ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Microprediction: Building an Open AI Network

دانلود کتاب پیش بینی خرد: ایجاد یک شبکه هوش مصنوعی باز

Microprediction: Building an Open AI Network

مشخصات کتاب

Microprediction: Building an Open AI Network

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 0262047322, 9780262047326 
ناشر: The MIT Press 
سال نشر: 2022 
تعداد صفحات: 232 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb 

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Microprediction: Building an Open AI Network به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب پیش بینی خرد: ایجاد یک شبکه هوش مصنوعی باز نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب پیش بینی خرد: ایجاد یک شبکه هوش مصنوعی باز

چگونه یک شبکه در مقیاس وب از مدیران خرد مستقل می‌تواند انقلاب هوش مصنوعی را به چالش بکشد و با هزینه بالای بهینه‌سازی کمی کسب‌وکار مقابله کند.

انقلاب هوش مصنوعی (AI) در حال پشت سر گذاشتن است. کسب‌وکارهای کوچک و سازمان‌هایی که نمی‌توانند تیم‌های داخلی از دانشمندان داده را بخرند. در
Microprediction، پیتر کاتن به بررسی وظایف کمی مکرر می‌پردازد که بهینه‌سازی کسب‌وکار را از دیدگاه‌های اقتصاد، آمار، تصمیم‌گیری در شرایط عدم قطعیت و نگرانی‌های مربوط به حریم خصوصی هدایت می‌کند. او می‌پرسد چه چیزهایی که در حال حاضر به عنوان هوش مصنوعی توصیف می‌شوند، «ریز پیش‌بینی» نیستند، آیا ریزپیش‌بینی یک فعالیت فردی است یا جمعی، و چگونه می‌توانیم ریزپیش‌بینی با کیفیت بالا را با هزینه کم تولید و توزیع کنیم. او نتیجه‌گیری می‌کند که جهان یک ابزار عمومی را از دست داده است، در حالی که شرکت‌ها یک رویکرد استراتژیک مهم را از دست می‌دهند که آنها را قادر می‌سازد منتفع شوند - و همچنین به آنها کمک کنند. در مقایسه با سایر مکانیسم‌های ارکستراسیون در حوزه ریزپیش‌بینی، احتمالاً "superminds" بسیار مؤثر است. او یک جایگزین جاه طلبانه و در عین حال کاربردی برای علم داده گران قیمت "صنعتی" ارائه می دهد که در حال حاضر پول شرکت ها را تخلیه می کند. او با به چالش کشیدن انقلاب یادگیری ماشین و افشای یک تناقض در قلب آن، آزادی جدیدی را به مهندسان ارائه می‌کند: دیگر به متخصصان کمی اتکا ندارند، آنها آزادند تا برنامه‌های هوشمند را با استفاده از رابط‌های برنامه‌نویسی برنامه‌نویسی همه منظوره (API) و کتابخانه‌ها ایجاد کنند. او کار در حال انجام را برای تشویق این رویکرد توصیف می کند، رویکردی که به گفته او ممکن است روزی به اندازه اینترنت برای کسب و کارها - و جامعه در کل - ارزشمند باشد.


توضیحاتی درمورد کتاب به خارجی

How a web-scale network of autonomous micromanagers can challenge the AI revolution and combat the high cost of quantitative business optimization.

The artificial intelligence (AI) revolution is leaving behind small businesses and organizations that cannot afford in-house teams of data scientists. In
Microprediction, Peter Cotton examines the repeated quantitative tasks that drive business optimization from the perspectives of economics, statistics, decision making under uncertainty, and privacy concerns. He asks what things currently described as AI are not “microprediction,” whether microprediction is an individual or collective activity, and how we can produce and distribute high-quality microprediction at low cost. The world is missing a public utility, he concludes, while companies are missing an important strategic approach that would enable them to benefit—and also give back.
 
In an engaging, colloquial style, Cotton argues that market-inspired “superminds” are likely to be very effective compared with other orchestration mechanisms in the domain of microprediction. He presents an ambitious yet practical alternative to the expensive “artisan” data science that currently drains money from firms. Challenging the machine learning revolution and exposing a contradiction at its heart, he offers engineers a new liberty: no longer reliant on quantitative experts, they are free to create intelligent applications using general-purpose application programming interfaces (APIs) and libraries. He describes work underway to encourage this approach, one that he says might someday prove to be as valuable to businesses—and society at large—as the internet.





نظرات کاربران