In simple words about the complex!
QuData helps people to master Artificial intelligence and Machine learning topics easily.
We create brand new videos, which mainly include Machine learning tutorials, providing a wide theoretical knowledge base as well as useful practical tips. Subscribe and activate bell notification so you don't miss new videos :)
► qudata.com/
Tutorials so far
✔ Machine learning
✔ Artificial intelligence
✔ Data science
✔ Development and support of IT projects
✔ QuData possibilities and services
✔ QuBot chatbot builder
Have fun watching our videos!
Links
Try QuBot for free console.qudata.com/auth/sign-up
Facebook facebook.com/QuDataSoftware
Пікірлер
Thank you for the interesting and informative video!
wow! so intresting! zephyr is one of a kind!
Qudata~Love it~epic video-work-
amazing!
Смотрю, чтобы после подбора устраивающих параметров для SD1.5 и перерыва в год поковырять SDXL... Для совсем тупых хотелось бы понять, если для Adam learning rate выставлять нормально 1e-03 - 1e-04, для Prodigy, насколько понимаю, вообще нет такого параметра и он сам себе его выбирает, то какие значения считаются адекватными для других оптимизаторов?
Добрый день! Для SGD обычно от 1e-03 до 1e-02, AdamW: 1e-03 - 1e-05, Lion: значения могут варьироваться, но обычно начинают с диапазона 1e-04 - 1e-05. Для Prodigy, как вы упомянули, learning rate может адаптироваться автоматически. Однако даже при автоматическом подборе, настройка других гиперпараметров может сильно влиять на обучение, и иногда все же может потребоваться настройка learning rate в зависимости от конкретной задачи и архитектуры модели.
@@Qudata большое спасибо за ответ
в 86-м году игры были на нейро сетях? дядь ты в а адеквате? удали видео не позорся
Просьба внимательнее смотреть видео, речь идет не о играх 86 года на нейросетях, а о то, что DeepMind использовала DQN для обучения агентов играть в классические игры Atari 2600.
Да там и сравнивать нечего. Удио тупо коверкает слова, начинает песню откуда попало. Ни припевов ни куплетов не выстраивает. Вобщем в Суно из 50 ежедневных кредитов как минимум пара песен выходит так что аж самому нравится, а с Удио ещё не выходило ничего путного. Хотя может быть Удио лучше генерирует англоязычные тексты, но на русском Суно лучше.
Даже слова не удосужились в Custom lyrics запихать. Конечно, он искаверкает. Все можно указать в тэгах типа [chorus], [bridge]. Промпт не для того, чтобы прихать туда текст песни. Udio збс, просто нужно уметь им пользоваться. Песни на английском поёт - не отличить от реальной, а suno - роботизированный голос
@@MudroZvon Так суно и без тегов старается, даже просто забей Оооо.. Оо. Оооооо.. Оооо. ООО. Аааа ааааа а а а... И Суно сделает и вступление и припев и проигрышь и даже финал. С Удио так не выходит.
@@MudroZvon да, кстати, мне на английском не нужно🙄 Это игрушка и я хочу перашки на русском слушать)
@@homuchoghoma6789 ну на русском бывает жуёт слова. А чтобы модель тебя дословно понимала, народу включить Manual режим
Мне все понравилось
Вообще не рабочий чат на сайте ,даже на 1 вопрос не ответил
Не пойму почему так просмотров мало у канала
Прикольно, сейчас все уверенно говорят что AGI будет, а два года назад так мало кто заявлял уверенно
Да, время летит быстро, и теперь тема AGI стала гораздо более актуальной и широкообсуждаемой. Некоторые тенденции в технологиях могут удивлять, но интересно видеть, как быстро мнения и ожидания меняются. А вы как относитесь к перспективам AGI сейчас?
это же бот отвечает?@@Qudata
по хорошему надо предупреждать об этом. иначе какой-то негатив к вам появляется @@Qudata
Нет, это не бот отвечает, это мы :) Бот, скорее всего, ответил бы Вам сразу.@@14types
@@Qudata не верю. Ответ был слишком ботовским
Хороший видеоматериал Дяккуюyou
Загубил интересную тему, жаль. Мутная картинка...зачем это вообще. Трата времени.
Why is that
Hi! Could you please provide more context or clarify what you mean? It will help our team to give you a more accurate response
Шикарное видео! Лучший аналищ chatgpt, что я видел. Спасибо!
is it just for paid Chat users
We tested all the prompts using the free plan.
Donst sork bro
Doesnt work, you go flagged instantly
Could you please elaborate what exactly from the video didn't work? Your feedback will greatly assist!
@@Qudata when i copy past any jailbreak pompt, i go instantly flagged
@@WilfriftnasusNasus-cl1zb 11:37 As ChatGPT continually improves and adapts, some prompts may become less effective. It's a good idea to explore the latest and enhanced versions of prompts or consider rephrasing your questions for better results.
@@Qudata Can qudata make a little ecchi things?
Случайно наткнулся на Ваше видео, математика в целом не интересна, но вы достаточно хорошо объясняете, даже пришлось посмотреть видео)
Спасибо, нам приятно ) Оставайтесь на нашем канале, у нас много подобных лекций
спасибо, познавательно! з.ы. уже хочу печеньки для переманивания бинарного на темную сторону
🔥🔥🔥🔥
28:24 А чего поразительного в комментариях? В запросе чётко указано, что надо написать комментарии к коду. ИИ это воспринял как: «Я не очень хорошо разбираюсь в коде, и не могу написать код X. Напиши его за меня и распиши мне же комментариями в коде что за что отвечает чтобы я точно понял». Но то, что языки перепутал, видимо, связано с маленькой базой обучения на украинском языке в сравнении с английской, да ещё и в контексте программирования на питоне.
Если нужно было, чтобы он просто комментарии писал на украинском, то надо было так и написать «если тебе понадобится где-то в коде написать комментарии, то пусть они будут на украинском языке». И/или более прямо указать: «Пиши комментарии только там, где код без них будет неочевиден среднестатистическому программисту».
Млекопитающие откладывают яйца и это утконос как минимум.
This is very best teacher for neuron network for runet
Спасибо
ПРИВЕТ
в телеграмме он выдает неправильные ответы
Дайте роботу энергию.
Очень интересно! :)
Очень круто! Большое вам спасибо!
Awesome🎉🎉🎉
спасибо
спасибо!
Добрый день, а расскажите, пожалуйста, подробнее, как оценить функцию ценности в mountain car?
Оценить функцию ценности можно двумя способами. Это метод табличной дискретизации и метод градиентного спуска.
Добрый день! Расскажите, пожалуйста, как определить переобучение?
Добрый день. Диагностировать переобучение можно, разбив обучающий набор на две части: тренировочную и тестовую. На тренировочном наборе производится обучение модели, на тестовом - проверка её точности.
Спасибо за подробное видео! А как работает ReLU?
Rectified Linear Unit - это наиболее часто используемая функция активации при глубоком обучении. Данная функция возвращает 0, если принимает отрицательный аргумент, в случае же положительного аргумента, функция возвращает само число.
Amazing!
И что будет, если поместить этот алгоритм в другую среду? Он же по сути к одной конкретной среде адаптируется. Как сделать алгоритм, который адаптируется под любую среду схожего типа?
Для каждой задачи - свой алгоритм
В чём смысл алгоритма метода опорных векторов?
Основная идея метода - перевод исходных векторов в пространство более высокой размерности и поиск разделяющей гиперплоскости с наибольшим зазором в этом пространстве. Две параллельных гиперплоскости строятся по обеим сторонам гиперплоскости, разделяющей классы.
Где еще применяется обучение с подкреплением? Ищу вдохновляющие примеры для своих дальнейших работ ))
Обучение с подкреплением применяется там, где нужно соизмерить отсроченную выгоду (цель) с ситуативным принятием решения. Обратите внимание на системы планирования, игровых ботов и ботов для трейдинга, а также полезны будут чат-боты, которые учатся от диалога к диалогу.
Если коротко, как происходит обучение нейронной сети?
Обучение нейронной сети - это процесс обучения нейронной сети выполнению задачи. Нейронные сети обучаются путем первичной обработки нескольких больших наборов размеченных или неразмеченных данных. На основе этих примеров сети могут более точно обрабатывать неизвестные входные данные.
Хорошего времени суток, чем отличаются задачи классификации и регрессии?
Наиболее важное различие между регрессией и классификацией состоит в том, что, хотя регрессия помогает предсказать непрерывное количество, отдельные метки классов предсказываются с помощью классификации. Между двумя типами алгоритмов машинного обучения часто встречаются некоторые совпадения.
Что такое обучение с подкреплением?
Почти то же самое, что и обучение с учителем, но в роли “учителя” выступает настоящая или виртуальная среда. Например, робота бросают в некий лабиринт, из которого он сам должен найти выход. В процессе поиска робот получает от внешней среды информацию о том, где выхода нет, таким образом изучает окружающий мир и учится находить путь к выходу.
Что такое глубокие q-сети?
Deep Q Networks (DQN) - это нейронные сети, которые используют глубокое Q-обучение для предоставления таких моделей, как симуляция интеллектуальных игр в видеоигры. Вместо того, чтобы быть конкретным именем для конкретной сборки нейронной сети, Deep Q Networks может состоять из сверточных нейронных сетей и других структур, которые используют определенные методы для изучения различных процессов.
Что такое масштабирование признаков? 😱🤯
Масштабированием называется общий процесс изменения диапазона признака. Это необходимый шаг, потому что признаки измеряются в разных единицах, а значит покрывают разные диапазоны.
WOW! 🧐🧐🧐Спасибо за видео! Есть вопрос: как понять теорему Байеса?
Теорема Байеса - одна из главных теорем элементарной теории вероятности. Она позволяет определить вероятность будущего события по прошлому событию, которое с ним взаимосвязано. Иными словами, выяснить причины и следствия какого-то действия. Теоремой Байеса пользовались все, даже если никогда не слышали о ее существовании. Например, оценивали вероятность получить новую работу по тому, как прошло собеседование: опоздали вы или пришли вовремя, смогли ответить на все вопросы или нет. Вы добавляли новые данные - вероятность менялась. Так работает байесовский метод.
это бот тут отвечает?@@Qudata
Привет! Всё очень круто, но я не понял как работает метод Q обучения?
Суть метода состоит в том, чтобы, получая обратную связь от окружения, построить такую функцию, которая знает полезность каждого действия в каждом возможном состоянии. Говоря простым языком, если датчик показывает впереди препятствие, а обучаемый в него упирается, то мы его «штрафуем». Если объезжает препятствие, то награждаем. Таким образом, в следующий раз, когда датчик снова покажет препятствие, то обучаемый уже будет знать, что выгоднее его объехать.
Объясните мне обучение с подкреплением, как пятилетнему ребенку.
Все просто. Это похоже на то, как младенцы учатся ходить. Каждый раз, когда они падают, они учатся (неосознанно) и понимают, что их ноги должны быть прямыми, а не согнутыми. В следующий раз, когда они упадут, они почувствуют боль. Они плачут. Но они учатся «не стоять так снова». Чтобы избежать этой боли, они стараются изо всех сил. Чтобы добиться успеха, они даже ищут поддержки у двери, стены или чего-либо поблизости, что помогает им стоять твердо. Так работает машина и развивает интуицию из окружающей среды.
Когда в машинном обучении возникает необходимость в регуляризации?
Регуляризация становится необходимой, когда модель начинает переобучаться / переобучаться. Этот метод вводит термин стоимости для добавления большего количества функций с целевой функцией. Следовательно, он пытается довести коэффициенты для многих переменных до нуля и, следовательно, сократить срок затрат. Это помогает снизить сложность модели, чтобы она могла лучше предсказывать (обобщать).
Какие проблемы можно решить с помощью машинного обучения?
1) Кластеризация: разбиение данных на похожие категории; 2) Уменьшение размерности: научиться описывать данные не N признаками, а меньшим числом; 3) Выявление аномалий: на основании признаков научиться отличать аномалии от «не-аномалий»
Чем отличается обучение с учителем от обучения без учителя?
При обучении с учителем нейронная сеть обучается на размеченном наборе данных и предсказывает ответы, которые используются для оценки точности алгоритма на обучающих данных. При обучении без учителя модель использует неразмеченные данные, из которых алгоритм самостоятельно пытается извлечь признаки и зависимости.