లోతైన అభ్యాసం: ఇది ఏమిటి మరియు ఇది యంత్ర అభ్యాసానికి ఎలా సంబంధం కలిగి ఉంది?

మేము చేసిన కొన్ని కథనాలను కొనసాగిస్తూ, ఇక్కడ డీప్ లెర్నింగ్ అంటే ఏమిటి మరియు మెషిన్ లెర్నింగ్‌తో దాని సంబంధం గురించి మాట్లాడుతాము. ఈ రెండు పదాలు మనం జీవిస్తున్న సమాజంలో చాలా ముఖ్యమైనవి మరియు మన చుట్టూ ఉన్న వాటిని తెలుసుకోవడానికి ఇది సహాయపడుతుంది.

విషయ సూచిక

డీప్ లెర్నింగ్ అంటే ఏమిటి?

డీప్ లెర్నింగ్ అనేది మెషిన్ లెర్నింగ్ ఫలితంగా 2000 లలో జన్మించిన పద్ధతుల ఉపసమితి. ఈ కారణంగా, కంప్యూటర్ సైన్స్లో భాగంగా ఉన్నందున, మేము దానిని దాని శాఖలలో ఒకటిగా వర్గీకరించాలి.

ఈ వ్యవస్థలు వారి పాత తోబుట్టువుల కంటే ఎక్కువ స్వయంప్రతిపత్తి కలిగివుంటాయి, అయినప్పటికీ వారి నిర్మాణం కూడా చాలా క్లిష్టంగా ఉంటుంది. మెషిన్ లెర్నింగ్ అల్గోరిథంలతో ఇతర వ్యవస్థల కంటే ఒకే రకమైన లేదా మంచి పనిని చేసే వివిధ రకాల పనులను చేసేటప్పుడు ఇది వారికి స్పష్టమైన ప్రయోజనాన్ని ఇస్తుంది .

అలాగే, డీప్ లెర్నింగ్ దాని పూర్వీకుల కంటే ఎక్కువగా ఉన్న ఇతర రచనలు కూడా ఉన్నాయి. అత్యంత అపఖ్యాతి పాలైన కేసులలో ఒకటి ఆల్ఫాగో- స్టైల్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ , గూగుల్ యొక్క ఇంటెలిజెన్స్ , ప్రపంచ ఛాంపియన్ గోను ఓడించగల సామర్థ్యం.

బహుశా ఇది మీకు కొంచెం చైనీస్ అనిపిస్తుంది, కానీ గో చాలా ప్రసిద్ధ ఆట మరియు, చాలా డిమాండ్. దీనిని సందర్భోచితంగా చెప్పాలంటే, గణిత శాస్త్రవేత్తలు ఈ అభిరుచి చదరంగం కంటే చాలా క్లిష్టంగా ఉందని గట్టిగా పేర్కొన్నారు .

మరోవైపు, డీప్ లెర్నింగ్ బిగ్ డేటాతో దగ్గరి సంబంధం కలిగి ఉంది , ఎందుకంటే ఈ గొప్ప సమాచార వనరులు అనుభవాన్ని తెలుసుకోవడానికి మరియు ఏకీకృతం చేయడానికి ఉపయోగపడతాయి . ఇంకా, మేము ఉన్న పరిస్థితికి ధన్యవాదాలు, ఈ సాంకేతిక పరిజ్ఞానం యొక్క విస్తరణ మరియు అభివృద్ధికి వాతావరణం మూడు ముఖ్య అంశాలకు సరైనది :

1. డేటా యొక్క గొప్ప సంచితం, ఎందుకంటే ఈ రోజు మన వద్ద ఉన్న సాధనాలతో, డేటాను దాదాపు ఎవరికైనా పొందవచ్చు మరియు నిల్వ చేయవచ్చు. సమిష్టిగా గణనీయమైన శక్తిని అందించడానికి భాగాలు మంచివి కాబట్టి మనం ఉన్న సాంకేతిక పరిజ్ఞానం. మునుపటి రెండు పాయింట్లను సద్వినియోగం చేసుకొని, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌పై ఎక్కువ కంపెనీలు బెట్టింగ్ చేస్తున్నందున , వారి పద్దతులను మెరుగుపరచాలనే సంస్థల కోరిక. మీ కంపెనీ వేలాది మంది కస్టమర్ల నుండి డేటాను నిల్వ చేసి ఉంటే మరియు సాంకేతికత వారి నుండి నేర్చుకోవడానికి మరియు ఉపయోగించుకునే అవకాశాన్ని ఇస్తుంది , ఇది సురక్షితమైన పందెం.

డీప్ లెర్నింగ్ యొక్క నిర్మాణం

మెషిన్ లెర్నింగ్‌తో సమానమైన అభివృద్ధి ఉన్నప్పటికీ, ఈ అల్గోరిథంలు కొన్ని అణు తేడాలను కలిగి ఉన్నాయి. చాలా ముఖ్యమైనది బహుశా దాని అంతర్గత నిర్మాణం, అనగా, దాని అల్గోరిథంను రూపొందించే కోడ్.

డీప్ లెర్నింగ్ గురించి సాధారణ ఆలోచన

మీరు చిత్రంలో చూడగలిగినట్లుగా, డీప్ లెర్నింగ్ న్యూరల్ నెట్‌వర్క్‌లతో దగ్గరి సంబంధం కలిగి ఉంటుంది. ఈ భావన క్రొత్తది కాదు, కానీ ఇది చాలా కాలం నుండి మాతో లేదు, కాబట్టి మీకు ఇది తెలియకపోవచ్చు.

దీన్ని సరళీకృతం చేయడానికి, మేము న్యూరల్ నెట్‌వర్క్‌ను అల్గారిథమ్‌ల సమితిగా నిర్వచించవచ్చు (ప్రతి ఒక్కటి పొర అని పిలుస్తారు) ఇది సమాచారాన్ని చికిత్స చేస్తుంది మరియు ప్రసారం చేస్తుంది. ప్రతి పొర ఇన్పుట్ విలువలను అందుకుంటుంది మరియు అవుట్పుట్ వాటిని తిరిగి ఇస్తుంది మరియు ఇది మొత్తం నెట్‌వర్క్ గుండా వెళుతున్నప్పుడు, తుది ఫలిత విలువ తిరిగి ఇవ్వబడుతుంది. ఇవన్నీ వరుసగా, సాధారణంగా జరుగుతాయి, ఇక్కడ ప్రతి పొర వేరే బరువు కలిగి ఉంటుంది, కావలసిన ఫలితాన్ని బట్టి.

సూపర్ మారియో వరల్డ్ ఆడటానికి ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ లెర్నింగ్ గురించి ఒక చిన్న వీడియో (ఇంగ్లీషులో) ఇక్కడ మీకు చూపిస్తాము :

మరియు "ఈ పద్ధతి ఎందుకు అంత క్లిష్టంగా ఉంది?" . ఖచ్చితంగా డీప్ లెర్నింగ్ ఇప్పటికీ మేము బలహీనమైన కృత్రిమ మేధస్సు అని పిలుస్తాము , కాని ఇది బలంగా ఉన్న మొదటి అడుగు.

ఈ పద్దతి మెదడు ఎలా పనిచేస్తుందో దాని నుండి ప్రేరణ పొందింది. "భౌతిక ప్రపంచంలో" మనం చూసే మాదిరిగానే, వ్యవస్థలు పొరలను ఏర్పరుస్తాయి మరియు ప్రతి పొర న్యూరాన్‌కు సమానమైన రీతిలో పనిచేస్తుంది. ఈ విధంగా, పొరలు ఒకదానితో ఒకటి సంబంధం కలిగి ఉంటాయి, సమాచారాన్ని పంచుకుంటాయి మరియు అతి ముఖ్యమైన విషయం ఏమిటంటే ప్రతిదీ స్వయంప్రతిపత్తితో జరుగుతుంది.

డీప్ లెర్నింగ్ ఎలా పనిచేస్తుందో చాలా సరళీకృత పథకం

ఈ నియమాన్ని అనుసరించి, చాలా పూర్తి ఇంటెలిజెన్స్ , సాధారణంగా, ఎక్కువ పొరలు మరియు అధునాతన అల్గోరిథంలు కలిగి ఉంటాయి.

ఈ అల్గోరిథంతో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఎలా పనిచేస్తుంది?

మీరు ఈ అంశంపై మా మునుపటి కథనాలను చూసినట్లయితే, మీరు ఇప్పటికే ఈ gif ని చూస్తారు. ఇక్కడ మీరు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌పై మా కథనాన్ని చూడవచ్చు మరియు ఇక్కడ మీరు మెషిన్ లెర్నింగ్ గురించి కొంచెం చదువుకోవచ్చు.

కానీ మేము మీకు చివరిసారి చూపిస్తాము.

ఈ చిత్రం న్యూరల్ నెట్‌వర్క్‌లను ఉపయోగించే ఇంటెలిజెన్స్ ఎలా పనిచేస్తుందో బాగా మరియు చాలా సరళంగా ప్రతిబింబిస్తుంది . మీరు చూడగలిగినట్లుగా, అతని పని చాలా సులభం: చిత్రాలను వర్గీకరించండి మరియు అతనికి పంపబడిన వివిధ ఫోటోలలో కుక్కలను గుర్తించడం నేర్చుకోండి.

ప్రతి చిత్రం ఇన్పుట్ ఫీడ్ను నమోదు చేయడం ద్వారా ప్రారంభమవుతుంది, అనగా మొదటి లెక్కలు ఇప్పటికే ప్రారంభమయ్యే ఇన్పుట్ లేయర్ . పొందిన ఫలితాలు రెండవ పొర లేదా న్యూరాన్‌కు భాగస్వామ్యం చేయబడతాయి మరియు స్పష్టంగా, ఏ న్యూరాన్ ఈ గణన చేసిందో తెలియజేయబడుతుంది . ఈ ప్రక్రియ చివరిదానికి చేరే వరకు మన సిస్టమ్ కలిగి ఉన్న పొరల కంటే చాలాసార్లు పునరావృతమవుతుంది.

చివరి న్యూరాన్ అవుట్పుట్ లేయర్ అని పేరు పెట్టబడింది మరియు ఈ ఉదాహరణలో, ఫలితాన్ని చూపిస్తుంది. ఇతర సందర్భాల్లో, అవుట్పుట్ లేయర్ లెక్కించిన చర్యను పూర్తి చేస్తుంది. అలాగే, మేము వీలైనంత వేగంగా (వీడియో గేమ్‌ల మాదిరిగా) పని చేయాల్సిన సూత్రాన్ని ఉంచినట్లయితే , ఫలితం దాదాపు తక్షణమే ఉండాలి. అయినప్పటికీ, మేము ఉన్న సాంకేతిక అంశానికి ధన్యవాదాలు, ఇది ఇప్పటికే సాధ్యమే.

దీనికి స్పష్టమైన ఉదాహరణలలో ఒకటి ఆల్ఫాస్టార్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, గూగుల్ యొక్క మరొక సృష్టి.

గూగుల్ డీప్‌మైండ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్

ప్రపంచంలోని అత్యుత్తమ గో ప్లేయర్‌లతో పోరాడగల సామర్థ్యం గల AI ఆల్ఫాగో గురించి మేము మీకు చెప్పాము . ఏదేమైనా, ఈ ఒక చిన్న తోబుట్టువులు కొన్ని అద్భుతమైన మైలురాళ్ళు సాధించగల సామర్థ్యం కలిగి ఉన్నారు .

AlphaZero

ఈ ఇంటెలిజెన్స్ కేవలం 24 గంటల్లో ఒక మానవాతీత స్థాయి చెస్, షోజి మరియు గో నేర్చుకున్నాడు, దానితో అతను అనేక మంది ప్రసిద్ధ ఆటగాళ్లను గెలుచుకున్నాడు . అలాగే, ఓడిపోయిన ప్రత్యర్థుల జాబితాలో అతను 3 రోజుల అనుభవం యొక్క ఆల్ఫాగో జీరో వెర్షన్‌ను కూడా సూచించాడు, ఇది నిజంగా నమ్మశక్యం కానిది . ఇక్కడ ఈ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ నేర్చుకునే వేగం బయటకు వస్తుంది .

అన్నింటికన్నా బాగా ఆకట్టుకునేది, బృందానికి పుస్తకాలు లేదా డేటాబేస్‌లను నేర్చుకోవటానికి ప్రాప్యత లేదు, కాబట్టి వారి వ్యూహాలన్నీ అభ్యాసంతో నేర్చుకోబడ్డాయి.

తన మరొక ఎన్‌కౌంటర్‌లో, అతను చెస్ ఆడే ప్రముఖ ఆటోమేటెడ్ ఓపెన్ సోర్స్ ప్రోగ్రామ్ స్టాక్ ఫిష్‌ను ఎదుర్కొన్నాడు. అయితే, కేవలం నాలుగు గంటల్లోనే ఆల్ఫాజీరో ఆధిపత్యం చెలాయించింది.

ఇది మొదట 70 మిలియన్ల కదలికలను లెక్కిస్తున్నప్పుడు, చదరంగంలో ఆల్ఫాజీరో 80 వేల వేర్వేరు నిష్క్రమణలను మాత్రమే పరిగణనలోకి తీసుకుంటుంది . మంచి నాటకాలు ఏమిటో మంచి తీర్పు ద్వారా అంచనాలలో వ్యత్యాసం భర్తీ చేయబడింది.

ఈ విధమైన శక్తి ప్రదర్శనలతో మనం కొత్త ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క శక్తిని చూడవచ్చు .

AlphaStar

మరోవైపు, ఆల్ఫాస్టార్ ఒక AI , ఈ రోజు, RTS స్టార్‌క్రాఫ్ట్ II (రియల్ టైమ్ స్ట్రాటజీ, స్పానిష్‌లో) ఆడగల సామర్థ్యం కలిగి ఉంది .

దాని డెమో సమయంలో, ఆల్ఫాస్టార్ మధ్యలో అనేక ప్రొఫెషనల్ ఆటగాళ్లతో పోరాడి వరుసగా పది ఆటలను గెలిచింది మరియు చివరిదాన్ని మాత్రమే కోల్పోయింది.

చెస్ లేదా గో కాకుండా, స్టార్‌క్రాఫ్ట్ II రియల్ టైమ్ మ్యాచ్‌అప్, కాబట్టి ప్రతి సెకనులో మీరు పనులు చేయాలి. ఈ కారణంగా, ప్రస్తుత సాంకేతికత గణన మరియు నిర్ణయం యొక్క ఈ వెర్రి లయలను నిర్వహించగల సామర్థ్యాన్ని కలిగి ఉందని మనం చూడవచ్చు .

ఇంటెలిజెన్స్ తయారీకి సంబంధించి, ప్రత్యక్ష పరీక్ష యొక్క తేదీల కోసం అతను ప్రోటోలతో (అందుబాటులో ఉన్న రేసుల్లో ఒకటి) మాత్రమే 200 సంవత్సరాల అనుభవ శిక్షణ పొందాడు. ఇది కూడా శిక్షణ పొందింది, తద్వారా అది కెమెరాను భౌతికంగా యూనిట్‌లో కలిగి ఉంటేనే చర్యలను చేయగలదు , తద్వారా ఒక వ్యక్తి ఎలా ఆడుతుందో మరింతగా తెలుసుకోవచ్చు.

ఏదేమైనా, ఈ వికలాంగులు ఉన్నప్పటికీ, ఆల్ఫాస్టార్ ఆట యొక్క పోటీ వైపు వదిలివేసిన వ్యూహాన్ని ఉపయోగించి వారి ఎన్‌కౌంటర్లలో చాలావరకు ఓడించగలిగాడు . గమనించదగ్గ విషయం ఏమిటంటే, ఆల్ఫాస్టార్ సాధారణంగా APM లను (నిమిషానికి చర్యలు) తక్కువగా ఉంచుతుంది, కాబట్టి దాని నిర్ణయాలు చాలా సమర్థవంతంగా ఉంటాయి.

AI మరియు ప్రొఫెషనల్ ప్లేయర్ చేత నిమిషానికి సగటు చర్యలు

ఏదేమైనా, పరిస్థితి దాని కోసం పిలిచినప్పుడు, అతను కౌంటర్ను సులభంగా విచ్ఛిన్నం చేయడం ద్వారా అక్షరాలా యూనిట్ల మానవాతీత నియంత్రణను ప్రదర్శిస్తాడు.

ఇక్కడ మీరు అతని ప్రదర్శనలలో ఒకదాన్ని పూర్తిగా చూడవచ్చు:

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క భవిష్యత్తు

మేము ఇప్పటికే ఈ విషయం గురించి మాట్లాడాము, కాబట్టి మేము అదే చర్చను ఎక్కువగా పునరావృతం చేయము. డీప్ లెర్నింగ్ కోసం ఎదురుచూసే ఫ్యూచర్స్ హైలైట్ చేయవలసినవి .

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌లో సుప్రసిద్ధ నిపుణుడు ఆండ్రూ యాన్-తక్ ఎన్గ్ ప్రకారం , డీప్ లెర్నింగ్ భవిష్యత్ ఇంటెలిజెన్స్ వైపు మంచి అడుగు. ఇతర బోధనా పద్ధతుల మాదిరిగా కాకుండా, మేము డేటా నమూనాను పెంచేటప్పుడు ఇది చాలా సమర్థవంతంగా పనిచేస్తుంది.

మేము మీకు సిఫార్సు చేస్తున్నాము బాబాహు X1: AI టూత్ బ్రష్ ఇప్పుడు అందుబాటులో ఉంది

తదుపరి స్లైడ్ అతని ప్రదర్శనకు చెందినది "లోతైన అభ్యాసం గురించి సమాచార శాస్త్రవేత్తలు ఏమి తెలుసుకోవాలి . " మీకు ఆసక్తి ఉంటే, మీరు దీన్ని ఈ లింక్‌లో చూడవచ్చు.

ఫలించలేదు, సాంకేతిక పరిజ్ఞానం అభివృద్ధి ఆగలేదు. ప్రతి సంవత్సరం మనకు మరింత శక్తివంతమైన భాగాలు ఉంటాయి, కాబట్టి పరీక్షించడానికి మనకు మరింత ఎక్కువ డాబా ఉంటుంది. పాత AI లు మరియు మెషిన్ లెర్నింగ్‌తో జరిగినట్లుగా , క్రొత్త అల్గోరిథంలు, పద్దతులు మరియు వ్యవస్థలు కనిపిస్తాయి మరియు నేటి వినూత్న డీప్ లెర్నింగ్‌ను భర్తీ చేస్తాయి.

అలాగే, మీరు can హించినట్లుగా, భవిష్యత్తును సెమీ ఇంటెలిజెంట్ యంత్రాల ద్వారా పరిష్కరించవచ్చు .

మేము ఇతర వ్యాసాలలో ఎత్తి చూపినట్లుగా, చాలా ఎలక్ట్రానిక్ పరికరాలు (కొన్ని ఇప్పటికే వాటిని పొందుపరుస్తాయి) మద్దతు తెలివితేటలను కలిగి ఉంటాయి . మంచి నాణ్యత గల ఫోటోలను తీయడానికి సహాయపడే ఇంటెలిజెన్స్ చాలా ముఖ్యమైన విషయం.

ఏదేమైనా, ఈ సాంకేతికత చాలా మంది వినియోగదారులకు అభివృద్ధి చెందగల పాయింట్ ఐయోటి (ఇంటర్నెట్ ఆఫ్ థింగ్స్, స్పానిష్‌లో).

ఇంటర్నెట్ ఆఫ్ థింగ్స్

ఈ పదం టెక్నాలజీ మరియు కంప్యూటింగ్ యొక్క సమావేశాలలో ఎక్కువ బరువును కలిగి ఉంది మరియు ఇప్పుడు మనకు మార్గాలు ఉన్నాయని ఏకీకృతం చేయడానికి ప్రయత్నిస్తుంది.

గృహోపకరణాలు, ఎలక్ట్రికల్ ఉపకరణాలు మరియు ఇతరులు గుర్తించదగిన వస్తువులు, అవి ఒకదానితో ఒకటి సంభాషించగలవు మరియు అదనంగా, ఒక పరికరంతో నియంత్రించబడతాయి. ఈ విధంగా మనం ఒక స్థలంలో ఏ వస్తువులు ఉన్నాయో, అవి ఎక్కడ ఉన్నాయో, వాటితో సంభాషించగలవు మరియు మొబైల్ నుండి ఇవన్నీ లెక్కించవచ్చు . అదేవిధంగా, వస్తువులు ఒకదానితో ఒకటి సంకర్షణ చెందుతాయి మరియు ఉదాహరణకు ఆహారం గడువు ముగిస్తే, మీరు దానిని తెరిచినప్పుడు రిఫ్రిజిరేటర్ మీకు చెప్పగలదు.

మరోవైపు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గృహోపకరణాల స్థితి మరియు పనితీరును పర్యవేక్షించగలగాలి. దీనితో, మీరు విద్యుత్ ప్రణాళికను ఏర్పాటు చేసుకోవచ్చు మరియు ఉపయోగించిన శక్తిని ఆప్టిమైజ్ చేయవచ్చు.

ఏదేమైనా, మెరుగుపరచడానికి మాకు మిగిలి ఉన్న అంశం ఇంటర్నెట్ భద్రత. ఇది ఇప్పటికీ చాలా వేధింపులకు గురైనట్లు అనిపించదు, కాని ఇది సురక్షితమైన సేవ కావాలంటే అది తప్పనిసరి అని మనందరికీ తెలుసు .

ఇది కొంతవరకు నైరూప్య ఆలోచన, కానీ అది మన జీవితాలపై దాడి చేస్తున్నప్పుడు, మీరు సుపరిచితులు అవుతారు.

కొత్త సాంకేతిక పరిజ్ఞానం మరియు డీప్ లెర్నింగ్ యొక్క ప్రాముఖ్యత

కంప్యూటింగ్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మనకు ఎదురుచూస్తున్న భవిష్యత్తులో చాలా వరకు రూపుదిద్దుకుంటాయని అనుకోవడం తప్పించుకోలేనిది . అందువల్ల, బిట్స్ చేత పాలించబడుతున్న ప్రపంచంలో ఏమి జరుగుతుందో ఎల్లప్పుడూ సగం తెలుసుకోవడం చాలా ముఖ్యం.

ఆ స్ఫూర్తిని దృష్టిలో ఉంచుకుని, ఈ విషయాలను లోతుగా నేర్పించే వివిధ డిగ్రీలు, కోర్సులు మరియు డిగ్రీలు ఎలా కనిపిస్తాయో మనం ఇప్పటికే చూడవచ్చు. ఉదాహరణకు, కొన్ని డేటా ఇంజనీరింగ్ కనిపించింది, బిగ్ డేటాపై ఇతర డిగ్రీలు మరియు స్పష్టంగా, డీప్ లెర్నింగ్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కోర్సులు.

అదే కారణంతో, ఈ విషయంపై దర్యాప్తు చేయమని మేము మిమ్మల్ని కోరుతున్నాము . ఇంటర్నెట్ , దాని ప్లస్ మరియు మైనస్‌లతో, ఇంకా స్వయంప్రతిపత్తి లేదా పరిపూర్ణమైనది లేదా నిజంగా సురక్షితం కాదు, కానీ ఇది దాదాపు అపరిమితమైన జ్ఞాన వనరు. ఏదైనా అదృష్టంతో, మీరు నేర్చుకోవడానికి ఒక స్థలాన్ని కనుగొంటారు మరియు మీరు క్రొత్త భాషను లేదా క్రొత్త ప్రపంచాన్ని ప్రారంభించవచ్చు.

మెషిన్ లెర్నింగ్ కొంచెం తేలికైన క్రమశిక్షణ కాబట్టి , డేటాతో కొంచెం గందరగోళానికి గురిచేసే ప్రోగ్రామ్‌లు ఉన్నాయి. ఈ విషయం గురించి కొంచెం ఎక్కువ తెలుసుకోవడానికి మరియు మీ గురించి / ఈ సాంకేతిక పరిజ్ఞానం యొక్క పరిమితులను తనిఖీ చేయడానికి మీకు ఆసక్తి ఉంటే, మీరు ఐబిఎం వాట్సన్ డెవలపర్ క్లౌడ్ లేదా అమెజాన్ మెషిన్ లెర్నింగ్‌ను సందర్శించవచ్చు. మేము మిమ్మల్ని హెచ్చరిస్తున్నాము: మీరు ఒక ఖాతాను సృష్టించవలసి ఉంటుంది మరియు ఇది నేర్చుకోవటానికి సులభమైన మార్గం కాదు, కానీ బహుశా ఒక రోజు అది గొప్ప లక్ష్యాలను సాధించడంలో మీకు సహాయపడుతుంది.

ఇక్కడ దాటి ఆలోచనల ప్రపంచం ఉంది, కాబట్టి ప్రతిదీ మీ చేతుల్లో ఉంది. మరియు మీకు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌కు సంబంధించిన కొత్త టెక్నాలజీల గురించి మీరు ఏమనుకుంటున్నారు? మీకు ఏ ఇతర డీప్ లెర్నింగ్ అప్లికేషన్లు తెలుసు లేదా చూడాలనుకుంటున్నారు? దిగువ పెట్టెలో మీ ఆలోచనలను పంచుకోండి.

మూల వ్యాపార బ్లాగ్ థింక్ బిగ్‌సాటాకా మెషిన్ లెర్నింగ్ మాస్టరీ