Computerworld.pl
Konferencje
Badania redakcyjne
Tematy
Agile
AI (Artificial Intelligence)
Aplikacje Biznesowe
Bezpieczeństwo
Big Data
Cloud Computing
DataCenter
SDN
Sieci
Smart City
Sprzęt B2B
Praca w IT
Przemysł 4.0
Digital Leaders
Badanie AudIT
Biblioteka IT
TOP200
Strefy tematyczne
Efektywna praca hybrydowa
Sieci w logistyce
Raportowanie ESG - wszystko, co trzeba wiedzieć
Atman 30 lat Internetu komercyjnego
×
Szukaj
Konferencje
Wiadomości
CIO Executive
Podcasty
Badania redakcyjne
Okiem Prezesa
Wywiady
Badanie AudIT
Biblioteka IT
Praca w IT
Tematy
Agile
AI (Artificial Intelligence)
Aplikacje Biznesowe
Bezpieczeństwo
Big Data
Cloud Computing
DataCenter
SDN
Sieci
Smart City
Sprzęt B2B
Praca w IT
Przemysł 4.0
Digital Leaders
Strefy tematyczne
Efektywna praca hybrydowa
Sieci w logistyce
Raportowanie ESG - wszystko, co trzeba wiedzieć
Atman 30 lat Internetu komercyjnego
TOP200
Kiosk
Archiwum
Newslettery
Strona główna
Temat
uczenie maszynowe machine learning
Temat: uczenie maszynowe machine learning
Jak zmierzyć rzeczywisty wpływ sztucznej inteligencji na biznes?
Sztuczna inteligencja w cyberbezpieczeństwie?
Zmiany klimatyczne to wyzwanie dla technologii i biznesu
Computerworld
Zmiany klimatyczne, czyli tzw. ryzyka fizyczne mają istotny wpływ na rozwój różnych branż. Receptą może być modelowanie biznesu z wykorzystaniem sztucznej inteligencji i uczenia maszynowego pod kątem analizy konsekwencji zmian klimatycznych np. dla obszaru prawnego czy zachowań konsumenckich.
Alexa Amazona ma naśladować głos dowolnej osoby
Computerworld
Amazon chce dać klientom możliwość sprawienia, aby asystent głosowy Alexa przemówił głosem dowolnego człowieka, np. członka rodziny
Jak w pełni wykorzystać potencjał sztucznej inteligencji? Odpowiedź HPE
Computerworld
Nowe rozwiązanie HPE Machine Learning Development System upraszcza wdrożenie technologii oraz eliminuje koszty tworzenia i trenowania modeli sztucznej inteligencji. Rozwiązanie pozwala na skrócenie czasu uzyskiwania wyników z tygodni do dni.
Czym jest uczenie maszynowe z udziałem człowieka? Lepsze dane, skuteczniejsze modele
Martin Heller
Uczenie maszynowe typu „człowiek i maszyna w pętli” wykorzystuje informacje zwrotne od człowieka w celu wyeliminowania błędów w danych treningowych i zwiększenia dokładności modeli.
Reklama zamknie się za 15 sekund. Przejdź do serwisu »