Vida com IA

Fala galera, nesse episódio eu explico o que é Aprendizado por Reforço, o famoso Reinforcement Learning. No episódio eu começo falando sobre algumas aplicações de RL que temos atualmente e depois explico os conceitos básicos, como agente, ambiente, recompensas, estados e transições. Depois, eu falo bem alto nível sobre as ideias por trás dos principais algoritmos, como Q-Learning, Deep Q-Learning, Actor Critic, PPO, DDPG... No final eu falo sobre as técnicas avançadas de Reinforcement Learning, como aprendizado por currículo, aprendizado por hierarquia, aprendizado por imitação, meta aprendizado e aprendizado de múltiplos agentes. Instagram:  https://www.instagram.com/podcast.lifewithai/  Linkedin: https://www.linkedin.com/company/life-with-ai  Códigos no github: https://github.com/filipelauar/projects/tree/main/Reinforcement%20Learning

Fala galera, nesse episódio do podcast eu explico o que são Redes Neurais e como elas funcionam. No episódio eu falo sobre a relação entre o cérebro humano e a arquitetura das redes neurais, como elas são treinadas, utilizando o famoso algoritmo de back-propagation. Depois de entender como funcionam as redes neurais, eu discuto um pouco sobre a questão de inteligência nesses algoritmos de "inteligência artificial", será que eles são mesmo inteligentes? Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Códigos (são os notebook nomeados como MLP - Redes Neurais de multiplas camadas): https://github.com/filipelauar/projects/tree/main/CNN_applications Tensorflow playground: https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.24800&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

Fala galera, nesse episódio eu recebo no podcast em inglês o ex pesquisador de Oxford Shrinivasan Sankar. No episódio o Shrini fala sobre sua linha de pesquisa ligada a Deep Learning e Active Learning, sua transição de carreira da pesquisa para uma startup agroTech e também sobre seu canal no youtube, AI Bites. Além disso tudo, conversamos um pouquinho sobre como começar nessa área de ciência de dados e inteligência artificial. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Linkedin do Shrini: https://www.linkedin.com/in/shrinivasan-sankar-2885016/ Canal do YouTube AI Bites: https://www.youtube.com/c/AIBites Link pro episódio em inglês: https://open.spotify.com/episode/7lB8CqUjDFteoGbN7F5SBk?si=e46d306ab2f446ba

Fala galera, nessa semana eu recebi no podcast em inglês a Asya, estudante de PhD e minha professora na Sorbonne. No episódio falamos sobre a pesquisa da Asya em modelos generativos e GANs mas também sobre outros temas como inteligência artificial geral. A Asya além de PhD em Deep Learning faz escalada profissional e participou 2x do American Ninja Warrior. Nesse episódio em português eu tento passar um pouco da nossa conversa para vocês! Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Episódio em inglês: https://open.spotify.com/episode/71gT771qHo31ANMRSTZVxN?si=76ad2607d3f44471 Código no github preparado pela Asya: 

Fala galera, nesse episódio eu falo sobre o processo de pré treinamento dos modelos estado da arte em NLP e visão computacional usando arquiteturas de transformers. Desde 2017 nós treinamos redes de NLP (BERT, GPT, ELECTRA) com um modelo de linguagem mascarado usando um processo self-supervisionado, e agora (à partir de 2022) nós somos capazes de treinar arquiteturas de visão (MAE) usando o mesmo processo de modelo de linguagem mascarada. Esse pré treinamento self-supervisionado nos habilita a treinar modelos poderosos que realmente conseguem entender semântica e contexto mesmo sem rótulo nos dados. No episódio eu também falo sobre uma arquitetura de transformers para dados tabulares (TabTransformer - 2020) usando a mesma abordagem atingindo resultados estado da arte comparado com métodos de ensemble. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai BERT paper: https://arxiv.org/pdf/1810.04805.pdf GPT3 paper: https://arxiv.org/pdf/2005.14165.pdf ELECTRA paper: https://arxiv.org/pdf/2003.10555.pdf MAE paper: https://arxiv.org/pdf/2111.06377.pdf TabTransformers paper: https://arxiv.org/pdf/2012.06678.pdf

Fala galera, nesse episódio eu falo sobre como atacar redes neurais e também como defender a sua rede contra esses ataques. Nesse episódio eu dou o exemplo de atacar carros autônomos, como as pessoas criam imagens que fazem esse carro pensar que uma pessoa é uma árvore ou um carro, por exemplo, e explico também os métodos que fazem isso. Eu também falo sobre como defender a sua rede desses ataques usando diferentes técnicas de adversarial defenses. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Código: https://github.com/filipelauar/projects/blob/main/adversarial_attacks_pytorch.ipynb

Fala galera, nesse episódio eu explico como um carro autônomo pode ser treinado para dirigir em um país, na Alemanha por exemplo, e mesmo assim ser capaz de dirigir no Brasil com tudo tão diferente. Para explicar isso, eu falo sobre o conceito de domain adaptation (adaptação de domínio) e também semi-supervised learning (aprendizado semi supervisionado). Eu explico a ideia com a primeira arquitetura proposta and também falo sobre o estado da arte que temos hoje para resolver o problema. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Código: https://github.com/filipelauar/projects/blob/main/domain_adaptation_semi_supervised_learning_MNIST_pytorch.ipynb

Fala galera, nesse episódio do podcast eu recebo o meu amigo Miguel para falarmos sobre o problema de speech to text. O problema é basicamente transcrever um audio para texto, no episódio falamos sobre várias aplicações, um pouco da história do problema e também sobre o estado da arte proposto pelo Facebook que utiliza self-supervised learning. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Linkedin do Miguel: https://www.linkedin.com/in/lucasagrizzi/

Fala galera, nesse episódio do podcast eu recebo meu amigo Vinicius Bonemer pra falar sobre o mundo virtual, o famoso metaverso. No episódio nós vamos fundo na ideia/conceito de um mundo virtual/metaverso e explicamos as diferenças entre o Metaverso do Facebook e o Omniverso da NVIDIA. Nós discutimos muitas possibilidades sobre esse novo universo, o que ja temos, oportunidades, desafios, algoritmos, interoperabilidade, NFTs e muito mais... Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Likedin do Vinicius: https://www.linkedin.com/in/vbonemer/ Keynote sobre o Omniverse do NVIDIA: https://www.youtube.com/watch?v=RPfItXmIRG4 Keynote sobre o Metaverso do Facebook: https://www.youtube.com/watch?v=gElfIo6uw4g Podcast do Wall Street Journal sobre o Facebook: https://open.spotify.com/playlist/0Amco5yINtnBGIY94Z2aHb?si=Yn9NoiVPSFSca3UOFLx4Iw Artigo do Wall Street Journal sobre o Facebook: https://www.wsj.com/articles/the-facebook-files-11631713039

Fala galera, nesse episódio eu recebo meu amigo Vinicius Akira para falarmos sobre nossa experiência para encontrar o nosso estágio aqui na França e também damos várias dicas. Falando sobre as diferenças entre o processo seletivo na França e no Brasil e sobre suas várias partes dando várias dicas, como preparar e enviar o currículo, como se portar em entrevistas de RH e também como treinar para entrevistas técnicas. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Linkedin do Akira: https://www.linkedin.com/in/daquisu/