं और इसलिए, ज्ञान को सही ठहराने या निरूपित करने के लिए औपचारिक तर्क का उपयोग नहीं करती हैं। इसके बजाय, वे सूचनाओं को प्रस्तुत करने और संचालित करने के लिए कम्यूटेटिव तरीकों और सहयोगी तकनीकों का उपयोग करते हैं।

प्रश्न 4: दिमित्री चेसनाकोव
अपनी प्रस्तुति में, क्या आप MOOC (मास ओपन डिस्टेंस लर्निंग कोर्स) के बारे में बात कर रहे हैं या इन्नोपोलिस यूनिवर्सिटी में एक कोर्स के बारे में?
उत्तर: यह इन्नोपोलिस यूनिवर्सिटी में एक कोर्स है। प्रोफेसर वर्नन 2014-2015 स्कूल वर्ष के दूसरे सेमेस्टर में "आर्टिफिशियल कॉग्निटिव सिस्टम" पाठ्यक्रम पढ़ाएंगे

प्रश्न 5: विक्टर स्मिरनोव
आधुनिक संज्ञानात्मक प्रणालियों में मॉडलिंग अभूतपूर्व चेतना की समस्या कितनी महत्वपूर्ण है?
उत्तर: राय अलग है। कुछ विद्वानों का मानना ​​है कि अनुभूति की प्रक्रिया का अध्ययन करते समय चेतना की अवधारणा का उपयोग करने की कोई आवश्यकता नहीं है। दूसरों को यकीन है कि यह अनुभूति का एक अभिन्न अंग है। यह बिल्कुल सच है कि चेतना के कम्प्यूटेशनल मॉडल का अध्ययन वर्तमान में अनुसंधान का एक मान्यता प्राप्त क्षेत्र है और अनुभूति प्रक्रिया का अध्ययन एक महत्वपूर्ण भूमिका निभाता है। मेरे पाठ्यक्रम में, हम चेतना के विषय को संबोधित नहीं करेंगे, केवल तब जब विभिन्न प्रकार की स्मृति (प्रक्रियात्मक और घोषित स्मृति) का अध्ययन कर रहे हों

प्रश्न 6: अनातोली Sviridenkov
आप संज्ञानात्मक प्रणालियों में गहन सीखने के बारे में क्या सोचते हैं? क्या चरित्र और उप-चरित्र स्तरों को जोड़ना संभव है?
उत्तर: महान प्रश्न! अधिकांश वैज्ञानिक समुदाय का मानना ​​है कि यह महत्वपूर्ण है। जब मैंने संज्ञानात्मक आर्किटेक्चर के बारे में बात की, तो मैंने संज्ञानात्मक और आकस्मिक दृष्टिकोण का उल्लेख किया। इन दो दृष्टिकोणों के संयोजन को संकर संज्ञानात्मक वास्तुकला कहा जाता है। क्लैरियन और एसीटी-आर जैसे कई प्रसिद्ध हाइब्रिड कॉग्निटिव आर्किटेक्चर हैं। मुख्य विचार ठीक वही है जो आप प्रस्तावित कर रहे हैं: प्रतीकात्मक और उप-प्रतीकात्मक रूपों को ज्ञान के संयोजन के लिए, अर्थात्, ज्ञान जो स्पष्ट और एक प्रतीकात्मक प्रणाली और ज्ञान द्वारा दर्शाया गया है जो कि अंतर्निहित है और अक्सर कृत्रिम न्यूट्रल नेटवर्क जैसे संचार तकनीकों का उपयोग करके प्रस्तुत किया जाता है।

प्रश्न 7: अनातोली Sviridenkov
मस्तिष्क के मॉडलिंग, मशीन सीखने, या कृत्रिम बुद्धि: आप किस क्षेत्र में सफलता की उम्मीद करते हैं?
उत्तर: मैं मशीन लर्निंग के क्षेत्र में सोचता हूं, लेकिन तीनों क्षेत्र बहुत महत्वपूर्ण हैं। उदाहरण के लिए, वर्तमान में मस्तिष्क मॉडलिंग के क्षेत्र में कई अध्ययन चल रहे हैं। परिणामों ने पहले से ही कई कंप्यूटिंग प्रणालियों को प्रभावित किया है, जैसे कि दर्पण तंत्रिका तंत्र। व्यक्तिगत रूप से, मैं स्वायत्त प्रणालियों के अध्ययन में कई महत्वपूर्ण सफलताओं की अपेक्षा करता हूं।

प्रश्न 8:
अपनी प्रस्तुति में, आप विभिन्न प्रकार की स्मृति पर बहुत ध्यान देते हैं। एक मशीन में इतने प्रकार की मेमोरी क्यों होती है?
उत्तर: विभिन्न प्रकार के ज्ञान को एनकोड करने के लिए हमें विभिन्न प्रकार की मेमोरी की आवश्यकता होती है। उदाहरण के लिए, घोषणात्मक ज्ञान है जो दुनिया के बारे में तथ्यों से संबंधित है (ठोस धातु, उबलते पानी बहुत गर्म है, आदि)। एक अन्य प्रकार का ज्ञान कौशल-आधारित ज्ञान है, चीजों को करने की क्षमता। यह प्रक्रियात्मक ज्ञान है। जब आप एक कृत्रिम प्रणाली बनाते हैं, तो वे एक अलग प्रकार की मेमोरी में एन्कोडेड होते हैं और अलग-अलग अभ्यावेदन की आवश्यकता होती है। हम इस प्रक्रियात्मक स्मृति को कहते हैं। अल्पकालिक और दीर्घकालिक स्मृति भी है, अल्पकालिक स्मृति केवल ज्ञान संग्रहीत करती है जब तक कि कुछ कार्य करने के लिए आवश्यक है, दीर्घकालिक स्मृति में विषय के सभी अनुभव शामिल हैं।

पूर्ण वेबिनार प्रविष्टि:


घटक आधारित सॉफ्टवेयर इंजीनियरिंग वेबिनार, व्याख्याता - मैनुअल माज़रा
प्रश्न 1:
आज, कंपनियां और लोग बड़ी मात्रा में डेटा के साथ काम करते हैं। इसी समय, कंपनियां लेनदेन, प्रबंधन जानकारी और अन्य डेटा के पूरे इतिहास को संचित करती हैं। लोग बड़ी मात्रा में मीडिया डेटा संग्रहीत करते हैं। लेकिन वास्तविक जीवन में सभी संवेदी सूचनाओं को संग्रहीत करने में सक्षम जीव नहीं हैं। क्या सॉफ्टवेयर विकास में एक प्रतिमान है जो इस मुद्दे को संबोधित करता है?
उत्तर: जहाँ तक मुझे पता है, इस तरह के प्रतिमान अब मौजूद नहीं हैं। यह क्षेत्र अब बहुत नया है। बिग डेटा, डेटा माइनिंग, और कुछ हद तक डीप वेब ऐसे क्षेत्र हैं जो आपके द्वारा बताए गए मुद्दे से संबंधित हैं।

प्रश्न 2:
क्या आपको लगता है कि अगर भविष्य में प्रौद्योगिकियां इतनी गति से विकसित होती हैं तो कंप्यूटर और मशीनें हमारी क्षमताओं को पार कर जाएंगी? मानवता इसे कैसे रोक सकती है, हमेशा आगे रहने के लिए।
उत्तर: मेरी निजी राय नहीं है। कुछ चीजें हैं जो केवल एक व्यक्ति कर सकता है; मशीनें उन्हें कभी नहीं बना सकती हैं। तकनीकी विकास की गति और मशीनों की गति इससे संबंधित नहीं हैं। अलग-अलग विचार प्रक्रियाएं हैं जो मशीनें बस सक्षम नहीं हैं। उदाहरण के लिए, कम्प्यूटेबिलिटी और टूरिंग-चर्च की परिकल्पना। स्वाभाविक रूप से, यह सिर्फ मेरी राय है। हालांकि, इसके विपरीत कोई सबूत नहीं है। मेरे कुछ सहयोगियों को यकीन है कि 50 वर्षों में हमारे पास चेतना के साथ मशीनें होंगी। मुझे यकीन नहीं है कि ऐसा होगा।

प्रश्न 3:
जहां तक ​​मैं समझता हूं, हम दैनिक रूप से घटक-आधारित सॉफ़्टवेयर इंजीनियरिंग का उपयोग करते हैं। क्या सीबीएसई और पारंपरिक प्रोग्रामिंग तकनीकों में कोई अंतर है?
उत्तर: छोटे घटकों में सॉफ्टवेयर के अपघटन की आवश्यकता न केवल पिछले 10 या 15 वर्षों में मौजूद है, बल्कि बहुत अधिक समय तक है। कंप्यूटर विज्ञान के विकास की शुरुआत में, यह स्पष्ट हो गया कि बड़ी समस्याओं को प्रभावी ढंग से हल किया जाता है यदि उन्हें छोटे भागों में विभाजित किया जाता है। सीबीएसई निश्चित रूप से सॉफ्टवेयर इंजीनियरिंग का हिस्सा है। सीबीएसई पिछली अवधारणाओं का एक विकासवादी विकास है, जैसे कि संरचित प्रोग्रामिंग और ऑब्जेक्ट-ओरिएंटेड विकास।

प्रश्न 4:
इन दिनों कौन से आईटी विकास क्षेत्र सबसे महत्वपूर्ण हैं, और निकट भविष्य में सबसे महत्वपूर्ण होंगे?
आज क्लाउड कंप्यूटिंग, बिग डेटा और डेटा माइनिंग की बहुत चर्चा है। सामाजिक नेटवर्क के आगमन के साथ, हमने इन क्षेत्रों (फेसबुक, ट्विटर, आदि) से जबरदस्त व्यावसायिक हित देखा है।
उत्तर: एक अन्य महत्वपूर्ण पहलू इलेक्ट्रॉनिक चिकित्सा का क्षेत्र है, जिसमें उन तकनीकों का उपयोग किया जाता है जो लोगों, विशेषकर बुजुर्गों और विकलांग लोगों के जीवन की गुणवत्ता में सुधार करते हैं। हम आधुनिक तकनीक की बदौलत इन लोगों की मदद कर सकते हैं। उदाहरण के लिए, यह मोबाइल एप्लिकेशन और उपकरणों के माध्यम से कार्यान्वित किया जाता है। व्यक्तिगत रूप से, मैं भविष्य में इन क्षेत्रों पर विशेष ध्यान देने की योजना बना रहा हूं।

प्रश्न 5:
आप वास्तव में विकेंद्रीकृत प्रणालियों के बारे में क्या सोचते हैं? उदाहरण के लिए, सिस्टम जिसमें सभी लिंक विनिमेय हैं?
उत्तर: यह प्रश्न बहुत ही रोचक है। इस तरह की प्रणाली मौजूद है, लेकिन हम अपने पाठ्यक्रम के दौरान उनकी चर्चा नहीं करेंगे। मैं इस मुद्दे पर असाधारण रूप से चर्चा करने के लिए तैयार हूं।

प्रश्न 6:
क्या आपको लगता है कि ज्ञान सीखने और विश्लेषण करने की क्षमता जितना महत्वपूर्ण नहीं है?
उत्तर: मेरा व्यक्तिगत रूप से मानना ​​है कि सबसे महत्वपूर्ण "सीखने का तरीका" सीखने की क्षमता है। इसलिए, मेरे लिए, काम में मानसिक निर्माणों का उपयोग करने की क्षमता की तुलना में ज्ञान कम महत्वपूर्ण है। आप हमेशा इंटरनेट पर, डेटाबेस में, अन्य स्थानों पर ज्ञान प्राप्त कर सकते हैं; लेकिन आपको जानकारी संसाधित करने में सक्षम होना चाहिए। यदि आप जानकारी के साथ काम करना नहीं जानते हैं, तो आप कई चीजों को कभी नहीं समझ पाएंगे। मेरे लिए, शिक्षण विधियां सिर्फ ज्ञान से अधिक महत्वपूर्ण हैं।

प्रश्न 7:
क्या छोटे और बड़े सॉफ्टवेयर इंजीनियरिंग प्रोजेक्ट्स के बीच अंतर है? क्या हमें उनके लिए अलग दृष्टिकोण लागू करने की आवश्यकता है?
उत्तर: इन प्रश्नों के दो उत्तर हैं। बेशक, एक अंतर है। बड़ी परियोजनाओं के प्रबंधन की जटिलता के कारण वस्तु-उन्मुख विकास की आवश्यकता उत्पन्न हुई। छोटी परियोजनाओं के लिए, हमें ऐसी कोई आवश्यकता नहीं है। दूसरा जवाब: कक्षाओं के दौरान हम बड़ी परियोजनाओं के साथ काम नहीं कर पाएंगे, और हम उपरोक्त तरीकों को छोटी परियोजनाओं पर लागू करेंगे। बेशक, छोटी परियोजनाएं हमेशा इस लक्ष्य के अनुकूल नहीं होती हैं। हालांकि, अंतिम उत्तर यह है कि हम इन तकनीकों को दोनों मामलों के लिए लागू कर सकते हैं।

प्रश्न 8:
आपको क्या लगता है कि पिछले 10 वर्षों में कंप्यूटर विज्ञान के क्षेत्र में सबसे महत्वपूर्ण घटना क्या है?
उत्तर: वैज्ञानिक दृष्टिकोण से, कई खोजें हुई हैं, उदाहरण के लिए, एल्गोरिदम के क्षेत्र में। हालांकि, वे आम जनता के लिए इतने महत्वपूर्ण नहीं हैं। सबसे अधिक दृश्य और आवश्यक हिस्सा, निश्चित रूप से, मैं सामाजिक नेटवर्क के प्रसार पर विचार करता हूं। वे और मोबाइल प्रौद्योगिकी पिछले एक दशक के सबसे दृश्यमान परिवर्तन हैं। बीस साल पहले, कोई भी कल्पना नहीं कर सकता था कि लोग एक रेस्तरां में बैठेंगे और जीवित लोगों के साथ खाने और संवाद करने की तुलना में अपने मोबाइल डिवाइस पर अधिक ध्यान देंगे।

पूर्ण वेबिनार प्रविष्टि:


मशीन लर्निंग वेबिनार, व्याख्याता - समीर बेलहुआरी
प्रश्न 1:
पिछले कुछ वर्षों में मशीन लर्निंग शोधकर्ताओं के लिए कई सॉफ्टवेयर लाइब्रेरी और वातावरण बनाए गए हैं। हालाँकि, हार्डवेयर के क्षेत्र में, हम डिजिटल डेटा प्रोसेसिंग और मशीन लर्निंग के लिए विशेष प्रोसेसर के केवल कुछ उदाहरण देखते हैं। हाल के वर्षों में आप जिन सबसे महत्वपूर्ण घटनाक्रमों का उल्लेख कर सकते हैं?
उत्तर: मैंने गॉसियन प्रक्रियाओं के आधार पर गैस की पहचान और पहचान के लिए सेंसर और चिप्स के उपयोग पर एक मशीन पर काम किया और मशीन लर्निंग के लिए सामान्य वितरण के मिश्रण का एक मॉडल तैयार किया। एसवीएम एल्गोरिथ्म को हार्डवेयर के रूप में लागू किया गया है।

प्रश्न 2:
त्वचा कैंसर से आप क्या समझते हैं? इस प्रजाति से मृत्यु दर अन्य खतरनाक प्रकार के कैंसर से कम है, जबकि यह अपने दृश्य लक्षणों के कारण मशीन की मान्यता के लिए सबसे उपयुक्त है।
उत्तर: स्तन कैंसर और फेफड़ों का कैंसर महिलाओं और पुरुषों में सबसे आम है, और त्वचा कैंसर के संबंध में विभाजन और निदान के बारे में कई अध्ययन हैं।

प्रश्न 3:
आपने मशीन लर्निंग शुरू करने से पहले कुछ विषयों का उल्लेख किया है जिनका आपको अध्ययन करने की आवश्यकता है। क्या आप ऐसे विषयों की सलाह दे सकते हैं जिनका अध्ययन समानांतर या मशीन लर्निंग कक्षाओं के बाद किया जा सकता है?
उत्तर: मैं अपने पाठ्यक्रम की शुरुआत से पहले छात्रों के गणित और एल्गोरिदम के ज्ञान को "ताज़ा" करूँगा, और मैं अतिरिक्त सामग्री भी प्रदान करूँगा जो पाठ्यक्रम की बुनियादी अवधारणाओं को बेहतर ढंग से समझने में मदद करेगा।

प्रश्न 4:
प्रशिक्षण के दौरान छात्र क्या परियोजनाएँ करेंगे?
उत्तर: छात्रों को एमएल की मूल बातें और एल्गोरिदम, साथ ही साथ कोड को फिर से लिखना (समझना) जानना आवश्यक है

प्रश्न 5:
जैसा कि मैं इसे समझता हूं, पाठ्यक्रम का मुख्य लक्ष्य मशीन को सामान्यीकरण प्रक्रिया के माध्यम से प्रोग्रामिंग के बिना सीखने देना है।
उत्तर: यह प्रोग्राम किया जा सकता है या नहीं किया जा सकता है, क्योंकि कुछ एल्गोरिदम गतिशील हैं, लेकिन कुछ नहीं हैं।

प्रश्न 6:
क्या आपको लगता है कि प्राप्त जानकारी को सामान्य बनाना कृत्रिम बुद्धिमत्ता बनाने के लिए पर्याप्त है?
उत्तर: मेरा मानना ​​है कि यह पर्याप्त नहीं है, क्योंकि कुछ एप्लिकेशन को डेटा के बिना अभिनव एल्गोरिदम के उपयोग की आवश्यकता होती है

प्रश्न 7:
कुछ विश्वविद्यालयों ने ध्यान दिया कि कुछ विश्वविद्यालयों ने रोबोट और कंप्यूटर को डेटा को संक्षेप में प्रस्तुत करने में सफलता प्राप्त की है। क्या भविष्य में उनके परिणामों के बारे में निर्णय लेने के लिए मशीनों को पढ़ाना संभव है?
उत्तर: बेशक, कंप्यूटर को सर्वोत्तम निर्णय और निष्कर्ष बनाना सिखाना संभव है, हालांकि, इस कार्य के कार्यान्वयन के लिए गणितीय समस्या में हमारी समस्या को मॉडल करना महत्वपूर्ण है।

प्रश्न 8:
इस विषय पर शुरुआती लोगों के लिए आप कौन सा साहित्य सुझाएंगे? मशीन सीखने के लिए गणित के कौन से क्षेत्र महत्वपूर्ण हैं?
उत्तर: आपको निम्नलिखित क्षेत्रों को जानने की आवश्यकता है:
• बुनियादी संभावना, मैट्रिसेस और कैलकुलस
• कुछ प्रोग्रामिंग भाषा C / C ++ और MATLAB
संदर्भों से परिचित :
एस। रसेल और पी। नॉरविग। आर्टिफिशियल इंटेलिजेंस: ए मॉडर्न एप्रोच, 3 डी एडिशन, अप्रेंटिस हॉल (2010)।
डी। कोल्लर और एन। फ्रीडमैन। संभाव्य चित्रमय मॉडल, एमआईटी प्रेस (2009)
आर। सटन और ए। बार्टो। सुदृढीकरण सीखना: एक परिचय, MIT प्रेस (1998)
E.Tsang। बाधा संतोष की नींव। अकादमिक प्रेस (1993)

पूर्ण वेबिनार प्रविष्टि: