HTML

Precognox

 precognox-logo-cmyk-620.jpg

A blog készítői a Precognox Kft. keretein belül fejlesztenek intelligens, nyelvészeti alapokra épülő keresési, szövegbányászati, big data és gépi tanulás alapú megoldásokat.

Az alábbi keresődoboz segítségével a Precognox által kezelt blogok tartalmában tudsz keresni. A kifejezés megadása után a Keresés gombra kattintva megjelenik vállalati keresőmegoldásunk, ahol további összetett keresések indíthatóak. A találatokra kattintva pedig elérhetőek az eredeti blogbejegyzések.

Ha a blogon olvasható tartalmak kapcsán, vagy témáink alapján úgy gondolod megoldással tudunk szolgálni szöveganalitikai problémádra, lépj velünk kapcsolatba a keresovilag@precognox.com címen.

Precognox Blogkereső

Document

opendata.hu

opendatahu45.jpg

Az opendata.hu egy ingyenes és nyilvános magyar adatkatalógus. Az oldalt önkéntesek és civil szervezetek hozták létre azzal a céllal, hogy megteremtsék az első magyar nyílt adatokat, adatbázisokat gyűjtő weblapot. Az oldalra szabadon feltölthetőek, rendszerezhetőek szerzői jogvédelem alatt nem álló, nyilvános, illetve közérdekű adatok.

Facebook oldaldoboz

Blog figyelése (RSS)

 Add hozzá az RSS olvasódhoz

Ha levélben szeretnél értesülni az új cikkekről:

Star Wars text mining

visualizing_star_wars_movie_scripts_precognox.jpgA long time ago, in a galaxy far, far away data analysts were talking about the upcoming new Star Wars movie. One of them has never seen any eposide of the two trilogies before, so they decided to make the movie more accessible to this poor fellow. See more...

Főbb témák

adat (8) adatbányászat (11) adatelemzés (9) adatok (13) adatújságírás (16) adatvizualizáció (19) AI (19) alternatív (6) alternatív keresőfelület (28) analitika (6) beszédtechnológia (13) big data (55) bing (14) blogkereső (6) CEU (6) clustering (6) conTEXT (8) dashboard (6) data science (9) deep learning (18) egészség (7) egészség kereső (7) előadás (7) emócióelemzés (35) facebook (8) Facebook (9) gépi tanulás (18) google (59) Google (33) gyűlöletbeszéd (7) hackathon (10) hálózatelemzés (14) intelligens keresés (6) internetes keresés (35) internet hungary (6) képfeldolgozás (8) képkereső (8) keresés (87) kereséselmélet (8) keresési felület (6) keresés jövője (57) keresés problémái (41) keresők összehasonlítása (9) keresőmotor (16) keresőoptimalizálás (8) kereső szándéka (11) kereső tanfolyam (9) kereső teszt (15) kognitív nyelvészet (12) konferencia (46) könyvajánló (25) korpusznyelvészet (14) közösségi keresés (8) közösségi média (8) különleges keresők (7) kutatás (9) LDA (10) lda (10) live (13) machine learning (9) magyar kereső (9) marketing (8) meetup (41) mesterséges intelligencia (19) metafora (7) mobil (37) mobil keresés (17) Neticle (9) NLP (8) NLP meetup (17) Nuance (9) nyelv (7) nyelvészet (32) nyelvtechnológia (76) open data (12) open knowledge (7) orosz (6) Pennebaker (6) politikai blogok (22) Precognox (65) Precognox Labs (14) Python (14) R (19) spam (6) statisztika (12) számítógépes nyelvészet (9) szemantikus keresés (19) szemantikus kereső (9) szentimentelemzés (37) szöveganalitika (7) szövegbányászat (22) társadalomtudomány (7) tartalomelemzés (56) tartalomjegyzék (6) tematikus kereső (20) topik modellek (6) Twitter (18) twitter (15) vállalati kereső (7) vertikális kereső (9) vizualizáció (13) yahoo (27) Címkefelhő

A blog tartalmai CC licenc alá tartoznak

Creative Commons License
Kereső Világ by Precognox Kft. is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Based on a work at http://kereses.blog.hu/.
Permissions beyond the scope of this license may be available at http://precognox.com/.

A Kereső Világ blogon közölt tartalmak a Precognox Kft. tulajdonát képezik. A tartalom újraközléséhez, amennyiben nem kereskedelmi céllal történik, külön engedély nem szükséges, ha linkeled az eredeti tartalmat és feltünteted a tulajdonos nevét is (valahogy így: Ez az írás a Precognox Kft. Kereső Világ blogján jelent meg). Minden más esetben fordulj hozzánk, a zoltan.varju(kukac)precognox.com címre írt levéllel.

Creative Commons License

Nevezd meg! - Ne add el! - Ne változtasd!

 

Még mindig szükséges az emberi kreativitás a művészethez?

2022.08.02. 08:13 Szerző: Hódi Péter Címkék: robot művészet mesterséges intelligencia kreativitás AI deep learning machine learning DALL-E

salvador_dali_graffiti.jpg

Eddig, amikor a mesterséges intelligencia valamilyen “műalkotást” készített, az emberek adták ahhoz a kreatív szikrát, éppen ezért azok a félelmek, miszerint a mesterséges intelligencia eszközök kiválthatják az olyan művészi területen dolgozó emberek munkáját, mint az illusztrátorok, tervezők és fotósok, egyelőre megalapozatlannak tűntek. Egyelőre…

Veszély a láthatáron?

Az idei év áprilisában, amikor az OpenAI, mesterséges intelligenciával foglalkozó vállalat bejelentette a DALL-E 2 elnevezésű új szolgáltatását, egyúttal figyelmeztetett arra is, hogy „a modell növelheti bizonyos feladatok végrehajtásának hatékonyságát, mint például a fotószerkesztés vagy a stock fotózás, ami kiszoríthatja a tervezők, fotósok, modellek, szerkesztők és művészek munkáját”.

Egy-egy ilyen új, mesterséges intelligencián alapuló termék megjelenése esetén már megszokott, hogy újra és újra szárnyra kapnak azok az elképzelések és vélemények, amelyek szerint ezek a megoldások veszélyeztetik az adott területen tevékenykedő emberek munkáját és megélhetését. De mi a helyzet a DALL-E 2 esetében?

Ösztönzött kreativitás

Néhány szerencsés ember már kipróbálhatta a megoldást, amely képes utasítások alapján képi tartalmakat generálni. A használat során azonban az derült ki, hogy a "gép" által készített grafikai produktumok nemhogy szükségtelenné tennék az emberi kreativitást, hanem kimondottan ösztönzőleg hatnak arra. Erről árulkodnak többek között az egyik felhasználó, Benjamin Von Wong, egy installációkat és szobrokat készítő művész szavai is, aki saját bevallása szerint - meglepő módon bár, de - igen gyenge képességű rajzoló :
„A DALL-E egy csodálatos eszköz olyanok számára, mint én, akik nem tudnak rajzolni...a képi tartalmakat egyszerűen generálhatom különböző felszólító kifejezésekkel...az eszköz segítségével pedig olyan ötleteket kutathatok fel, amelyek később fizikai műalkotásokba építhetők be."

kepzelet.jpg

a képzelet szárnyra kap - akár a mesterséges intelligencia által generált képi tartalmaktól is

A DALL-E 2 tehát ugyan kivált(hat) bizonyos, eddig az ember által elvégzett feladatokat, mégis a létrehozott, finoman szólva gyakran egyedi képi alkotásaival új ösztöntést ad az emberi képzeletnek és kreativitásnak, így nem a "végterméket" hozva létre, hanem egy köztes tartalmat, amelyre alapozva tovább építhet az emberi alkotó.

kreativ_eszkozok.jpg

hagyományos eszközöket is használhatunk kreativitásunk kiéléséhez

 

Homályos a jövő

Egyelőre még nem tudható, hogy egy ilyen technológia végül milyen hatással lesz az illusztrátorokra, fotósokra, más kreatívokra, illetve munkájukra. Jelenleg még túlzó leegyszerűsítésnek tűnik az az elképzelés, hogy a művészi mesterséges intelligencia eszközök kiszorítják a dolgozókat a kreatív munkákból – ahogyan például néhány esetben az ipari robotok "veszik el" a gyári dolgozók munkáját. Annál is inkább igaz ez, mivel az ipari termelésben is elsősorban a viszonylag egyszerű, ismétlődő feladatokat hajtják végre ezek az eszközök.

robotkar.jpg

az ipari robotok főként egyszerű és ismétlődő feladatok elvégzésére lettek tervezve


Természetesen a robotok és a mesterséges intelligencia bevonásával "dolgozó eszközök" vállalatok általi alkalmazása alacsonyabb foglalkoztatást és béreket eredményez(het), de most már arra is van bizonyíték, hogy bizonyos körülmények között a robotok növelik a munkalehetőségeket - például az emberi kreativitás ösztönzésével.

Ezt erősíti meg egy másik vélemény is:
„Egyesek túl könnyen feltételezik, hogy a gépek helyettesíthetik az emberi kreatív munkát...a művészeti alkotások létrehozása rendkívül bonyolult folyamat, amire a gépek még nem állnak készen.” – mondja Noah Bradley, digitális művész, aki oktatóanyagokat tesz közzé a YouTube-on az AI-eszközök használatáról.

Mindenesetre érdemes nyomon követni a mesterséges intelligenciával kapcsolatos híreket, a területen végbemenő változásokat és az újdonságokat, legyen szó akár munkaerőpiaci vagy kreatív megközelítésről.
Amennyiben többet szeretne megtudni a témáról, kérjük olvassa el a Wired oldalán megjelent angol nyelvű cikket, amely jelen blogbejegyzésünk alapjául is szolgált!

A Kereső Világ a Precognox Precognox szakmai blogja A Precognox intelligens, nyelvészeti alapokra építő keresési, szövegbányászati és big data megoldások fejlesztője.

Szólj hozzá! • Kövess Facebookon • Iratkozz fel értesítőre

Hamarosan az asztali gépekre is elérhető lesz a DuckDuckGo böngészője

2022.07.21. 16:03 Szerző: Hódi Péter Címkék: mac google pc keresés internetes keresés chrome keresőmotor webböngésző duckduckgo Android asztali számítógép

Bár a DuckDuckGo egy saját fejlesztésű keresőmotorként kezdte pályafutását, de mostanra a közismert Android-os webböngészője után az új megoldása hamarosan debütál a Mac számítógépeken, hogy a Chrome, a Safari, az Edge és a Brave riválisa legyen.

duckduckgo_laptop.jpg

A Chrome piacvezető szerepe

A Google által 2008-ban elindította Chrome böngésző az egyik napról a másikra változtatta meg a webet, illetve az internethasználatot. Azóta a böngésző szinte legyőzhetetlenné vált a piacon: jelenleg az emberek 63 százaléka használja a Chrome-ot telefonon, és ez az arány 67 százalékos az asztali számítógépek esetén.

Új távlatok

Természetesen vannak azonban más lehetőségek is - a Chrome böngésző riválisainak listája épp most válik még hosszabbá, hiszen a DuckDuckGo debütál első asztali webböngészőjével, a DuckDuckGo for Mac-el. Az asztali alkalmazás, amelyet egyelőre béta verzióban adnak ki, évekkel azután jön, hogy a vállalat elindította Android és iOS böngészőit, és folytatja a törekvését, hogy létrehozzon egy, az adatvédelemre összpontosító webes eszközökből álló csomagot.

A 2008-as elindítása óta a DuckDuckGo webböngészőjeköveti a vállalat azon elvét, hogy nem gyűjt az adatokat. "Nem követjük nyomon a felhasználóinkat - ez az adatvédelmi irányelvünk" - mondta Beah Burger-Lenehan, a Mac alkalmazás termékmenedzsere.

A böngésző alapértelmezett beállításként a DuckDuckGo keresőmotorját használja, minden egyes meglátogatott webhelyen blokkolja a reklámkövető programokat, és ezek számát meg is mutatja. Emellett beépített opciót tartalmaz a jelszavak mentésére, és beépíti a vállalat nemrég bevezetett e-mail védelmét, amely blokkolja a rejtett nyomkövetőket az elküldött e-mailekben. "Mindent, amit építünk, a lehető legkönnyebbé, legegyszerűbbé és legérthetőbbé szeretnénk tenni" - jegyezte meg a termékmenedzser.

Az új böngésző segít kiküszöbölni a világháló egyik legidegesítőbb jelenségét - a cookie-khoz való hozzájárulást jelző és kérő felugró ablakokat - , amelyeket a GDPR, az EU mérföldkőnek számító adatvédelmi törvényének bevezetése idézett elő. Míg más böngészők bővítményei segíthetnek a cookie-k felugró ablakainak elkerülésében, a DuckDuckGo böngészője automatizálja a folyamatot. Az alkalmazás már az első használatakor megkérdezi, hogy engedélyezi-e a felhasználó a megjelenő felugró ablakok kezelését. Amennyiben engedélyt ad erre, akkor Javascript segítségével automatikusan kezeli a cookie-beállításokat minden egyes meglátogatott webhelyen, és kiválasztja azt az opciót, amellyel maximalizálható az adatvédelem. Ez a gyakorlatban azt jelenti, hogy a felhasználó nem találkozik a felugró cookie-ablakokkal. "Ez a funkció jelenleg az esetek 50 százalékában működik," - mondja Burger-Lenehan, hozzátéve, hogy ez az arány jelentősen növekedni fog, ha több ember kezdi el használni a béta-verziót, amely jelenleg még "minimál" kezelőfelülettel rendelkezik, tehát egyelőre kevés gomb vagy ikon található rajta.

duck.jpg

nem kacsa, hamarosan érkezik a DuckDuckGo webböngésző megoldása Mac-re és asztali számítógépekre

Az adatvédelmet segíti továbbá a DuckDuckGo mobilalkalmazásainak felhasználói számára már ismerős tűz (Fire) emoji gomb, amely lehetővé teszi a sütik és egyéb adatok törlését néhány kattintással.
Egyelőre sajnos az új böngésző még nem mindenki számára elérhető, mivel a DuckDuckGo Mac-alkalmazása bétaverzióban jelenik meg, amelyhez az emberek a vállalat mobilalkalmazásán keresztül egy privát várólistára való feliratkozással férhetnek hozzá. A béta bevezetése azt jelenti, hogy a DuckDuckGo a teljes kiadás előtt képes lesz elvégezni a szükséges változtatásokat és kiküszöbölni a jelenlegi hibákat.
A böngésző kiadását akadályozza még az is, hogy néhány általános és alapvető (más böngészőknél megszokott) funkció hiányzik. Nincs például könyvjelzősáv az elmentett oldalak vagy mappák könnyű eléréséhez, de a vállalat már ezen is dolgozik. Emellett arra sincs mód, hogy a felhasználó részletes előzménylistát kapjon az összes meglátogatott webhelyről. Bár egy korábban megtekintett weboldal megtalálásában van már segítség, többek között egy adott webcím begépelésekor megjelenő "autocomplete" funkció.
A DuckDuckGo asztali alkalmazásai már jó ideje készülnek. Elmondásuk szerint a vállalat már több mint egy éve építi Mac-re az alkalmazást, amelynek első tesztjeit 2021 októberében kezdték meg. A vállalat Windowsra szánt böngészőjét ezzel párhuzamosan fejlesztik, de annak megjelenése csak a Mac-es verzió élesítése után várható.
Szóval hamarosan a DuckDuckGo for Mac csatlakozik a Chrome riválisainak egyre növekvő listájához, amely üdvözlendő a felhasználói diverzifikáltságot és prioritásokat tekintetbe véve.
Az új böngészővel bővül azon megoldások száma, amelyek adatvédelmi funkciókat építenek be a kínálatukba - többek között a nyomkövetők blokkolását, a cookie-k kezelését és az internetes "követő" hirdetéseket -, így különböztetve meg magukat a Google piacvezető böngészőjétől.

Másként, mint mások

A DuckDuckGo megoldását pedig az teszi kiemelkedővé, hogy a böngésző hogyan épül fel. Amíg az alternatív webböngészők túlnyomó többsége - köztük a Microsoft Edge, a Brave, a Vivaldi és az Opera - a Google böngésző kódbázisának, a Chromiumnak és az alapjául szolgáló Blink böngészőmotornak a módosított verzióit használják. A Mozilla Firefox az egyetlen olyan böngésző, amely nem használja ezt a Google által létrehozott konfigurációt. A DuckDuckGo is elkerülte a Chromiumot, és helyette az Apple WebKit renderelő rendszerét használja, amely a kódot alakítja át a megjelenő weboldalakká.
Bár a Chromium elkerülése azt jelenti, hogy a DuckDuckGo egy eltérő terméket tud előállítani, azonban ez azt is jelenti, hogy több mérnöki munkát kell elvégezni. A böngésző például nem tudja kihasználni a Chromiummal épített meglévő böngészőbővítményeket, amelyek segítségével jobban kereshet a felhasználó a weben vagy fordíthat nyelveket. Sőt, jelenleg a DuckDuckGo asztali Mac-alkalmazása nem támogat semmilyen böngészőbővítményt, többek között a gyakori jelszókezelőket és más, rendszeresen használt, harmadik féltől származó eszközöket.
A vállalat azonban dolgozik azon, hogy a jövőben lehetővé tegyék a bővítmények együttműködését a böngészővel.

Habár az eddig is elérhető megoldások - az Apple Safari, a Firefox, a Vivaldi, az Opera, a Brave és a DuckDuckGo mobilalkalmazásai különböző mértékben blokkolják a nyomkövetőket , a Tor-t tekintik legszélesebb körben a "legprivátabb" böngészőnek.

A DuckDuckGo böngésző asztali számítógépes verziójának későbbi megjelenése bár várhatóan nem gyengíti meg jelentősen a Chrome helyzetét (és rendezi át a felhasználói viszonyokat), de mindenképpen üde színfoltja lesz az egyre bővülő böngésző piacnak.

Amennyiben többet szeretne megtudni a témáról, kérjük olvassa el a Wired oldalán megjelent angol nyelvű cikket, amely jelen blogbejegyzésünk alapjául is szolgált!

A Kereső Világ a Precognox Precognox szakmai blogja A Precognox intelligens, nyelvészeti alapokra építő keresési, szövegbányászati és big data megoldások fejlesztője.

Szólj hozzá! • Kövess Facebookon • Iratkozz fel értesítőre

Big Data és az NBA

2022.05.19. 13:24 Szerző: Hódi Péter Címkék: statisztika sport adat kosárlabda big data adatelemzés NBA

NBA: nem csak a sportról szól

Az NBA - az észak-amerikai profi kosárlabdaliga, amely a világ legjelentősebb férfi kosárlabda-bajnoksága - mára már nem kizárólag a sportról és az üzletről szól, hanem az adatok gyűjtéséről és feldolgozásáról is.

nba_statisztika.png

Bár a big data megoldásokat néhány évvel ezelőttig jellemzően az üzleti cégek, a tőzsdei kereskedők, az egészségügyi vállalatok alkalmazták főként prediktív célokkal, addig mára világossá vált, hogy a statisztikák és a valós idejű adatok komoly előnyt jelentenek a sport világában is Ezek komoly segítséget nyújtanak a csapatok, de akár az egyéni sportolók számára is abban, hogy elérjék céljukat: a győzelmet. Nincs ez másként az NBA-ben sem, ahol ma már szinte minden csapatnak van külön adatelemző részlege.

A Moreyball története

2002-ben Daryl Morey maga mögött hagyta a világ egyik legnagyobb globális stratégiai tanácsadó szervezeténél kiépített karrierjét, ahol is sportelemzésre szakosodott konzultációkat kínált. Innen Morey a kosárlabda világába lépett át, ahol a Boston Celticsnél a működésért felelős alelnöki pozíciót töltötte be.
Négy évvel később a Houston Rocketshez igazolt, ahol az NBA történetének első olyan általános igazgatója lett, aki "nem klasszikus kosárlabdás háttérrel" rendelkezett. Morey részese volt annak a lépésnek, amellyel a Rockets a fejlett adatelemzést a scouting és az edzőképzés keretébe illesztette.
A Moreyball kifejezés (adatelemezés alapú játékmegközelítés) azonban ennél jóval többet takar, hiszen Morey arra is rájött, hogy a kosárlabda-statisztikák remekül hasznosíthatóak a támadójáték javítása érdekében. A többi már történelem…

Adatelemzés és az NBA

Az NBA csapatok hatalmas összegeket fektetnek be nagy adatelemző cégekbe és technológiákba, hogy azok győzelemre segítsék őket. Az olyan cégek, mint a STATS segítenek az edzőknek és a sportszakembereknek a játék elemzésében azáltal, hogy a mérkőzések alatt kamerák segítségével összesítik és elemzik a játékosok mozgását és pozícióit. A technológia több síkban követi a labdát és a sportolókat, kiszámítva a játékosok közötti távolságokat és a sebességeket. A rendszer emellett labdabirtoklási információkat is szolgáltat. Mindeközben a STATS ezt a hatalmas mennyiségű adatot egy olyan platformmá alakítja át, amely az edzők és a játékosok számára könnyen érthető és használható. A valós idejű információk felhasználhatóak a játék közbeni döntések meghozatalához vagy akár a későbbi edzésgyakorlatok testre szabásához is.

"Idén jobb csapat leszünk. Ezt az analitikából tudjuk". - mondta Rick Carlisle, a Dallas Mavericks, egy olyan NBA-csapat - edzője, amely komoly összegeket fektetett be a big data technológiába.

A gyűjtött adatok a pályán kívül a szurkolóknak is segítenek jobban megérteni a játékot. Például a Los Angeles Clippers olyan big data technológiába fektetett be nemrégiben, amely grafikák és összetett statisztikák kombinációját mutatja be a nézők feje fölött lévő óriási kijelzőkön, hogy a szurkolók azok segítségével elemezhessék az eseményeket.

orlando_magic_stadium.jpg

óriáskijelző az Orlando Magic stadionjának mennyezetén


A fentiekből látható, hogy az adatelemzés “rárúgta az ajtót” a sportra, különösképp igaz ez a világ legnépszerűbb ligáira, köztük az NBA-re is.

Amennyiben többet szeretne megtudni a témáról, kérjük olvassa el a Bentley University oldalán megjelent angol nyelvű cikket, amely jelen blogbejegyzésünk alapjául is szolgált!

A Kereső Világ a Precognox Precognox szakmai blogja A Precognox intelligens, nyelvészeti alapokra építő keresési, szövegbányászati és big data megoldások fejlesztője.

Szólj hozzá! • Kövess Facebookon • Iratkozz fel értesítőre

Gépi tanulás - Top trendek 2022

2022.04.07. 09:14 Szerző: Hódi Péter Címkék: trendek technológia mesterséges intelligencia 2022 arcfelismerés gépi tanulás AI IoT okosotthon deep learning machine learning

Mi a gépi tanulás?

Gépi tanulás alatt olyan módszerek és algoritmusok összességét értjük, amelyek a már rendelkezésre álló adatokból egy modell segítségével következtetéseket (predikciókat) hoznak létre. Ezek a "jóslatok" pedig mára már szinte minden területen hasznosíthatóak.
Éppen ezért a gépi tanulásos (ML) alkalmazások számos iparágban megtalálhatók, többek között a pénzügyi szférában, az élelmiszer-ellátásban vagy a gyártóiparban. Legyen szó akár egy gyártósorról, étteremről vagy egy benzinkútról, szinte mindenhol alkalmazzák a gépi tanulás vívmányait.

Mi az az AI? És a Machine Learning? Az alábbi videó segít eligazodni:

 

Tekintsük át a gépi tanuláshoz köthető trendeket, tehát a leggyakoribb felhasználási területeket!

IoT, azaz a dolgok internete és a gépi tanulás

A legfontosabb ML-fejlesztések előreláthatólag az IoT területén lesznek, hiszen itt az 5G bevezetésével hatalmas áttörés várható. Az 5G óriási hálózati sebessége miatt a rendszerek gyorsabb ütemben lesznek képesek adatokat fogadni és továbbítani, a hálózathoz csatlakoztatott IoT-eszközök számának növekedése pedig a kicserélt adatok mennyiségének jelentős emelkedését eredményezi.

Automatizált gépi tanulás

A szakemberek az automatizált gépi tanulás segítségével hatékony technológiai modelleket tervezhetnek, amelyek segíthetnek a hatékonyság és a termelékenység javításában. Ez különösen fontos a fejlesztési ágazatban, ahol a szakemberek alkalmazásokat fejleszthetnek anélkül, hogy komoly programozási ismeretekkel rendelkeznének.

Kiberbiztonság

A digitalizáció és a technológia fejlődésével a legtöbb alkalmazás és készülék intelligenssé vált, ami jelentős technológiai fejlődést eredményezett. Azáltal, hogy ezek az intelligens készülékek folyamatosan kapcsolódnak az internethez, egyre nagyobb igény mutatkozik arra, hogy használatuk biztonságosabbá váljon. A szakemberek pedig a gépi tanulást felhasználhatják olyan vírusellenes modellek létrehozására, amelyek blokkolják az esetleges kibertámadásokat , ezzel csökkentve a veszélyeket.

smart_home_1.jpg

egyre elterjedtebbek az okosotthonhoz köthető eszközök és alkalmazások

Etikus mesterséges intelligencia

A mesterséges intelligenciához köthető új technológiák fejlődésével egyre nagyobb gondot jelent néhány ezekre vonatkozó etikai irányelv meghatározása. Ugyanis minél magasabb szintű a technológia, annál szofisztikáltabban kell lefektetni a kapcsolódó etikai normákat is., mivel a gépek nem lesznek képesek hatékonyan teljesíteni, ha az etikát (megfelelő szabályokat) nem követik. Ezt láthatjuk már az önvezető autók esetében is.
Ez a szabályozási terület pedig rendkívüli fontossággal bír, hiszen például a közlekedési eszközökbe beültetett mesterséges intelligencia, amely a jármű agyaként szolgál, felelős az önvezető autó "viselkedéséért", így többek között az esetleges balesetek elkerüléséért.

Tudjon meg többet arról, hogyan lehet etikus mesterséges intelligenciát alkotni!

A természetes emberi beszéd megértésének automatizálása

Egyre többet hallunk az okosotthon-technológiáról, amely leggyakrabban az ember által adott hangutasítások alapján működik. A technológiában élen járó intelligens hangalapú asszisztensek, mint például a Google, a Siri és az Alexa is ilyen vezérléssel kapcsolódnak az intelligens készülékekhez. Bár ezek a rendszerek már most is nagy pontossággal érzékelik az emberi hangokat, ezen a területen is további fejlődés prognosztizálható.

alexa.jpg

Kódolásmentes gépi tanulás és mesterséges intelligencia

A kód nélküli gépi tanulás pontosan az, aminek hangzik: a gépi tanulással kapcsolatos alkalmazások létrehozása anélkül, hogy (sok) kódolást kellene végezni. Ehelyett egy 'drag-and-drop' vizuális felület segítségével kerül létrehozásra az adott gépi tanulásos alkalmazás.

Ez a fajta kód nélküli gépi tanulás a kód nélküli szoftverfejlesztésből ered. A fogalom viszonylag új, maga az eljárás a fejlesztési idő és erőfeszítések csökkentését célozza, hiszen felhasználók ahelyett, hogy kézzel írnának kódokat, speciális - és egyszerűbb - eszközöket használhatnak a szoftveralkalmazások létrehozásához.

MLOps - A gépi tanulás operacionalizálásának menedzsmentje

A gépi tanulás fejlesztése az MLOps bevezetése előtt olyan sajátos problémákkal járt együtt, mint a skálázhatóság, a megfelelő ML-pipeline-ok kiépítése, az érzékeny adatok skálán történő kezelése és a csapatkommunikáció. Az MLOps célja, hogy ezeket a nehézségeket a legjobb gyakorlatok kialakításával orvosolja, így többek között segítse az ML modellek éles rendszerbe való integrációját és folyamatos üzemeltetését.

gace_recognition.jpg

az arcfelismerés ma már nagyon elterjedt technológia

Few Shot, One Shot, & Zero-Shot Learning

A "Few Shot Learning" során csak kis mennyiségű adat kerül felhasználásra. Bár ennek vannak hátrányai, mégis széleskörűen alkalmazható olyan területeken mint a képosztályozás, az arcfelismerés és a szövegosztályozás.
Az "One Shot Learning" ezzel szemben még kevesebb adatot használ, de például így is hasznosítható, akár az arcfelismerésnél, mint amikor egy adott útlevél fényképet kell összehasonlítani egy személy kamerával rögzített képével. Ehhez ugyanis nem kell hatalmas információs adatbázist létrehozni.
A "Zero-Shot Learning" koncepciója elég furcsának tűnhet és felvetődik a kérdés, hogy: kezdő adatok nélkül hogyan működhetnek a gépi tanulási algoritmusok? Ebben az esetben arról van szó, hogy a rendszer megnéz egy témát, és a róla szóló információkat felhasználva megjósolja, hogy melyik osztályba fog tartozni.

A fenti példák sokszínűsége jelzi, hogy a gépi tanulásos rendszerek egyre nagyobb területet hódítanak meg és még emellett is rengeteg kiaknázási potenciál van bennük.

Amennyiben többet szeretne megtudni a témáról, kérjük olvassa el a Marktechpost oldalán megjelent angol nyelvű cikket, amely jelen blogbejegyzésünk alapjául is szolgált!

A Kereső Világ a Precognox Precognox szakmai blogja A Precognox intelligens, nyelvészeti alapokra építő keresési, szövegbányászati és big data megoldások fejlesztője.

Szólj hozzá! • Kövess Facebookon • Iratkozz fel értesítőre

Adattó vagy adattárház?

2022.03.02. 08:05 Szerző: Hódi Péter Címkék: adattárolás adattárház adatvagyon big data adatelemzés adattudós adattudomány adattó

big-gf8dca524d_big_data.jpg


Az adattavakat és az adattárházakat egyaránt széles körben használják a nagy mennyiségű adatok tárolására, de a két kifejezés nem ugyanazt takarja, hiszen a megoldások között számos eltérés van. De melyiket mikor érdemes választani?

Röviden

Az adattó a nyers adatok hatalmas tárháza, amelynek célja még nincs meghatározva. Az adattárház pedig olyan strukturált, szűrt adatok tárolója, amelyeket már feldolgoztak (rendszereztek) egy adott célra.

Az adattó

Az adattó egy olyan tárolóhely, amely nagy mennyiségű strukturált, félig strukturált és strukturálatlan adatot képes tárolni. Az adattó esetében minden típusú adat az eredeti formátumban kerül tárolásra, a fiókméretre vagy a fájlra vonatkozó rögzített korlátok nélkül.

Az adattavak sokféle forrásból származó adatokat tárolnak. Néha ezek az adatok strukturáltak, de gyakran meglehetősen rendezetlenek, mivel az azok közvetlenül az adatforrásokból kerülnek beolvasásra, ilyenek például IoT-eszközök, valós idejű közösségi médiafolyamok, vagy akár egy webalkalmazásokon belüli tranzakciók.

A céges adatvagyon részét képezhetik az internetről származó tartalmak is, amelyek gyűjtésére már több hazai megoldás is elérhető, ilyen többek között a Precognox által kifejlesztett TAS Data Collector.


Az akár petabájt méretű adattavakat főként adattudósok és mérnökök használják előszeretettel mivel az az adattárolás mellett kiválóan alkalmasak adatelemzésre, azon belül is mélytanulásos vagy valós idejű analitikára.

Az adattó alkalmazása mellett akkor érdemes dönteni, amikor a cél a költséghatékony nagy mennyiségű adat tárolása, mégpedig az eredeti formátumban.

adattarolas_is_muveszet.jpg

a tárolás is igazi művészet, különösen ha adatokról van szó

Az adattárház

Az adattárház az adatok főként stratégiai (üzleti elemzői) felhasználását szolgálja, hiszen azt a különböző forrásokból származó adatok lekérdezésre és elemzésre tervezték. Az adattárházak az adattavakkal szemben olyan adatokat tartalmaznak, amelyeket korábban már megtisztítottak, hogy illeszkedjenek egy sémához, struktúrához, így jellemzően read-only módon vannak beállítva, mivel általában nincs szükség további adatok beszúrására.

Az adattárház kizárólag az elemzés szempontjából releváns adatokat tárolja, a felhasználók köre pedig legfőképpen az adat- és az üzleti elemzők.

Választási szempontok

A fentiekből jól kiolvasható, hogy amikor döntés előtt állunk, hogy adattóra vagy adattárházra van szükség, akkor az könnyedén meghozható, mivel jól elkülönülnek a felhasználási célok és módszerek, illetve a felhasználók köre.
Érdemes tehát a választás előtt tisztázni, hogy nyers vagy tisztított (és strukturált) adatokat kívánunk tárolni, azokkal főként adattudósok vagy üzleti elemzők dolgoznak, illetve milyen célok megvalósítása tűztük ki.

Amennyiben többet szeretne megtudni a témáról, kérjük olvassa el a Datacamp oldalán megjelent angol nyelvű cikket, amely jelen blogbejegyzésünk alapjául is szolgált!

A Kereső Világ a Precognox Precognox szakmai blogja A Precognox intelligens, nyelvészeti alapokra építő keresési, szövegbányászati és big data megoldások fejlesztője.

Szólj hozzá! • Kövess Facebookon • Iratkozz fel értesítőre

süti beállítások módosítása