00:00 Эффективность команды информационной безопасности 05:23 Подбор команды и принципы работы 12:31 Работа в интеграторе и консалтинге 14:38 Подбор команды 22:42 Возрастные кандидаты 26:36 Менеджерские позиции 30:06 Подбор команды 33:29 Измерение эффективности команды 38:14 Оценка работы сотрудников 42:52 Оценка работы и проценты 50:31 Оценка эффективности сотрудников 52:38 Проблемы с отчетностью и мотивация 54:42 Обсуждение методологии и подходов 01:03:03 Обсуждение метрик и подходов к безопасности 01:05:15 Метрики и их влияние на сотрудников 01:10:23 Создание климата в коллективе 01:16:46 Корпоративная культура и общение с командой 01:18:21 Руководитель и его роль 01:20:08 Мотивационные плакаты и их эффективность 01:22:37 Scrum и его применимость
0:50 Минус ютубный курсов в том, что там толком не дают никаких задач для закрепления материала. И уж тем более не проверяют правильность выполнения этих задач и качественно написанного кода. Хочеться, помимо видеоуроков, решать задачи, а так же получать оценку качества кода и рекомендации по его улучшению
Фронтент можно делать на пофиг, а бек ни в коем случае)) Бред короче, ролик не о чем. Чел начинает с фреймворка и БД… Какие фреймворки, какие орм и БД? ДОКЕР и все что связано с этим словом, СЕТИ и все что связано с этим словом вот где главная собака зарыта!
как много умных слов и объяснений, чтоб донести простую мысль, что нейросеть это чёрный ящик, который Как-то самоорганизовался и мы понятия не имеем о его состоянии и пока он работает с удовлетворительной точностью, всех всё утраивает. Но некоторые ответственные решения Нельзя давать на откуп исключительно таким ИИ, потому что мы не можем их проверить во всех условиях и убедиться в безошибочности и отсутствии явных непонимании Редких и исключительных ситуаций и условий, а случайностей и необычностей в нашей жизни немало. И тут все обученные на усреднени ИИ Лажают, раз за разом
В подкасте обсуждается текущее состояние искусственного интеллекта, его возможности и ограничения, подчеркивается, что AI, как правило, остается зацикленным на нейронных сетях, вдохновленных человеческим мозгом. Несмотря на значительные успехи в распознавании изображений и текста, автор подчеркивает, что применение ИИ в различных сферах иногда может приводить к ошибкам.
## Гость подкаста Шелейк Губерман, профессор и эксперт в области искусственного интеллекта, делится своим опытом и подходами, которые он использует с конца 20-го века. Исследуя нейросетевые технологии, он обсуждает их актуальность и способность к обобщению, а также их отношения с традиционной математикой и алгоритмами.
### Биография Губерман родился в 1929 году, получил образование в области радиотехники и ядерной физики. В 1971 году стал экспертом по прикладной математике и искусственному интеллекту, став сопредседателем группы по ИИ в российском институте прикладной математики. Его работы касаются распознавания образов и прогнозирования землетрясений.
## Искусственный интеллект: Потенциал и границы Несмотря на впечатляющие достижения, Губерман указывает на то, что существующие алгоритмы не могут обобщать и часто характеризуются ошибками, особенно при распознавании букв и цифр. Это подводит к вопросу, способен ли ИИ обладать интеллектом, и какие критерии могли бы это доказать.
### Опыт распознавания текста Губерман комментирует свою работу над программами для распознавания рукописного текста, объясняя, что когда детям учат читать, им не нужно видеть тысячи примеров букв — они способны к непосредственному распознаванию, что является признаком человеческого интеллекта.
## Проблемы и непредсказуемость Исследователь также говорит о том, что ИИ-системы могут сталкиваться с «галлюцинациями», когда они ошибочно воспринимают данные. Он отмечает, что искусственный интеллект не всегда может делать обоснованные выводы, что вызывает вопросы о доверии к решениям, принимаемым такими системами.
## Будущее искусственного интеллекта Губерман считает, что искусственный интеллект продвигается вперед, но важно понимать его ограничения. Он выступает против сосредоточения на нейронных сетях, предлагая более широкий подход к научному изучению и практическому применению AI.
В заключение, подкаст подчеркивает важность адекватного понимания искусственного интеллекта как инструмента, который способен выполнять определенные задачи, но который следует оценивать критически и с учетом его ограничений и ошибок.
Линии как движение мы воспринимаем в 10 очередь. Никто не воспринимает буквы как движение ни на каком этапе восприятия. Пусть погуглит «эксперимент с кошками которые не видели горизонтальные линии» — у восприятия есть много уровней — начиная от линий, к фигурам, узнанным паттернам все большего и большего порядка. А мужик считает что люди воспринимают линию, предпологая как она была нарисована, предпологая что все восприятие начало формироваться эволюционно когда появились люди которые писали символы — это же глупость полная.
05:23 Подбор команды и принципы работы
12:31 Работа в интеграторе и консалтинге
14:38 Подбор команды
22:42 Возрастные кандидаты
26:36 Менеджерские позиции
30:06 Подбор команды
33:29 Измерение эффективности команды
38:14 Оценка работы сотрудников
42:52 Оценка работы и проценты
50:31 Оценка эффективности сотрудников
52:38 Проблемы с отчетностью и мотивация
54:42 Обсуждение методологии и подходов
01:03:03 Обсуждение метрик и подходов к безопасности
01:05:15 Метрики и их влияние на сотрудников
01:10:23 Создание климата в коллективе
01:16:46 Корпоративная культура и общение с командой
01:18:21 Руководитель и его роль
01:20:08 Мотивационные плакаты и их эффективность
01:22:37 Scrum и его применимость
Получите БЕСПЛАТНЫЙ ДЕМО-ДОСТУП к системе, которая в разы увеличит эффективность вашего предприятия, в шапке профиля либо по ссылке:
Устал учу java. Надеюсь свалить. Ля нас ненавидят больше чем питонистов
## Гость подкаста
Шелейк Губерман, профессор и эксперт в области искусственного интеллекта, делится своим опытом и подходами, которые он использует с конца 20-го века. Исследуя нейросетевые технологии, он обсуждает их актуальность и способность к обобщению, а также их отношения с традиционной математикой и алгоритмами.
### Биография
Губерман родился в 1929 году, получил образование в области радиотехники и ядерной физики. В 1971 году стал экспертом по прикладной математике и искусственному интеллекту, став сопредседателем группы по ИИ в российском институте прикладной математики. Его работы касаются распознавания образов и прогнозирования землетрясений.
## Искусственный интеллект: Потенциал и границы
Несмотря на впечатляющие достижения, Губерман указывает на то, что существующие алгоритмы не могут обобщать и часто характеризуются ошибками, особенно при распознавании букв и цифр. Это подводит к вопросу, способен ли ИИ обладать интеллектом, и какие критерии могли бы это доказать.
### Опыт распознавания текста
Губерман комментирует свою работу над программами для распознавания рукописного текста, объясняя, что когда детям учат читать, им не нужно видеть тысячи примеров букв — они способны к непосредственному распознаванию, что является признаком человеческого интеллекта.
## Проблемы и непредсказуемость
Исследователь также говорит о том, что ИИ-системы могут сталкиваться с «галлюцинациями», когда они ошибочно воспринимают данные. Он отмечает, что искусственный интеллект не всегда может делать обоснованные выводы, что вызывает вопросы о доверии к решениям, принимаемым такими системами.
## Будущее искусственного интеллекта
Губерман считает, что искусственный интеллект продвигается вперед, но важно понимать его ограничения. Он выступает против сосредоточения на нейронных сетях, предлагая более широкий подход к научному изучению и практическому применению AI.
В заключение, подкаст подчеркивает важность адекватного понимания искусственного интеллекта как инструмента, который способен выполнять определенные задачи, но который следует оценивать критически и с учетом его ограничений и ошибок.
Что такое гештальт никто не знает? Знает — завершенный образ, отдельный от остального