Bard поставив мене в чергу.

Привіт. Працюю з ESP32CAM, просто залити на цей контролер прошивку набагато складніше ніж на ардуїно. Пробував встановити бібліотеки штучного інтелекту в свій Arduino IDE — дуже глючно, і не вийшло все ж таки.
А хотів би натренувати свою сіть і залити замість розпізнавання обличчя в контролер, щоб воно мені на вайбер доповідало активність в зоні огляду. Типу — ось іде людина, машина(номер її)

Розум як дзеркало) Він як вітер чи вода типово один на всіх. Він не унікальний у кожного) Треба просто очистити його. Уявіть собі програму, що отримує любий текст від юзера, аналізує його, ставить питання і поступово доводить користувача до розуміння його істинного Я. )))))

Чи тут панство займається медитацією? Щоб ясніше формулювати думки.

Дякую

Програми воно пише краще ніж римує віршики

попросить в когось з американських однокласників зробити через них VPN? Чим вони ризикують?

Bard isn’t currently supported in your country. Stay tuned!

Може я ще встигну заскочити у потяг AI. Вчуся DL.
По базі housepricedata скомпілював, фіт зробив.
А потім model.predict([[9550,7,5,756,1,0,3,7,1,642]])
1.0 видає, і взагалі завжди 1.0 видає, а мав би часом 0 давати

import pandas as pd
df = pd.read_csv(’housepricedata.csv’)
dataset = df.values
X = dataset[:,0:10]
Y = dataset[:,10]
from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()
X_scale = min_max_scaler.fit_transform(X)
from sklearn.model_selection import train_test_split
X_train, X_val_and_test, Y_train, Y_val_and_test = train_test_split(X_scale, Y, test_size=0.3)
X_val, X_test, Y_val, Y_test = train_test_split(X_val_and_test, Y_val_and_test, test_size=0.5)
print(X_train.shape, X_val.shape, X_test.shape, Y_train.shape, Y_val.shape, Y_test.shape)
from keras.models import Sequential
from keras.layers import Dense
model = Sequential([
Dense(32, activation=’relu’, input_shape=(10,)),
Dense(32, activation=’relu’),
Dense(1, activation=’sigmoid’),
])
model.compile(optimizer=’sgd’,
loss=’binary_crossentropy’,
metrics=[’accuracy’])
hist = model.fit(X_train, Y_train,
batch_size=32, epochs=100,
validation_data=(X_val, Y_val))

model.predict([[9550,7,5,756,1,0,3,7,1,642]])

А які нові професії з’являться?

А чого його називають API? Дивився там якийс схожий на .json формат запиту показаний. А такого типу CreateContent(’what is ADAM in deep learning’).params(’short’).translate(’ukr’) там нема?

Можна попросити ChatGPT розкритикувати самому свій сгенерований контент

unbiased — значит, что весы к нейронам уже так подобраны, что баес не нужен для активации нейрона?

Читаю Learn Keras for Deep Neural Networks(Python)
Наскільки розумію, вдалість оцінюється функцією .evaluate(), основний показник accuracy. А як приблизно знати с початку кількість нейронів в першому hidden слої?
Звичайна послідовність compile->fit->evaluate->predict?
Тренувальний набір має вміщувати тестовий набір?дані_по_яким_треба_отримати_прогноз добавляються в тестовий перед визовом функції predict?

Є дані, по ним треба зробити прогноз. З цих даних зроблений набір у вигляді csv-файлу. Як оцінюється вдалість обробки-переробки даних в нейро-сіть?

На html+js вже пише

Поясніть будь ласка за deep learning. Мрію комусь освіченому в цій темі подзвонити і десь півгодинки його повипитувать.

quiz me(спитай мене) штучний інтелект вишукує пробіли в моєму розумінні теми

Наприклад: Quiz me about car driving with a,b,c,... answers for each question. provide correct answers in the end of all questions
Поцікався в мене про водіння авто по типу a,b,c,... відповідей. Надай правильні відповіді у кінці

ось ще декілька детально розжованих тем
www.freecodecamp.org/...​-with-keras-f8db83049159
machinelearningmastery.com/...​ral-network-python-keras

Спробував цю статтю пошагово виконувати в колабі, підміняв свої запити. Працює. Дякую за цікавинку. А де шукати датасети усілякі?

Дзвони мені, я тобі все про це розповім що знаю.