Autor: admin

Podzielę się z wami jednym z moich pomysłów. Czekając aż rynek zaleją proste systemy eksperckie w tym dotyczące statystyk sportowych – postanowiłem zrobić amatorską ( wolniejszą ) stronę w stylu wyników sportowych i analiz statystyk. Wykupiłem więc domenę http://videoarbiter.com . Przeanalizowałem dostępne API REST. Wybrałem Angular(SPA) na front i PHP na backend. Moim pragnieniem jest żeby strona odróżniała się bardziej precyzyjnym algorytmem uczenia maszynowego niż konkurencja( jeśli wogóle taka istnieje ) prognoz wyników. Wszystko jasne. Nie dokońca. Dałem sobie 3 lata na ukończenie projektu – mimo że ChatGPT twierdzi że w pojedynkę da się to zrobić w rok.

Sztuczna inteligencja – dodam że to dziedzina której dopiero się uczę. Możecie pouczyć się ze mną. Sztuczna inteligencje w ujęciu sieci neuronowych i uczenia maszynowego. Sieci neuronowe i uczenie maszynowe to nic innego jak modele matematyczne w dodatku nie aż tak skomplikowane jak by się mogło wydawać.
Nie przemawia to jednak do mnie i swoją przygodę z uczeniem maszynowym rozpocząłem od podręcznika który praktycznie nie używa matematyki. Skupmy się na najważniejszych pojęciach takich jak : dane treningowe wagi gradient funkcja aktywacji wektory macierze średni błąd kwadratowy prognozy wejście wyjście warstwy. Będziemy razem pisać prostą grę logiczną, w którą będzie za nas grać sieć neuronowa. Jedyny znak zapytania
jaki pojawia się u mnie na chwile obecną to dane treningowe i ich generator. Jest to dla mnie nowość także nie śpieszmy się. Na chwilę obecną skłaniam się aby generator danych treningowych oceniał stan gry i końcowy wynik a nagrody za ruch przyznawane były algorytmem minmax.

Jest to wiedza której moim zdaniem powinni uczyć już w szkole średniej. Rzadko ćwiczona na zajęciach na studiach. Niezbędna w rozwiązywaniu całek w postaci ułamków złożonych. Zacznę dziś od podyktowania zadań do samodzielnego rozwiązania.

Odpowiedzi w kolejnych postach.

Dzielenie wielomianów jest niezbędne przy obliczaniu całek a także rozkładzie ułamków na ułamki proste. Zapraszam na przykład niezbędny w zrozumieniu zagadnienia.

Wykonaj dzielenie pisemne wielomianów:

Całe działanie wygląda tak:Wielomiany podzieliły się bez reszty.
Zatem dzieląc wielomian 3^3−5^2−2x przez wielomian x^2−2x otrzymujemy wielomian 3x+1.
Możemy zapisać:

3x^3−5x^2−2x=(x^2−2x)⋅(3x+1)

Całę metodę wykonania tego rachunku przedstawiam poniżej:

Czym jest matematyka inżynierska? To nic innego jak praktyczne umiejętności. O tym będę pisał w blogu. Trudne i zawiłe elementy przedstawię krok po kroku. Skupimy się na analizie matematycznej jako narzędziu innych działów matematyki. Wszystko to co każdy programista powinien wiedzieć. Od rozwiązywania rekurencji po dzielenie wielomianów macierze całki transformaty Laplace i Fourier. Wiedza ta jest niezbędna na potrzeby sztucznej inteligencji algorytmiki statystyki.

Java jest językiem obiektowym. Zwykle ścieżka programowania wiedzie poprzez algorytmy w C++/C co umożliwia szybszą naukę nowych języków. Niestety większość znasz nie używa frameworków C++ w związku z czym przesiadka na inny język wiążę się z nauką inżynierii oprogramowania od zera. Idąc tym tropem mam na myśli, że nasz czas pochłonią frameworki(np. Spring i Hibernate). Będziemy musieli sięgnąć po system kontroli wersji (np. Git i Svn). Nauczyć się wzorców projektowych(np. GoF) a także sięgnąć po praktyki programistyczne (np. SOLID). Większość czasu poświęcimy na programowanie obiektowe i jego wymagania biznesowe – jak również na połączenie systemów z bazą danych. Gdzieś daleko w tym świecie może zostać rzeźbiona przecież algorytmika zaczerpnięta z C++. Nawet jeśli doskonale znaliśmy STL mało prawdopodobne że od razu osiągniemy satysfakcjonujące rezultaty w JAVA.

Podstawowe tematy jakie będę poruszał to:

1.struktury danych w JAVA

2.sztuczna inteligencja

3.unix czy windows

4.matematyka inżynierska

5.inżynieria oprogramowania

6.popularne frameworki