Hogyan készül a párizsi? A dmLab cikkét követve igyekszünk megfejteni, hogyan magyarázható az MI működése, és egyáltalán miért van erre szükség? Miért nem fogadják el a szülők az iskolaérettségi vizsgálat eredményét? Szabad-e a bankoknak hitelképességet vizsgálni nem transzparens prediktív modellel? Van-e értelme a modellezésnek, ha a fejlesztő nem fejlődik közben? Vannak-e olyan gépi tanulásos megoldások, ahol nincs szükség a magyarázhatóságra? Hogyan lehet kikerülni a pixelmódosító algoritmust...
Jul 22, 2021•44 min•Season 1Ep. 18
Ebben a részben, ahol nemcsak Cher, hanem Előd is énekel, megtárgyaljuk, hogy vajon mi köze van a hamis hangokat helyrehúzó AutoTune-nak az adattudományhoz? Elrontotta-e az európai füleket a rekedtség elleni fohászból kialakult szolmizálás? Jó zenét ír-e a mesterséges intelligencia és érdekes-e ez egyáltalán? Mire való az AIVA és az AmperMusic ? Mekkora matekos volt Bach és Mozart? Milyen zene lett az egy évtizednyi slágerből Watsonnal lepárolt átlagból, azaz hogy tetszik Alex Da Kid Not Easy -j...
Jul 15, 2021•46 min•Season 1Ep. 17
A nagy MI fiaskók többnyire emberi hibáról vagy a technológia rossz alkalmazásáról szólnak. A csak mosollyal aktiválható fénymásolók ötlete például hibás megközelítésnek bizonyult, miközben technikailag nyilván tökéletesen megvalósítható. Erről eszünkbe jutott a parancsra nem működő pozitív gondolkozás és a vezényszóra nem gyógyuló depressziós páciens, viszont idéztünk Coelhót. A Covid járvány alatt készült, gépi tanulásra alapuló orvosdiagnosztikai publikációk túlnyomó többségéről kiderült , ho...
Jul 08, 2021•33 min•Season 1Ep. 16
Mit gondolunk a magyar foci EB szereplésről? Hogyan jutott a Brentford harmadosztályból a Premier League-be, és miért kellett ehhez egy adattudós tulajdonos? Mi köze a sikerhez a várható gólnak és számít-e még a passz-statisztika? Hogy jön a focihoz a Poisson eloszlás (említett könyv: Moroney - Számoktól a tényekig ) és mi köze a szignifikancia számításoknak a lórúgástól elhunyt katonáknak? Melyik focicsapatok bányásszák a legtöbb adatot, hogyan alakult a magyar válogatott xG pontszáma az EB-n, ...
Jul 01, 2021•43 min•Season 1Ep. 15
A Google Asszisztens kijavította Elődöt a lapméretek kérdésében és pénzt dob fel Feriéknél, Cortana velünk nem akart szóba állni, Siri viszont remek angol-japán tolmácsként mutatkozott be Gyurinak. A hangfelismerés régi történet - Öveges professzor Heki kutyájának is sikerült - és már egész jól megy, akárcsak a beszédszintézis, viszont a megértés még nagyon nagy kihívás. Miért van női hangja az asszisztenseknek és mit kezdenek a beszédhibásokkal? Kell-e az anyanyelv az értelmes használathoz, és ...
Jun 24, 2021•45 min•Season 1Ep. 14
Van-e köze az IBM Watsonnak Sherlock Holmes-hoz, és mivel nyerte meg a Jeopardy tévévetélkedőt? Az IBM elnöke hány számítógépet jósolt a világnak és mi köze Előd sajtreszelőinek ehhez a vállalathoz? Kik azok az adatmarsallok és mire való az asztalos szoftver? Ki lehet-e tolni az összes adatot a kerítésen kívülre, vagy elterjednek a hibrid felhők? Csak a nagyvállalatoknak ajánlja az IBM a Watsont, vagy van értelme startupként vagy közepes cégként is megnézni a kínálatát? Hogyan küzd meg az IBM az...
Jun 17, 2021•48 min•Season 1Ep. 13
Miért tiltotta be Jeff Bezos , az Amazon tulajdonosa 2004-ben a vezetői értekezleteken a prezentációk és a hierarchikus listák (bullet points) használatát? Előre viszi-e a világot, ha prezik helyett folyó szövegben írott előterjesztésekről döntenek a menedzserek? Vajon mindenért a PowerPoint a hibás? Annyi biztos, akinek jó összefoglalót kell írnia, többet dolgozik, mint egy prezin és rákényszerűl, hogy ne hárítsa át az értelmezés felelősségét. Abban azonban, hogy ez 25%-os hatékonyság-javulást ...
Jun 10, 2021•47 min•Season 1Ep. 12
Versenyszerű előrejelzés idősoros adatokból - de hogy jön ide a mozgóátlag? És a T4253H , avagy a Hamming ablakozás? Ha már sima a görbe, akkor jöhet a Granger kauzalitás , ami az előrejelzés egyik nagyszerű eszköze, és az EU-t akár jogszabályok is kötelezik a használatára. A versenyek pedig remek forecasting megoldásokat mutatnak fel, de vajon az üzleti tervezés során az előrejelzéshez, vagy az elvárásokhoz szokás inkább igazodni? A növekedési kényszer az utóbbit implikálja, amiről eszünkbe jut...
Jun 03, 2021•49 min•Season 1Ep. 11
Kinek hány munkahelye volt? Miért olyan nagy a jövés-menés az adattudós (és egyéb tech) pozíciókban? Hol tölti az életét a falusi állomásfőnök? Hogy függ össze az adattudósság hiányszakma mivolta és a nagy arányú elvándorlás ? Vajon mennyire határoz meg egy céget a dolgozók csapata - elég a kulcsembereket megtartani? Vajon azt csinálja-e egy data scientist, amiről az egyetemen álmodozott, vagy kulimunkát is vállalnia kell ? Mi köze a Peter-elvnek az elvándorláshoz? Hogy jön ide a Meztelenek és h...
May 27, 2021•49 min•Season 1Ep. 10
Mit tudnak a Natural Language Processing nem is olyan új üdvöskéi, a Transformer modellek? Raimundus Lullus szövegcsinálása a 13. században és Gulliver gúnyolódása Swift regényében. Mik voltak a GPT-3 elődei, avagy miért fontos a szövegfeldolgozásban a párhuzamosítás? Milyen cég az OpenAI és miért nem követte saját vízióját a GPT-3 miatt? Mennyi áramot fogyaszt egy általános nyelvi modell? Érti-e a GPT-3 a szövegeket, amikre választ ír? Millió kérdés, amire válaszol a Clementine csapata.
May 20, 2021•55 min•Season 1Ep. 9
Kit hogy talál meg az outlier kereső? Katonaság, ikrek csokija, avagy szeretjük magunkat bejósolhatatlannak gondolni. Pedig az outlier is egy profil! Hogyan avulnak el az adatmodellek? Challenger modellek a folyamatos megújulásért. A rendszerek elromlanak, ezért kell őket projekt helyett folyamatnak tekinteni. A jelentés nélküli adatok megtartásának értelme. Eszköz pedig régen is volt a modellek utánkövetésére! Kifinomult vagy fenntartható modellre van szükség? Meg kell-e szabadulni a nélkülözhe...
May 13, 2021•47 min•Season 1Ep. 8
Kinek melyik ajánlórendszer bizonyul tényleg hasznosnak? Kindle, a hipertext, Amazon és TikTok. Mi van a TikTok For You oldala mögött ? Fröccsök között kipróbálva, lehallgat-e a Facebook. A szép emlékezetű AltaVizsla és a Kincskereső kisködmön. Az ajánlórendszerekben egyre fontosabb, hogy kiszakítsanak a saját véleménybuborékunkból, ugyanakkor ez manipulációhoz is vezethet. Hogyan járulhat hozzá egy kezelői felület a minél jobb minőségű adatbázishoz? Előre lehet-e jelezni az olimpiai éremtábláza...
May 06, 2021•45 min•Season 1Ep. 7
Kedvenceink az adattudomány személyiségei közül: Elon Musk, Walter Isaacson, Zeynep Tüfekçi. Jobban játszanak-e a focicsapatok a hazai pályán az adatok tükrében? Gyula cikke a Linkedinen: Hazai pálya . Befolyásolja-e a teljesítményüket a stadion külalakja? Hogyan adaptálódtak a fogadóirodák a járvány miatt megváltozott bajnokságokhoz? Érdemes-e az egyik kapufa mellé csoportosulni szabadrúgás esetén? Tanulság: a menedzserek csak látványos adatokkal tudnak mit kezdeni, illetve ha látszik egy össze...
Apr 29, 2021•45 min•Season 1Ep. 6
Kedvenc diagramtípusok, Gartner Magic Quadrant részletek (mi lenne helyette, hogyan alakult az évek során, mi a módszertan, mennyibe kerül, mire jó), szakdolgozati téma és sikerre ítélt peralap ajánlása, Torkos csütörtök térkép. Adatírástudás, avagy mekkora veszélyben vannak a pedagógusok járvány idején, statisztika az érettségin és a Stanine, a járvány hatásai az adatértésre, a Lottó értelme, Ninja Nerd Lectures videó a vakcinahatékonyságról , érdemes-e a statisztikában 12-t osztani egy nagy sz...
Apr 22, 2021•46 min•Season 1Ep. 5
MI-marhaságok. Önmagukat szaporító robook fogják-e benépesíteni a bolygókat? Vajon nem kellene-e a mesterséges intelligenciákat arra programozni, hogy élvezzék tevékenységüket? Adatvizualizációs orgia vagy az azonnal felfogható ábra egyszerűsége. Mi a baj a kördiagrammal? A chart, mint történetmesélés. Mit találhatunk egy szemétre dobott régi PC-n?
Apr 15, 2021•48 min•Season 1Ep. 4
Ki milyen MI-t használt a héten? Adatalapú döntéshozatal, amivel építeni és rombolni is lehet. Adattal fizetünk szolgáltatásért: baj ez? Az adatkapitalizmus jövője. A professzor előadást tart, bár halott, avagy az oktatás morális kérdései. Megjelent a Gartner 2021-es Magic Quadrant for Data Science & ML Platforms című elemzése.
Apr 09, 2021•45 min•Season 1Ep. 3
Megjósolhatja-e a mesterséges intelligencia, ki hal meg Covid fertőzésben? Honnan jönnek a zombistatisztikák? Mire jó a Boston Dynamics robotkutyája, amelynek gyártóját most vette meg a Hyundai? Mekkora értéke van a diplomának és mit gondolnak erről azok, akik adattudósként dolgoznak?
Apr 01, 2021•42 min•Season 1Ep. 2
Hol van a „rejtélyes völgy”? Nem a térképen. Podcast sorozatunk első adásában bemutatjuk Sophiát, az idősgondozásra tervezett humanoid robotot, szót ejtünk a megtévesztő számtani átlagról és a buddhizmusról, amiből az MI fejlesztők vagy tanulhatnak, vagy nem.
Apr 01, 2021•42 min•Season 1Ep. 1
