Zwyczajowo użytkownicy różnych społeczności cytują zabawne rzeczy na temat swoich dziedzin. Dzielenie się zabawnymi informacjami o uczeniu maszynowym, głębokim uczeniu się, nauce danych i rzeczach, z którymi codziennie się zmagasz, może być zabawne!

P: Ilu specjalistów w dziedzinie uczenia maszynowego potrzebuje do wymiany żarówki?

Odp .: Tylko jedna, ale potrzebują miliona żarówek, aby prawidłowo trenować.

P: Ilu specjalistów w dziedzinie uczenia maszynowego potrzebuje do wymiany żarówki fluorescencyjnej?

Odp .: Tego nie było w danych treningowych!

Sieć neuronowa nie są czarnymi skrzynkami. Są dużym stosem algebry liniowej:

obraz z xkcd

1. Jeśli torturujesz dane wystarczająco długo, powie ci wszystko, co chcesz usłyszeć.

2. Statystyki pokazują, że statystykom nie można ufać.

Uważam to za zabawne, ponieważ to prawda.

źródło

Słodkie śmieszne ...

Ten zawsze mnie kręci bez powodu ...

Częstochowcy kontra Bayesianie

Transkrypcja:

Czy słońce właśnie eksplodowało?
(Jest noc, więc nie jesteśmy pewni)

[[Dwóch statystyków stoi obok uroczego małego komputera, który jest podejrzanie podobny do K-9, który mówi czcionką Westminster]]
Częstotliwościowy statystyk: Ten detektor neutrin mierzy, czy słońce zaszło już w nową.
Bayesian Statistician: Następnie rzuca dwiema kośćmi. Jeśli oboje dojdą do szóstki, leży to po naszej stronie. W przeciwnym razie mówi prawdę.
FS: Spróbujmy. [[do detektora]] Detektor! Czy słońce poszło już w nowe?
Detektor: <<roll>> TAK.

$\frac1{36}=0.027$$p< 0.05$

Bayesian Statistician:
BS: Założę się, że 50 $ tego nie zrobiło.

Tekst tytułu:

'Detektor! Co powiedziałby statystyki bayesowski, gdybym zapytał go, czy… „ [roll] ” JESTEM DETEKTOREM NEUTRINO, A NIE OSŁONĄ LABIRYNTU. POWAŻNIE, CZY MÓJ MÓJ SIĘ SPADŁ? [roll] „... tak”.

W pobliżu W pobliżu W pobliżu W pobliżu W pobliżu W pobliżu W pobliżu

Pytanie: Jaka jest różnica między uczeniem maszynowym a sztuczną inteligencją?

Odpowiedź:

Jeśli jest napisany w Pythonie, prawdopodobnie jest to uczenie maszynowe.

Jeśli jest napisany w PowerPoint, to prawdopodobnie jest to AI.

Nie jestem pewien, czy się kwalifikują, ale kilka ciekawych faktów pochodzi z różnych źródeł:

Począwszy od Yann Lecun :

• Geoff Hinton nie musi tworzyć ukrytych jednostek. Chowają się, kiedy się zbliża.

• Geoff Hinton nie zgadza się z tobą, kontrastuje z tobą
  (od Vincenta Vanhoucke)

• Szekspir i Bayes są na łodzi i łowią ryby. Bayes próbuje dowiedzieć się, którą sieć rzucić, gdy Szekspir mówi: „Loopy czy nie Loopy? To jest pytanie”.

• Sieci głębokiej wiary rzeczywiście głęboko wierzą w Geoffa Hintona.

• Geoff Hinton odkrył, jak mózg naprawdę działa. Raz w roku przez
  ostatnie 25 lat.

• Bayesianie są jedynymi ludźmi, którzy mogą poczuć się marginalizowani po integracji

  A teraz legenda:

  

Jeden z Reddit :

YOLO: uczysz się tylko raz

PS: Ian Goodfellow i Jurgen Schmidhuber są współautorami artykułu (który zostanie zaprezentowany na NIPS 2019) na temat Inverse GAN (więcej żartów na ten temat tutaj )

Algorytm uczenia maszynowego wchodzi do paska.

Barman pyta: „Co będziesz miał?”

Algorytm mówi: „Co mają wszyscy inni?”

Pozwól, że cię obejmę, kwaśne przeciwności losu, bo mędrcy mówią, że to najmądrzejsza droga.

Yann Le Trump! 😂😂😂

Odp .: Co to jest uczenie maszynowe, proszę pana? B: To nie jest uczenie maszynowe! To płonie maszyna, człowieku.

autor: Davide Mazzini

„Prognozy są trudne - zwłaszcza na przyszłość”.

(Yogi Berra lub Neils Bohr, w zależności od tego, czy wolisz fizykę czy baseball)

W 2006 r. Często żartowano, że dostaniesz nagrodę za napisanie artykułu, który miałby albo „Karl Marks” albo „Sieć neuronowa” w tytule i został zaakceptowany w NIPS. Teraz stało się to standardem dla tych drugich ...: D