[Musica]
quindi parlerò della macchina
imparare sul codice sorgente che è
qualcosa che fino a un mese fa non
anche avere un hashtag quindi è abbastanza buono
cosa ha un nuovo nome ma c’è
in realtà molte persone che sono state
facendo cose molto simili quindi l’obiettivo di
il discorso è dirti perché stiamo facendo
apprendimento automatico sulla parte superiore del codice sorgente
perché è ciò che stiamo cercando di fare
alla fine qual è la nostra roadmap ma anche
specialmente parliamo un po ‘di come
fallo quali sono le tecniche che erano
usando usiamo molte tecniche da
diversi campi in machine learning noi
non intendevamo molto siamo solo fondamentalmente
cercando di mettere insieme i pezzi e vedere
come funzionano e cercherò di fare come
molti demo possibili, quindi se ne hai
mai visto un discorso con più sono la vita
vedrai che falliscono così se falliscono
questa è la tua aspettativa, li sto incontrando
e se lavorano si aspettano aspettative
superato e alla fine il che cosa
sono le tue domande che ti chiederò di mantenere
le domande tutte fino alla fine perché
c’è in realtà un sacco di contenuti e io
non pensare che avrò abbastanza tempo per
coprire tutte le cose quindi se iniziamo con
domande che non finiremo mai così se
mi hai mai visto sul palco prima di me
parli sempre di andare perché ero abituato
lavoro su Google che non faccio più e
da novembre ero uno sviluppatore
difendere il lavoro per Google cloud
piattaforma che fa apprendimento automatico e via
completamente separatamente senza mai unirli
e ora sono un VP di relazioni a
piccola start-up di origine con sede a Madrid
tranne me e solo io gioco nel
area station Cisco e siamo fondamentalmente
cercando di capire perché sarebbe simile
se applichiamo l’apprendimento automatico forse troviamo
un modo per trovare effettivamente gli occhi
sono in grado di aiutare i programmatori a fare il loro
lavoro le diapositive sono online e questo è un
Codice QR che un tempo era un po ‘di fantasia
fa oggigiorno penso sia ancora il migliore
modo per le persone di vedere le diapositive così se tu
voglio fare una foto di quello
diapositive online con cui puoi seguire
loro
altrimenti creerò anche con loro
più tardi e il mio Creatore, il mio curatore
compito che è a voi va bene così
parliamo del perché, perché siamo pari
facendo questo la ragione è molto facile
machine learning e blockchain sono i
parole che ti danno soldi per le startup
ecco perché lo stiamo facendo davvero
non solo è una buona ragione per
certo, ma non solo fondamentalmente ciò che abbiamo
visto è proprio quell’apprendimento profondo
ha rivoluzionato molto di diverso
cose che pensavamo fossero fondamentalmente
impossibile da fare bene se pensi
per quanto riguarda la visione artificiale era fondamentalmente
impossibile immaginare un computer
capendo un’immagine e al giorno d’oggi
puoi farcela puoi costruire qualcosa
abbastanza facilmente che ti dirà esattamente
che tipo di cane che razza di cane tu
avere in una foto molto meglio di me
giusto così questo incredibile avanzamento
è davvero molto buono
lo stesso per l’ elaborazione del linguaggio naturale se
Dico Siri o va bene Google o Alexa
cercando di svegliare tanti dispositivi quanti
possibile che tu possa avere un
conversazione con un dispositivo che non solo
ti capisce ma in realtà parla
di nuovo in un modo che sei in grado di
capisco abbastanza facilmente ed è carina
il più delle volte è naturale
letteralmente fantascienza non così a lungo
fa quindi è un incredibile progresso
a causa di nuove reti e apprendimento
allora non c’è nemmeno la lingua
ma il gioco quando siamo stati in grado di battere
Kasparov con gli scacchi negli anni ’90
Penso che abbiano detto bene che abbiamo ancora
come almeno 100 anni e persone erano
in grado di battere chiunque fa che non era 100
anni e non solo sono stati in grado di battere e
tutti fa ma siamo riusciti a battere
li ogni volta ogni singolo
persona così è piuttosto impressionante e
per me la cosa più importante è certa
machine learning è super potente
ti permette di avere auto a guida autonoma
quello sguardo super carino che è il più
adorabile gravità così guida l’auto che puoi
immagina ma per me il più importante
la cosa per questo non è il fatto che sia
come oh è carino ed è un po ‘di fantasia
è il fatto che uno dei primi
Morte
vivono con in realtà non uno dei
prima ma uno dei test iniziali
ha fatto con questo vecchio automobili di guida è stato quello di
convincere i ciechi a guidarli e
permettendo alle persone che altrimenti non lo farebbero
in grado di eseguire un compito per essere effettivamente
capace di farlo
guadagnando autonomia adesso se si applica
quello di codificare l’idea è che vogliamo
facciamo cose simili vogliamo codice automatico
revisione vogliamo essere in grado di tradurre
cose dal codice sorgente al prodotto
linguaggio naturale che è possibile vedere
fondamentalmente dai un po ‘di codice sorgente e
dirà sicuramente questi numeri di sorta
che in realtà non è così difficile da fare
un po ‘più difficile , vogliamo tradurre
da una nave dalle lingue primarie a
lingue primarie in cui ho scritto questo
vai come lo scrivi in Python poco
un po ‘ più difficile in realtà e un giorno lo farei
piace farlo il contrario è
come hey scrivere una funzione che ordina
numeri e lui correrà da solo che è
in realtà incredibilmente difficile e alcune persone
potrebbe dirlo impossibile , non credo
è impossibile penso che se lo fossimo
in grado di capire un modo di avere un
conversazione non solo dando tutto il
informazione di un tratto ma in realtà
dammi una conversazione con un
conversazione su cui sei effettivamente
interagendo con il computer e il
il computer sta riempiendo le lacune del
specifica che stai cercando di progettare
penso che sia qualcosa che potremmo davvero fare
ma questo è in realtà il futuro e come
prima che l’obiettivo non è quello di dire hey guarda
siamo in grado di fare cose di fantasia l’obiettivo
è avere più persone in grado di farlo
programma in questa foto intendo che immagino
che quello a sinistra sta rivedendo
il codice di quello giusto
avere qualcuno che è in grado di rivedere
il tuo codice è incredibile, non tutti possono
fallo bene e se ne hai uno
progetto open-source dire andare che so
abbastanza bene non vuoi il meglio
gli ingegneri passano la maggior parte del tempo
rivedere il codice che vuoi che scrivano
codice quindi c’è un problema che è un
scala davvero e causa problemi giusti
in modo che il tipo di cosa che vogliamo
aiutarlo non ha necessariamente bisogno di questo
la revisione automatica del codice dovrebbe essere al 100%
automatico automatizzato significa che lo farebbe
sii gentile se ottengo un PR che ha 1.000
linee in realtà mi dice che lo sai
queste 1000 linee sono piuttosto noiose di base
codice ma richiede questo codice
la tua attenzione e questo è quello che sei
non è difficile da fare se stiamo lavorando
quella
ci sono molte idee pazze più avanti, ma noi
pensare che questo è qualcosa che possiamo
raggiungere così quanto bene prima abbiamo bisogno di
capire cosa è il codice sorgente se lo chiedo
tu cosa è il codice sorgente come fai tu
rappresenti ciò che vorresti dire
abs come lo memorizzeresti come byte
giusto così si potrebbe dire che questa è la fonte
codice Mi allenerò in rete
dare questo e quello è corretto
come ogni lingua principale che conosco
memorizza i byte ma puoi anche dire
questi sono i token giusto c’è a
livello leggermente più alto di astrazione e
anche questa è una programmazione corretta
lingue che tutti hanno token
in realtà nessuno di loro ce n’è
sono davvero strani che non usano i token
usano colori come quelli che facciamo
ignorare quelli per ora ma la maggior parte di loro
avrà una specie di token e quelli
i token hanno alcuni valori letterali e di tipo
e cose così
puoi imparare da questo ma anche da te
potrei dire davvero quando ci penso
da un programma non penso al
byte
né le parole che penso agli alberi
pensa a un albero di sintassi astratto
giusto così potremmo pensare che voglio dare da mangiare
quegli alberi sintassi astratti a Mary Neil
Rete che è un problema interessante
all’improvviso dovresti farlo
imparare dai dati strutturali e
grafici che è completamente diverso
bestia e ne parleremo un po ‘
un po ‘ alla fine, ma questo è fondamentalmente
cosa stiamo cercando di lavorare di più al giorno d’oggi
quindi parliamo di qualcosa che è
anche molto importante che è set di dati
dopotutto, l’apprendimento automatico è solo un
serie di set di dati lanciati a un
algoritmo e cercando di distillarne alcuni
informazione giusta quindi cosa facciamo a
fonte per i set di dati che abbiamo tre
diversi progetti non ho detto questo ma
tutto ciò che facciamo alla fonte è completamente
open source
per lo più spiagge Apache quindi puoi farlo
qualunque cosa tu voglia con esso
e tutto è sotto github.com
SR C – D così abbiamo ladri che hanno testa
e i rapinatori di stiva sono semplicemente dei cingolati
che stanno cercando internet in giro
capire è questo un repo git se è un
git repo, lo spedirò a Boris
Boris è un papà autore spagnolo era anche un
il bibliotecario e quello che sta facendo è giusto
contabilità boutique quindi è fondamentalmente
ricevendo tutti quegli URL e
scaricandoli e scaricandoli
non solo li scarica ma anche
creare archivi di percorsi e spiegare
cos’è quello che è nel prossimo
Scivola tra un minuto e finalmente immagazziniamo
non come cerniere o torte ma come Siva
Il file Siva è un formato che abbiamo creato
in particolare perché volevamo qualcosa
dove è possibile aggiungere ulteriori informazioni
essere ancora molto compatto e costante
accesso a qualsiasi parte del file così noi
creato qualcosa di nuovo perché non l’abbiamo fatto
avere qualsiasi soluzione per questo ed è anche
l’open source è anche interessante
lo so in spagnolo V & B
qualcosa quindi è per questo pensabile
blocco indotto lo traduciamo in Seba
perché suona esattamente lo stesso cosa
è una radice del repository una postura di root B.
è quasi come un’unificazione unificata
di tutte le forcelle di tutto te
avere tribunale ovunque fort sono in realtà
qualcosa che fondamentalmente si ottiene
creato così github realmente un API
so che questo repository è un fork da
qualcos’altro il problema è che più
di tempo che non è veramente utile
perché molto spesso ciò che le persone fanno è
loro fanno il tiro e il negativo prendono la spinta
da qualche altra parte forse nemmeno ammettere così
cosa facciamo per identificare ciò che è
in realtà una forchetta è trovare il comune
il comune
commetti gli identificatori degli hash e se noi
scopri che in realtà corrispondono a qualcuno
sottotree quindi possiamo dire che erano queste
lo stesso repo ad un certo punto loro
divergenti e stiamo memorizzando solo quelli
quelli di avere set di dati più piccoli noi
pubblicare il documento
scopo
il pubblico viene archiviato e non solo pubblicato
la carta ma anche un post sul blog e anche
il set di dati quindi se vai a github te
possibile scaricare tre terabyte di origine
codice che è grande quindi non farlo qui
oggi perché il Wi-Fi è buono ma tu
conosci questo limite la cosa più importante
su questo è che stiamo cercando di dare
a tutti perché lo facciamo
bene per un’immagine per la visione computer
Infatti quell’immagine net era una rete in a
competizione creata per tutti
fondamentalmente dicendo hey c’è una sfida
gioca con questo prova a migliorarlo
in realtà ha dato un sacco di motivazione per
ricerca per i ricercatori di scrivere nuovi
i giornali dicono che aumentano la precisione
come l’ 1% e quella era una carta che siamo
cercando di capire cosa siamo
chiamandolo codice netto o codice approfondito siamo
non proprio sicuro ma stiamo cercando di
capire cosa sarebbe per il codice
okay, ora abbiamo il codice sorgente ora
vogliamo imparare da quando siamo
imparando dal codice da cui stiamo imparando
sequenze o alberi di cui parlare
le sequenze prima di chi altro ha fatto questo
in realtà molte persone hanno ragione
hai il riconoscimento vocale che sei
trasformando una sequenza di campioni audio
in una sequenza di personaggi che descrivono
quello che è stato detto durante quell’audio
l’ analisi del sentimento della clip trasforma a
sequenza di parole o caratteri in
traduzione automatica positiva o negativa
per esempio trasformerà una sequenza
ciao a tutti in inglese a Carolyn
che sono di Barcellona tutti al
la lingua è esattamente la stessa cosa
linguaggio diverso che è anche sequenze
e infine il riconoscimento video che è
più complicato ancora una sequenza di
fotogrammi per sequenziare le parole che descrivono cosa
cosa succede al video come viene fatto?
bene iniziamo con i personaggi di te
potrebbe provare a usare le parole quasi-nane quante
di te hai usato nuove reti che sono
assumendo il massimo dall’utilizzo della macchina
pista di apprendimento ok, quindi se si tenta di fare
macchina nuove reti tradizionalmente su
reti con la frase la promessa
bene quanti input hai bisogno giusto
quante lettere accetti?
e ci sono modi per capirlo
come si potrebbe dire che sto andando sempre
accetta 20 lettere e se c’è di meno
di quello vado a tamponare con spazi e
se c’è più di questo sarò
li dividi o altro, ma non c’è
in realtà una soluzione migliore che è
usando la Caronia con reti neurali
e quando usi il record sul loro
reti fondamentalmente quello che fai sei tu
avere un singolo pezzo di rete neurale
che stai dando un input per ottenere il
output e passarlo nuovamente come input
quindi dirò ad esempio oh e
metà
Martin corner che è un collaboratore intero
ha fatto un ottimo dottorato ora
tensorflow senza un dottorato di ricerca semplicemente fantastico
e lui ha questo che può spiegare cosa
è abbastanza facile perché non è solo
che ci sono molti pezzi ma tutti
quei pezzi sono esattamente gli stessi e
stanno comunicando attraverso l’output
va al di input e anche c’è un
sezione che è fondamentalmente la memoria
che consente alla rete neurale di
ricorda le cose su quello che sembrava
in precedenza non entrerò nel
dettagli di come ha funzionato
né la matematica né lsdm nulla
così, ma sicuramente così interessante
quello che stiamo cercando di fare è che voglio
creare una nuova rete che sto per dire
ascolta Ho visto P ACK a G qual è il
prossima lettera e sta per dire
c’è qualcosa di simile all’80 percento
è e perché è confezionato o forse
sono io perché forse è la confezione o
forse qualcos’altro perché il mio limite è mio
La conoscenza dell’inglese è limitata, quindi non c’è
tutte le parole che iniziano con quello
il modo in cui faremo è dare il primo
la lettera ottiene l’output e dice è questo
correggi bene no allora lo faremo
propagazione all’indietro e riqualificare il
rete neon fino a quando non ci stiamo fondamentalmente
ogni singola lettera che stiamo dando
è sempre più preciso a ciò che noi
aspetto di avere così è fondamentalmente come
pendenza di propagazione all’indietro
neon Network roba di base così con quello
maggiori informazioni su che cosa sarebbe
succede se lo facciamo con tutti i controlli
per le tue opere e io non so se
hai visto questa demo ma penso che sia
tipo di figo così
train mug così in questa demo in questo
programma quello che ho fatto è che ho caricato tutto il
cose scritte da William Shakespeare
che è apparentemente molto e comincio
dicendo va bene così questi sono la mia sequenza è
che ti darò quello che sono
prevedendo nulla perché il logo al neon
non è stato addestrato quindi basta dire zero
per tutto nessun personaggio non ho
idea di cosa sia questo il risultato ora
dopo l’allenamento con un sacco di set di dati
come va bene scrivere qualche Shakespeare e questo
genera questo che non sono esperto ma
Non penso sia Shakespeare
esattamente così ok nessun problema andremo
continua ad allenarti di più subito dopo
questo continuiamo ad allenarci e ancora lo è
non dare alcun risultato ora si inizia a
dare dei risultati, continuiamo ad allenarci
ora è visto 150 su 860 patch e
sta già generando qualcosa
sembra davvero testo sembra
come Shakespeare no, non sembra nemmeno
come l’inglese ma va bene
se continuiamo, puoi assumere tutto
all’improvviso inizia davvero a partire
con il carattere che è abbastanza
interessante e se continuiamo lo farà
continua così continua ad avvicinarsi
e più vicino all’inglese al punto che
se andiamo alla fine, il Re Harry 6 ° in
questa canzone di compagnia come il comune di
lei e commento del comando e il
contenuto del suo cuore per venire su di lui
questi potrebbero essere Shakespeare , non lo so
Io non capisco davvero Shakespeare
quando scrivo quando sono davvero così dentro
il mio lettore VHS e questo è qualcosa che
ci sono voluti letteralmente un’ora di allenamento
giusto, quindi immagina se continui ad allenarti
questo più e più volte perché questo è
in realtà lontano dall’essere tanto quanto te
può allenare il Vietminh il loro lavoro mi
addestrato questa mattina proprio così lì
è che potresti sicuramente fare di più
di quello che in realtà mi ha fatto vedere
quindi sì, epico cinque e la precisione è ancora
Il 60 percento possiamo andare molto più in alto di
che senza alcun problema si raffreddi così
questo è il tipo di bel destro, ma noi siamo
parlando del codice sorgente, quindi cosa
ti capita
l’input invece di essere il check-spare
è go codice quindi è in realtà sorprendentemente
bene no non farlo per me va bene così
problema ora è che Chrome sta cercando di
renderà un sacco di output quindi andrà
richiedere un certo tempo ci si va
okay, quindi quello che ho fatto è clonare il gioco
repository Ho ottenuto tutti i file da cui andare
e ho iniziato ad allenare la stessa cosa
c’è molto più file e iniziamo
allenandolo e in realtà sto per correre
okay, iniziamo con questo che è
piuttosto male, penso che tutti possiamo essere d’accordo
generando casuale va bene questi inizia a
guarda capito
l’indentazione è una cosa che in realtà non è
so come usarlo ancora ma è una cosa
ora inizia a guardare un po ‘di più ma
come le parentesi non sono accoppiate uguali per
parentesi è piuttosto male continua
apprendimento e in realtà abbastanza veloce penso
è stato qui quanti di voi hanno
scritto prima che vada bene così sembra
molto in allenamento ma anche abbastanza veloce
inizia a capire che è così
in realtà ha detto la tua cosa e dovresti
lo scrivo molto spesso che è un po ‘
freddo
questa è la stessa demo che eseguiamo con a
sacco di codice Python con tutto il codice
dal testo scaricato e dopo l’allenamento
per molto tempo questo treno solo per a
un po ‘dal modo in cui questi google
Collab che ti permette di eseguire le cose
gratuitamente con GPU semplicemente fantastico ma
sì, dopo aver provato per una quantità decente
di tempo siamo stati in grado di generare cose
che assomigliano al codice sorgente del flusso della matita
al punto che è sempre iniziato con
la licenza Apache v2 quale scanner è bello
okay, quindi continuiamo, quindi è così
bello ma è utile a tutti così
possiamo fare qualcosa di interessante con questo
destra
la cosa importante da sapere è che quando
stai predicendo qualcosa con successo
lo capisci davvero bene
giusto e non solo, ma lo sei anche tu
in grado di prevedere e rilevare con
qualcosa è quando qualcosa è strano e
anomalia vero, quindi quello che abbiamo fatto è stato
tutti gli identificatori che potremmo
trova su un archivio pubblico che è molto
loro e noi abbiamo usato fondamentalmente è come
oh se è andata sarà un caso di cammello
se è Python può essere un caso di serpente e
abbiamo iniziato a usarlo per dividere tutto
gli identificatori che erano ovviamente
divisibile subito dopo ci alleniamo nel tuo
record di rete sulla rete sui morsi
di tutti quelli e siamo in grado di lasciarmi
dì crea questo modello che se importi
ora è la moglie che stiamo andando bene è
Funziona ora in modo che tu possa caricare
il modello diviso e dato che la divisione
identificatori per la vittoria una volta che carica
potrebbe andare F è non essere molto
collaborato va bene che questo è il log
la modella prende un po ‘bene così
siamo in grado di prevedere che sia così
dividendo gli identificatori per la vittoria come
parole e poi abbastanza facilmente se vuoi
per rappresentare effettivamente un caso di cammello
sistemerà quello per te la cosa bella
su questo è questo se ci pensi
quell’idea di revisioni automatiche del codice ora
siamo in grado di identificare quando qualcuno
in realtà ho dimenticato di premere shift in uno di
gli amplificatori di destra che è abbastanza
interessante perché è un problema
per tutte le lingue particolarmente dinamiche
le lingue sono in realtà un tipo di
difficile, quindi possiamo imparare dai token
fare esattamente la stessa cosa, piuttosto
piuttosto che dare carattere per carattere a noi
dato parola per parola, il problema è questo
al fine di rappresentare questi personaggi
quello che stiamo facendo è che ne facciamo uno caldo
codifica che sostanzialmente converte a
numero da zero a dieci in un vettore
con dieci posizioni, quindi se lo prendi
in considerazione di quanti personaggi abbiamo
destra
umani nel testo in inglese testo 800
più alto di 100 per essere onesto nel computer
programmi in tutto – ma quanti
le parole che abbiamo sono in realtà molto di più
quindi se inizi a lavorare con tutti
il singolo vettore ne avrà uno
centosettantamilacento
settantun mila posizioni che è
sarà un sacco di ricordi sarà
davvero difficile per la formazione è prendere andando
molto tempo e quanti possibili mentori
gli incendi sono in una lingua in una programmazione
linguaggio bene è un po ‘come innesco
le lingue sono come il tedesco dove sei
solo aggiungendo più parole così è in realtà
molto molto difficile da dire ma penso
c’è anche una buona stima
molti quindi quello che facciamo è che useremo
Matrimoni e ho bisogno di andare a
un po ‘più veloce qui, ma fondamentalmente
con le immersioni partiamo da diciamo noi
avere centomila posizioni uno
centomila possibilità quindi una
centomila dimensioni in cui ogni
la singola parola è completamente indipendente
vettore in una nuova dimensione per qualcosa
che ha meno dimensioni, diciamo queste
sono le tre dimensioni che ho scelto tranne
non li abbiamo davvero scelti, semplicemente
dire che dimensione zero voleva scrivere e
quindi manteniamo solo valori casuali e semplicemente
addestrando la rete vicina che siamo
in realtà andando a formare questi matrice e
questa matrice è ciò che chiamiamo incorporamento
la cosa interessante è che il risultato
di questi embedding porta molto
il che significa in modo da poter fare le cose come bene
la distanza tra uomo e donna che
è in realtà nella direzione del genere
è lo stesso di re – Regina o
entra in quello che sta nuotando – figlio questo è
dalla parola a vegg che è molto
noto porto che incorpora ciò che abbiamo fatto
era okay, quindi tutti li sopportiamo tutti
degli identificatori che possiamo trovare
pubblico in archivio e li dividiamo in
parole e li mandiamo ad avere meno di
loro finiamo con un vocabolario della metà
un milione di parole che sono un sacco di parole
ma una volta li addestriamo con 100.000
proposto ci ritroviamo con qualcosa di simile
è chimico e c’è un ottimo blog
post che spiega tutto ma il
cosa interessante se sono in grado di farlo funzionare
qui è
vieni vieni vieni sguardo, che ripartisce
ok ho cinque minuti se non lo farei
basta fingere e dirti cosa
i risultati sono
va bene ok cinque quattro tre due uno
timeout fantastico, quindi in pratica siamo in grado di farlo
addestrare quelli e non solo trovare le parole
che sono vicini e identificatori così noi
per esempio l’esempio che ho avuto da morto
quindi l’esempio che ho avuto è stato quello che sono le cose
che sono vicino alla radice quadrata e lo farebbe
trovare cose come cosine e sine e
altre funzioni matematiche ma anche noi
può fare cose come foo è 2 bar come basso
sono due cuochi e in realtà li trova
le cose, oh, hanno fatto ciò che non sono ancora loro
lavoro ancora più interessante che possiamo trovare
cose come inviare è ricevere come scrivere
è leggere ed è in grado di trovarli
le cose fuori dalla vinta spara al futuro
di questo è che questi solo uno solo
pezzo del puzzle che saremo
imparando dagli alberi per imparare
dagli alberi quello che devi fare è prima di tutto
definiamo quali alberi abbiamo noi universali
alberi sintattici astratti che fondamentalmente a
modo comune di rappresentare vedere
astratto e sei gli alberi di sintassi in
ogni lingua e io vado oltre
veloce e possiamo anche fare strutturale
Matrimoni così fondamentalmente le immersioni
abbiamo avuto prima da parole due vettori
voglio andare dagli alberi ai vettori e
allora quei vettori sono permessi
permettendoci di dire in pratica quanto siano simili
agli alberi si basano sul treno il
set di dati li addestriamo con quali volontà
ci permettono e comunque ci sono documenti
su questo ci sono due documenti che io
piace molto il significato strutturale di
alberi sintattici per macchina
comprensione di questi in realtà
linguaggio naturale che si applica davvero
bene a quello che stiamo cercando di fare e anche
una rappresentazione basata sul percorso generale
perativo da proprietà super
interessante è piuttosto che usare il
albero intero dirà per cicli bene se
ritorna vero è molto diverso a
restituisce un oggetto giusto così sarà
in grado di dare davvero di più
– È piuttosto interessante e l’idea è
che una volta abbiamo quella struttura
incastri strutturali più l’incorporamento
gli identificatori saremo in grado di fare molto
cose più interessanti abbiamo cose
come trovare due repository sono
simile o non basato solo sulla fonte
codice non sulla documentazione che trova cosa
sono gli argomenti di un pezzo di codice o a
full repo quindi in sostanza cercando di poi a
prevedere le etichette Github che siamo in grado di
farlo adesso è abbastanza facile e
finalmente se ti interessa come
più carte e cose come questa noi
mantenere un elenco è chiamato fantastico
l’apprendimento automatico sul codice sorgente è uno
di quelle liste fantastiche e continua
crescendo tutti i documenti che io
menzionato sono lì quindi ti invito a
vai a vedere che è dove finisco
leggendo ogni volta che volo e io sono
fuori tempo quindi se vuoi saperne di più
sentiti libero di unirti al nostro canale lento così
se hai intenzione di procurarti la tecnologia
vedrai un modulo di invito molto grande con
la tua email hai appena messo la tua email lì
e non abbiamo davvero tempo per
domande ma sarò in giro anche sentire
libero di inviarmi e – mail o seguirmi
Twitter e parlerò
anche domani, quindi trovami e chiedimi
più domande se li avete ringraziare
tu
[Applausi]
quindi parlerò della macchina
imparare sul codice sorgente che è
qualcosa che fino a un mese fa non
anche avere un hashtag quindi è abbastanza buono
cosa ha un nuovo nome ma c’è
in realtà molte persone che sono state
facendo cose molto simili quindi l’obiettivo di
il discorso è dirti perché stiamo facendo
apprendimento automatico sulla parte superiore del codice sorgente
perché è ciò che stiamo cercando di fare
alla fine qual è la nostra roadmap ma anche
specialmente parliamo un po ‘di come
fallo quali sono le tecniche che erano
usando usiamo molte tecniche da
diversi campi in machine learning noi
non intendevamo molto siamo solo fondamentalmente
cercando di mettere insieme i pezzi e vedere
come funzionano e cercherò di fare come
molti demo possibili, quindi se ne hai
mai visto un discorso con più sono la vita
vedrai che falliscono così se falliscono
questa è la tua aspettativa, li sto incontrando
e se lavorano si aspettano aspettative
superato e alla fine il che cosa
sono le tue domande che ti chiederò di mantenere
le domande tutte fino alla fine perché
c’è in realtà un sacco di contenuti e io
non pensare che avrò abbastanza tempo per
coprire tutte le cose quindi se iniziamo con
domande che non finiremo mai così se
mi hai mai visto sul palco prima di me
parli sempre di andare perché ero abituato
lavoro su Google che non faccio più e
da novembre ero uno sviluppatore
difendere il lavoro per Google cloud
piattaforma che fa apprendimento automatico e via
completamente separatamente senza mai unirli
e ora sono un VP di relazioni a
piccola start-up di origine con sede a Madrid
tranne me e solo io gioco nel
area station Cisco e siamo fondamentalmente
cercando di capire perché sarebbe simile
se applichiamo l’apprendimento automatico forse troviamo
un modo per trovare effettivamente gli occhi
sono in grado di aiutare i programmatori a fare il loro
lavoro le diapositive sono online e questo è un
Codice QR che un tempo era un po ‘di fantasia
fa oggigiorno penso sia ancora il migliore
modo per le persone di vedere le diapositive così se tu
voglio fare una foto di quello
diapositive online con cui puoi seguire
loro
altrimenti creerò anche con loro
più tardi e il mio Creatore, il mio curatore
compito che è a voi va bene così
parliamo del perché, perché siamo pari
facendo questo la ragione è molto facile
machine learning e blockchain sono i
parole che ti danno soldi per le startup
ecco perché lo stiamo facendo davvero
non solo è una buona ragione per
certo, ma non solo fondamentalmente ciò che abbiamo
visto è proprio quell’apprendimento profondo
ha rivoluzionato molto di diverso
cose che pensavamo fossero fondamentalmente
impossibile da fare bene se pensi
per quanto riguarda la visione artificiale era fondamentalmente
impossibile immaginare un computer
capendo un’immagine e al giorno d’oggi
puoi farcela puoi costruire qualcosa
abbastanza facilmente che ti dirà esattamente
che tipo di cane che razza di cane tu
avere in una foto molto meglio di me
giusto così questo incredibile avanzamento
è davvero molto buono
lo stesso per l’ elaborazione del linguaggio naturale se
Dico Siri o va bene Google o Alexa
cercando di svegliare tanti dispositivi quanti
possibile che tu possa avere un
conversazione con un dispositivo che non solo
ti capisce ma in realtà parla
di nuovo in un modo che sei in grado di
capisco abbastanza facilmente ed è carina
il più delle volte è naturale
letteralmente fantascienza non così a lungo
fa quindi è un incredibile progresso
a causa di nuove reti e apprendimento
allora non c’è nemmeno la lingua
ma il gioco quando siamo stati in grado di battere
Kasparov con gli scacchi negli anni ’90
Penso che abbiano detto bene che abbiamo ancora
come almeno 100 anni e persone erano
in grado di battere chiunque fa che non era 100
anni e non solo sono stati in grado di battere e
tutti fa ma siamo riusciti a battere
li ogni volta ogni singolo
persona così è piuttosto impressionante e
per me la cosa più importante è certa
machine learning è super potente
ti permette di avere auto a guida autonoma
quello sguardo super carino che è il più
adorabile gravità così guida l’auto che puoi
immagina ma per me il più importante
la cosa per questo non è il fatto che sia
come oh è carino ed è un po ‘di fantasia
è il fatto che uno dei primi
Morte
vivono con in realtà non uno dei
prima ma uno dei test iniziali
ha fatto con questo vecchio automobili di guida è stato quello di
convincere i ciechi a guidarli e
permettendo alle persone che altrimenti non lo farebbero
in grado di eseguire un compito per essere effettivamente
capace di farlo
guadagnando autonomia adesso se si applica
quello di codificare l’idea è che vogliamo
facciamo cose simili vogliamo codice automatico
revisione vogliamo essere in grado di tradurre
cose dal codice sorgente al prodotto
linguaggio naturale che è possibile vedere
fondamentalmente dai un po ‘di codice sorgente e
dirà sicuramente questi numeri di sorta
che in realtà non è così difficile da fare
un po ‘più difficile , vogliamo tradurre
da una nave dalle lingue primarie a
lingue primarie in cui ho scritto questo
vai come lo scrivi in Python poco
un po ‘ più difficile in realtà e un giorno lo farei
piace farlo il contrario è
come hey scrivere una funzione che ordina
numeri e lui correrà da solo che è
in realtà incredibilmente difficile e alcune persone
potrebbe dirlo impossibile , non credo
è impossibile penso che se lo fossimo
in grado di capire un modo di avere un
conversazione non solo dando tutto il
informazione di un tratto ma in realtà
dammi una conversazione con un
conversazione su cui sei effettivamente
interagendo con il computer e il
il computer sta riempiendo le lacune del
specifica che stai cercando di progettare
penso che sia qualcosa che potremmo davvero fare
ma questo è in realtà il futuro e come
prima che l’obiettivo non è quello di dire hey guarda
siamo in grado di fare cose di fantasia l’obiettivo
è avere più persone in grado di farlo
programma in questa foto intendo che immagino
che quello a sinistra sta rivedendo
il codice di quello giusto
avere qualcuno che è in grado di rivedere
il tuo codice è incredibile, non tutti possono
fallo bene e se ne hai uno
progetto open-source dire andare che so
abbastanza bene non vuoi il meglio
gli ingegneri passano la maggior parte del tempo
rivedere il codice che vuoi che scrivano
codice quindi c’è un problema che è un
scala davvero e causa problemi giusti
in modo che il tipo di cosa che vogliamo
aiutarlo non ha necessariamente bisogno di questo
la revisione automatica del codice dovrebbe essere al 100%
automatico automatizzato significa che lo farebbe
sii gentile se ottengo un PR che ha 1.000
linee in realtà mi dice che lo sai
queste 1000 linee sono piuttosto noiose di base
codice ma richiede questo codice
la tua attenzione e questo è quello che sei
non è difficile da fare se stiamo lavorando
quella
ci sono molte idee pazze più avanti, ma noi
pensare che questo è qualcosa che possiamo
raggiungere così quanto bene prima abbiamo bisogno di
capire cosa è il codice sorgente se lo chiedo
tu cosa è il codice sorgente come fai tu
rappresenti ciò che vorresti dire
abs come lo memorizzeresti come byte
giusto così si potrebbe dire che questa è la fonte
codice Mi allenerò in rete
dare questo e quello è corretto
come ogni lingua principale che conosco
memorizza i byte ma puoi anche dire
questi sono i token giusto c’è a
livello leggermente più alto di astrazione e
anche questa è una programmazione corretta
lingue che tutti hanno token
in realtà nessuno di loro ce n’è
sono davvero strani che non usano i token
usano colori come quelli che facciamo
ignorare quelli per ora ma la maggior parte di loro
avrà una specie di token e quelli
i token hanno alcuni valori letterali e di tipo
e cose così
puoi imparare da questo ma anche da te
potrei dire davvero quando ci penso
da un programma non penso al
byte
né le parole che penso agli alberi
pensa a un albero di sintassi astratto
giusto così potremmo pensare che voglio dare da mangiare
quegli alberi sintassi astratti a Mary Neil
Rete che è un problema interessante
all’improvviso dovresti farlo
imparare dai dati strutturali e
grafici che è completamente diverso
bestia e ne parleremo un po ‘
un po ‘ alla fine, ma questo è fondamentalmente
cosa stiamo cercando di lavorare di più al giorno d’oggi
quindi parliamo di qualcosa che è
anche molto importante che è set di dati
dopotutto, l’apprendimento automatico è solo un
serie di set di dati lanciati a un
algoritmo e cercando di distillarne alcuni
informazione giusta quindi cosa facciamo a
fonte per i set di dati che abbiamo tre
diversi progetti non ho detto questo ma
tutto ciò che facciamo alla fonte è completamente
open source
per lo più spiagge Apache quindi puoi farlo
qualunque cosa tu voglia con esso
e tutto è sotto github.com
SR C – D così abbiamo ladri che hanno testa
e i rapinatori di stiva sono semplicemente dei cingolati
che stanno cercando internet in giro
capire è questo un repo git se è un
git repo, lo spedirò a Boris
Boris è un papà autore spagnolo era anche un
il bibliotecario e quello che sta facendo è giusto
contabilità boutique quindi è fondamentalmente
ricevendo tutti quegli URL e
scaricandoli e scaricandoli
non solo li scarica ma anche
creare archivi di percorsi e spiegare
cos’è quello che è nel prossimo
Scivola tra un minuto e finalmente immagazziniamo
non come cerniere o torte ma come Siva
Il file Siva è un formato che abbiamo creato
in particolare perché volevamo qualcosa
dove è possibile aggiungere ulteriori informazioni
essere ancora molto compatto e costante
accesso a qualsiasi parte del file così noi
creato qualcosa di nuovo perché non l’abbiamo fatto
avere qualsiasi soluzione per questo ed è anche
l’open source è anche interessante
lo so in spagnolo V & B
qualcosa quindi è per questo pensabile
blocco indotto lo traduciamo in Seba
perché suona esattamente lo stesso cosa
è una radice del repository una postura di root B.
è quasi come un’unificazione unificata
di tutte le forcelle di tutto te
avere tribunale ovunque fort sono in realtà
qualcosa che fondamentalmente si ottiene
creato così github realmente un API
so che questo repository è un fork da
qualcos’altro il problema è che più
di tempo che non è veramente utile
perché molto spesso ciò che le persone fanno è
loro fanno il tiro e il negativo prendono la spinta
da qualche altra parte forse nemmeno ammettere così
cosa facciamo per identificare ciò che è
in realtà una forchetta è trovare il comune
il comune
commetti gli identificatori degli hash e se noi
scopri che in realtà corrispondono a qualcuno
sottotree quindi possiamo dire che erano queste
lo stesso repo ad un certo punto loro
divergenti e stiamo memorizzando solo quelli
quelli di avere set di dati più piccoli noi
pubblicare il documento
scopo
il pubblico viene archiviato e non solo pubblicato
la carta ma anche un post sul blog e anche
il set di dati quindi se vai a github te
possibile scaricare tre terabyte di origine
codice che è grande quindi non farlo qui
oggi perché il Wi-Fi è buono ma tu
conosci questo limite la cosa più importante
su questo è che stiamo cercando di dare
a tutti perché lo facciamo
bene per un’immagine per la visione computer
Infatti quell’immagine net era una rete in a
competizione creata per tutti
fondamentalmente dicendo hey c’è una sfida
gioca con questo prova a migliorarlo
in realtà ha dato un sacco di motivazione per
ricerca per i ricercatori di scrivere nuovi
i giornali dicono che aumentano la precisione
come l’ 1% e quella era una carta che siamo
cercando di capire cosa siamo
chiamandolo codice netto o codice approfondito siamo
non proprio sicuro ma stiamo cercando di
capire cosa sarebbe per il codice
okay, ora abbiamo il codice sorgente ora
vogliamo imparare da quando siamo
imparando dal codice da cui stiamo imparando
sequenze o alberi di cui parlare
le sequenze prima di chi altro ha fatto questo
in realtà molte persone hanno ragione
hai il riconoscimento vocale che sei
trasformando una sequenza di campioni audio
in una sequenza di personaggi che descrivono
quello che è stato detto durante quell’audio
l’ analisi del sentimento della clip trasforma a
sequenza di parole o caratteri in
traduzione automatica positiva o negativa
per esempio trasformerà una sequenza
ciao a tutti in inglese a Carolyn
che sono di Barcellona tutti al
la lingua è esattamente la stessa cosa
linguaggio diverso che è anche sequenze
e infine il riconoscimento video che è
più complicato ancora una sequenza di
fotogrammi per sequenziare le parole che descrivono cosa
cosa succede al video come viene fatto?
bene iniziamo con i personaggi di te
potrebbe provare a usare le parole quasi-nane quante
di te hai usato nuove reti che sono
assumendo il massimo dall’utilizzo della macchina
pista di apprendimento ok, quindi se si tenta di fare
macchina nuove reti tradizionalmente su
reti con la frase la promessa
bene quanti input hai bisogno giusto
quante lettere accetti?
e ci sono modi per capirlo
come si potrebbe dire che sto andando sempre
accetta 20 lettere e se c’è di meno
di quello vado a tamponare con spazi e
se c’è più di questo sarò
li dividi o altro, ma non c’è
in realtà una soluzione migliore che è
usando la Caronia con reti neurali
e quando usi il record sul loro
reti fondamentalmente quello che fai sei tu
avere un singolo pezzo di rete neurale
che stai dando un input per ottenere il
output e passarlo nuovamente come input
quindi dirò ad esempio oh e
metà
Martin corner che è un collaboratore intero
ha fatto un ottimo dottorato ora
tensorflow senza un dottorato di ricerca semplicemente fantastico
e lui ha questo che può spiegare cosa
è abbastanza facile perché non è solo
che ci sono molti pezzi ma tutti
quei pezzi sono esattamente gli stessi e
stanno comunicando attraverso l’output
va al di input e anche c’è un
sezione che è fondamentalmente la memoria
che consente alla rete neurale di
ricorda le cose su quello che sembrava
in precedenza non entrerò nel
dettagli di come ha funzionato
né la matematica né lsdm nulla
così, ma sicuramente così interessante
quello che stiamo cercando di fare è che voglio
creare una nuova rete che sto per dire
ascolta Ho visto P ACK a G qual è il
prossima lettera e sta per dire
c’è qualcosa di simile all’80 percento
è e perché è confezionato o forse
sono io perché forse è la confezione o
forse qualcos’altro perché il mio limite è mio
La conoscenza dell’inglese è limitata, quindi non c’è
tutte le parole che iniziano con quello
il modo in cui faremo è dare il primo
la lettera ottiene l’output e dice è questo
correggi bene no allora lo faremo
propagazione all’indietro e riqualificare il
rete neon fino a quando non ci stiamo fondamentalmente
ogni singola lettera che stiamo dando
è sempre più preciso a ciò che noi
aspetto di avere così è fondamentalmente come
pendenza di propagazione all’indietro
neon Network roba di base così con quello
maggiori informazioni su che cosa sarebbe
succede se lo facciamo con tutti i controlli
per le tue opere e io non so se
hai visto questa demo ma penso che sia
tipo di figo così
train mug così in questa demo in questo
programma quello che ho fatto è che ho caricato tutto il
cose scritte da William Shakespeare
che è apparentemente molto e comincio
dicendo va bene così questi sono la mia sequenza è
che ti darò quello che sono
prevedendo nulla perché il logo al neon
non è stato addestrato quindi basta dire zero
per tutto nessun personaggio non ho
idea di cosa sia questo il risultato ora
dopo l’allenamento con un sacco di set di dati
come va bene scrivere qualche Shakespeare e questo
genera questo che non sono esperto ma
Non penso sia Shakespeare
esattamente così ok nessun problema andremo
continua ad allenarti di più subito dopo
questo continuiamo ad allenarci e ancora lo è
non dare alcun risultato ora si inizia a
dare dei risultati, continuiamo ad allenarci
ora è visto 150 su 860 patch e
sta già generando qualcosa
sembra davvero testo sembra
come Shakespeare no, non sembra nemmeno
come l’inglese ma va bene
se continuiamo, puoi assumere tutto
all’improvviso inizia davvero a partire
con il carattere che è abbastanza
interessante e se continuiamo lo farà
continua così continua ad avvicinarsi
e più vicino all’inglese al punto che
se andiamo alla fine, il Re Harry 6 ° in
questa canzone di compagnia come il comune di
lei e commento del comando e il
contenuto del suo cuore per venire su di lui
questi potrebbero essere Shakespeare , non lo so
Io non capisco davvero Shakespeare
quando scrivo quando sono davvero così dentro
il mio lettore VHS e questo è qualcosa che
ci sono voluti letteralmente un’ora di allenamento
giusto, quindi immagina se continui ad allenarti
questo più e più volte perché questo è
in realtà lontano dall’essere tanto quanto te
può allenare il Vietminh il loro lavoro mi
addestrato questa mattina proprio così lì
è che potresti sicuramente fare di più
di quello che in realtà mi ha fatto vedere
quindi sì, epico cinque e la precisione è ancora
Il 60 percento possiamo andare molto più in alto di
che senza alcun problema si raffreddi così
questo è il tipo di bel destro, ma noi siamo
parlando del codice sorgente, quindi cosa
ti capita
l’input invece di essere il check-spare
è go codice quindi è in realtà sorprendentemente
bene no non farlo per me va bene così
problema ora è che Chrome sta cercando di
renderà un sacco di output quindi andrà
richiedere un certo tempo ci si va
okay, quindi quello che ho fatto è clonare il gioco
repository Ho ottenuto tutti i file da cui andare
e ho iniziato ad allenare la stessa cosa
c’è molto più file e iniziamo
allenandolo e in realtà sto per correre
okay, iniziamo con questo che è
piuttosto male, penso che tutti possiamo essere d’accordo
generando casuale va bene questi inizia a
guarda capito
l’indentazione è una cosa che in realtà non è
so come usarlo ancora ma è una cosa
ora inizia a guardare un po ‘di più ma
come le parentesi non sono accoppiate uguali per
parentesi è piuttosto male continua
apprendimento e in realtà abbastanza veloce penso
è stato qui quanti di voi hanno
scritto prima che vada bene così sembra
molto in allenamento ma anche abbastanza veloce
inizia a capire che è così
in realtà ha detto la tua cosa e dovresti
lo scrivo molto spesso che è un po ‘
freddo
questa è la stessa demo che eseguiamo con a
sacco di codice Python con tutto il codice
dal testo scaricato e dopo l’allenamento
per molto tempo questo treno solo per a
un po ‘dal modo in cui questi google
Collab che ti permette di eseguire le cose
gratuitamente con GPU semplicemente fantastico ma
sì, dopo aver provato per una quantità decente
di tempo siamo stati in grado di generare cose
che assomigliano al codice sorgente del flusso della matita
al punto che è sempre iniziato con
la licenza Apache v2 quale scanner è bello
okay, quindi continuiamo, quindi è così
bello ma è utile a tutti così
possiamo fare qualcosa di interessante con questo
destra
la cosa importante da sapere è che quando
stai predicendo qualcosa con successo
lo capisci davvero bene
giusto e non solo, ma lo sei anche tu
in grado di prevedere e rilevare con
qualcosa è quando qualcosa è strano e
anomalia vero, quindi quello che abbiamo fatto è stato
tutti gli identificatori che potremmo
trova su un archivio pubblico che è molto
loro e noi abbiamo usato fondamentalmente è come
oh se è andata sarà un caso di cammello
se è Python può essere un caso di serpente e
abbiamo iniziato a usarlo per dividere tutto
gli identificatori che erano ovviamente
divisibile subito dopo ci alleniamo nel tuo
record di rete sulla rete sui morsi
di tutti quelli e siamo in grado di lasciarmi
dì crea questo modello che se importi
ora è la moglie che stiamo andando bene è
Funziona ora in modo che tu possa caricare
il modello diviso e dato che la divisione
identificatori per la vittoria una volta che carica
potrebbe andare F è non essere molto
collaborato va bene che questo è il log
la modella prende un po ‘bene così
siamo in grado di prevedere che sia così
dividendo gli identificatori per la vittoria come
parole e poi abbastanza facilmente se vuoi
per rappresentare effettivamente un caso di cammello
sistemerà quello per te la cosa bella
su questo è questo se ci pensi
quell’idea di revisioni automatiche del codice ora
siamo in grado di identificare quando qualcuno
in realtà ho dimenticato di premere shift in uno di
gli amplificatori di destra che è abbastanza
interessante perché è un problema
per tutte le lingue particolarmente dinamiche
le lingue sono in realtà un tipo di
difficile, quindi possiamo imparare dai token
fare esattamente la stessa cosa, piuttosto
piuttosto che dare carattere per carattere a noi
dato parola per parola, il problema è questo
al fine di rappresentare questi personaggi
quello che stiamo facendo è che ne facciamo uno caldo
codifica che sostanzialmente converte a
numero da zero a dieci in un vettore
con dieci posizioni, quindi se lo prendi
in considerazione di quanti personaggi abbiamo
destra
umani nel testo in inglese testo 800
più alto di 100 per essere onesto nel computer
programmi in tutto – ma quanti
le parole che abbiamo sono in realtà molto di più
quindi se inizi a lavorare con tutti
il singolo vettore ne avrà uno
centosettantamilacento
settantun mila posizioni che è
sarà un sacco di ricordi sarà
davvero difficile per la formazione è prendere andando
molto tempo e quanti possibili mentori
gli incendi sono in una lingua in una programmazione
linguaggio bene è un po ‘come innesco
le lingue sono come il tedesco dove sei
solo aggiungendo più parole così è in realtà
molto molto difficile da dire ma penso
c’è anche una buona stima
molti quindi quello che facciamo è che useremo
Matrimoni e ho bisogno di andare a
un po ‘più veloce qui, ma fondamentalmente
con le immersioni partiamo da diciamo noi
avere centomila posizioni uno
centomila possibilità quindi una
centomila dimensioni in cui ogni
la singola parola è completamente indipendente
vettore in una nuova dimensione per qualcosa
che ha meno dimensioni, diciamo queste
sono le tre dimensioni che ho scelto tranne
non li abbiamo davvero scelti, semplicemente
dire che dimensione zero voleva scrivere e
quindi manteniamo solo valori casuali e semplicemente
addestrando la rete vicina che siamo
in realtà andando a formare questi matrice e
questa matrice è ciò che chiamiamo incorporamento
la cosa interessante è che il risultato
di questi embedding porta molto
il che significa in modo da poter fare le cose come bene
la distanza tra uomo e donna che
è in realtà nella direzione del genere
è lo stesso di re – Regina o
entra in quello che sta nuotando – figlio questo è
dalla parola a vegg che è molto
noto porto che incorpora ciò che abbiamo fatto
era okay, quindi tutti li sopportiamo tutti
degli identificatori che possiamo trovare
pubblico in archivio e li dividiamo in
parole e li mandiamo ad avere meno di
loro finiamo con un vocabolario della metà
un milione di parole che sono un sacco di parole
ma una volta li addestriamo con 100.000
proposto ci ritroviamo con qualcosa di simile
è chimico e c’è un ottimo blog
post che spiega tutto ma il
cosa interessante se sono in grado di farlo funzionare
qui è
vieni vieni vieni sguardo, che ripartisce
ok ho cinque minuti se non lo farei
basta fingere e dirti cosa
i risultati sono
va bene ok cinque quattro tre due uno
timeout fantastico, quindi in pratica siamo in grado di farlo
addestrare quelli e non solo trovare le parole
che sono vicini e identificatori così noi
per esempio l’esempio che ho avuto da morto
quindi l’esempio che ho avuto è stato quello che sono le cose
che sono vicino alla radice quadrata e lo farebbe
trovare cose come cosine e sine e
altre funzioni matematiche ma anche noi
può fare cose come foo è 2 bar come basso
sono due cuochi e in realtà li trova
le cose, oh, hanno fatto ciò che non sono ancora loro
lavoro ancora più interessante che possiamo trovare
cose come inviare è ricevere come scrivere
è leggere ed è in grado di trovarli
le cose fuori dalla vinta spara al futuro
di questo è che questi solo uno solo
pezzo del puzzle che saremo
imparando dagli alberi per imparare
dagli alberi quello che devi fare è prima di tutto
definiamo quali alberi abbiamo noi universali
alberi sintattici astratti che fondamentalmente a
modo comune di rappresentare vedere
astratto e sei gli alberi di sintassi in
ogni lingua e io vado oltre
veloce e possiamo anche fare strutturale
Matrimoni così fondamentalmente le immersioni
abbiamo avuto prima da parole due vettori
voglio andare dagli alberi ai vettori e
allora quei vettori sono permessi
permettendoci di dire in pratica quanto siano simili
agli alberi si basano sul treno il
set di dati li addestriamo con quali volontà
ci permettono e comunque ci sono documenti
su questo ci sono due documenti che io
piace molto il significato strutturale di
alberi sintattici per macchina
comprensione di questi in realtà
linguaggio naturale che si applica davvero
bene a quello che stiamo cercando di fare e anche
una rappresentazione basata sul percorso generale
perativo da proprietà super
interessante è piuttosto che usare il
albero intero dirà per cicli bene se
ritorna vero è molto diverso a
restituisce un oggetto giusto così sarà
in grado di dare davvero di più
– È piuttosto interessante e l’idea è
che una volta abbiamo quella struttura
incastri strutturali più l’incorporamento
gli identificatori saremo in grado di fare molto
cose più interessanti abbiamo cose
come trovare due repository sono
simile o non basato solo sulla fonte
codice non sulla documentazione che trova cosa
sono gli argomenti di un pezzo di codice o a
full repo quindi in sostanza cercando di poi a
prevedere le etichette Github che siamo in grado di
farlo adesso è abbastanza facile e
finalmente se ti interessa come
più carte e cose come questa noi
mantenere un elenco è chiamato fantastico
l’apprendimento automatico sul codice sorgente è uno
di quelle liste fantastiche e continua
crescendo tutti i documenti che io
menzionato sono lì quindi ti invito a
vai a vedere che è dove finisco
leggendo ogni volta che volo e io sono
fuori tempo quindi se vuoi saperne di più
sentiti libero di unirti al nostro canale lento così
se hai intenzione di procurarti la tecnologia
vedrai un modulo di invito molto grande con
la tua email hai appena messo la tua email lì
e non abbiamo davvero tempo per
domande ma sarò in giro anche sentire
libero di inviarmi e – mail o seguirmi
Twitter e parlerò
anche domani, quindi trovami e chiedimi
più domande se li avete ringraziare
tu
[Applausi]
Please follow and like us: