Antwort
“Simple Sachen wie Webserver” in C++. Das würde ich nicht als simpel bezeichnen.
Antwort
Referenzen haben keine eigene Speicheradresse. Pointer können null sein, Referenzen nicht.
Antwort
Ich habe aus deinem kommentaren rausgehört dass du Spiele in der Konsole entwickelst. So macht man das nicht. Für Spiele benutzt man mal OpenGL und C++ oder gleich eine game engine wie UnrealEngine und C++.
Antwort
ChatGPT basiert auf GPT3 und das wurde mit dem gesamten öffentlichen internet trainiert und jedem Buch in jeder Sprache.
Antwort
nein, schule ist die anstrengenste Zeit. Auf Arbeit hast du später nur sinnlose meetings und kaffeepausen
Bücher über lineare algebra, multivariate calculus und statistik
Antwort
die firma gehört Elon Musk. Ist es seriös sich bei space x oder tesla anzumelden?
Antwort
in den Mund stecken und kräftig blasen. Es ist nicht notwending viel Druck aufzubauen. Am wichtigsten ist es so viel vom Glied wie nur möglich in den Mund zu stecken. Und sabber ihn nicht voll.
Antwort
Mir machen die auch viel spaß. Manchmal funktioniert es die Cookies und den Cache zu löschen und die Seite zu refeshen.
Antwort
Einfach die letzte layer von mobilenet selbst trainieren.
Ne. Ein neuronales Netz ist eine komplizierte funktion die sich aus mehreren kleineren funktionen (layers) zusammensetzt die sich wieder aus kleineren Funktionen (neurons oder nodes) zusammensetzt die wiederum aus kleineren Funktionen bestehen. Jede der kleinen Funktionen hat Parameter. Wenn du als input die schwarz-weiß werte eines Bildes nimmst, werden diese pixelwerte dann mit diesen parametern multipliziert und addiert. Um als output des neuronales netzwerkes die Wahrscheinlichkeiten für die Bildklassifizierung zu bekommen müssen die Parameter genau die richtigen Werte haben. Dazu benutzt man einen Algorithmus names Backpropagation der gradient descent benutzt um die parameter jeder Layer in jedem Durchlauf der Trainingsdaten ein kleines bisschen besser einzustellen.
Gibt es schon.
KIs weiter zu entwickeln hat heutzutage nichts mehr mit Code zu tun sondern nur mit computational power und Trainingsdaten.
Antwort
Das ist sehr einfach und ein typisches Anfängerproblem für Leute in Deep Learning. Du brauchst ein paar tausend Beispielsätze die du dir recht einfach aus dem Internetz holen kannst. Dann baust du ein transformer neural netz mit Tensorflow so wie es in dem paper “attention is all you need” beschrieben ist. Du brauchst eine embedding layer für die Deutschen Wörter, dann addierst du dein sinusoidal positional embedding, gehts in das masked self attention modul, dann in den decoder der auch aus attention modulen und layer normalisation besteht. Am ende hast du linear layers die zu den Wahrscheinlichkeiten für das nächste Lateinische Wort mappen. Sowas kannst du in einer halben Stunde mit Tensorflow oder Pytorch programmieren
Antwort
Weil es auf 8 K80 GPUs läuft. Ist etwas teuer. Wenn man OpenAI bezahlt kann man das schon privat nutzen wie man will.
Ja, aber direkt Mathe oder Physik zu studieren ist besser. Die Experten au dem Gebiet bei Google Deep Mind studieren hauptsächlich diese beiden Fächer. Aber klar mit data science wird man dich auch irgendwo nehmen.
Antwort
es ist nicht verschlüsselt. Da steht maschinencode drin: eine Ansammlung von 1 und 0.
Zb sagen wir mal 00000001 ist maschinencode für den command push
dann würde 00000001 00000101 00000010 das bedeuten: pushe den Wert 5 in Register 2
Wenn du das in deinem Texteditor öffnest wird jedes byte natürlich ganz anders behandelt. 00000001 wäre zb ein Steuerzeichen. Deswegen sieht es obfuscated aus.
Antwort
Der code den du oben geposted hast wird nicht funktionieren.
Angenommen du willst den nächsten Buchstaben vorhersagen wenn die vorherigen buchstaben schon gegeben sind. (Eigentlich ist das ein sehr einfaches Programm für das man kein deep learning braucht, aber nehmen wir an du wilst es mit deep learning lösen). Ein Wort besteht aus beliebig vielen Buchstaben also brauchst du ein recurrent neural network (zb LSTM) oder ein transformer. Angenommen du willst einen transformer benuzten, dann benuzte eine embedding layer um die embeddings von jedem buchstaben zu lernen. Dann addiere dein sinosoidal positional encoding zu den embeddings. Das geht dann durch die self attention layers (wahrscheinlich muss dein netzwerk nicht besonders tief sein) und dann am ende softmax activation und du hast deine Wahrscheinlichkeiten. Als trainingsaten kannst du einfach den Duden benutzen.
Antwort
eher umgekehrt. Körperliche Arbeit wird ersetzt und ingeneure und mathematiker werden gebraucht. Um körperliche arbeit zu ersetzen bedarf es nichtmal an AI sondern oft einfach statisch programmierte roboter
Antwort
Ich und mein Freund arbeiten in der Textilindustrie. Mein Job ist gefärdet, der meines Freundes nicht. Ich werde sehen wie es kommt.
Antwort
KNN ist eig was anderes aber egal…
Eigentlich ist es doch klar. Die layers mappen linear von input zu output. Die weights skalieren dabei und das bias shifted. Denke an lineare funktionen f(x)=ax+b dann wäre a ein weight und b das bias.
Man kann das bias auch als weight betrachten dass unabhängig vom input ist.
Hier ein beispiel. Nehmen wir an du hast eine layer mit zwei neuronen und folgende inputs zu diesen beuronen x=[0.99, 1.01] und folgende erwünschte outputs y=[-1, 1]. Deine Activation function ist eine step function die alle positiven werte auf 1 mapped und alle alle anderen Werte auf -1. Wie müssen die weights und biases aussehen damit das mapping von x zu y klappt? Hier braucht deine layer offensichtlich ein bias. Folgende weights und biases würden funktionieren
W = [[1, 0], [0, 1]]
b=[-1, -1]
Dann wäre der output bevor der activation function folgender
o=[-0.01, 0.01]
und
f(o)=[-1, 1]=y wie gewünscht