WEBVTT 00:00.940 --> 00:04.150 Merhaba ve yapay zeka dersine tekrar hoş geldiniz. 00:04.150 --> 00:09.070 Pekâlâ, bu yüzden şimdiye kadar bu dersin tadını çıkardığınızı umarız, neredeyse yakında, kısa 00:09.070 --> 00:13.390 sürede çok yakında pratik taraf olan şeylere değineceğimiz birkaç küçük şey var. 00:13.510 --> 00:20.320 Pekâlâ, önceden CULE öğrenme bütün denklemine sinir ağları eklememiz ve bir sonraki 00:20.350 --> 00:25.360 aşamaya geçmemiz ve derin öğrenmeye dönüştürmemiz hakkında konuşalım. 00:25.690 --> 00:33.130 Ve bugün, şeylerin pratik tarafında kodlanacak ekstra önemli bir özellik ekleyeceğiz, bu nedenle başlık 00:33.130 --> 00:39.100 ve şeylerin sezgisel tarafında sık sık örtünmesi sizin için daha hazır 00:39.100 --> 00:42.430 olduğunuza karar verdim. şeylerin kodlama tarafında olduğunda. 00:42.430 --> 00:47.950 Dolayısıyla tartıştığımız gibi orada iki bölüm var ağ var. 00:47.950 --> 00:53.110 Her şeyden önce, ağın aslında her yeni devletle birlikte öğrenmesi öğrenimdir. 00:53.270 --> 00:58.870 Bu ortamla uğraşırken, daha iyi ve daha iyi olabilmek için bekleyişlerini yavaş yavaş günceller. 00:58.870 --> 01:06.910 Ve sonra devlet içinde hareket ediliyor böylece q değerleri devlette sayıldıktan sonra 01:06.970 --> 01:08.220 seçildikten sonra. 01:08.230 --> 01:14.800 Bu yüzden bugün hala öğrenme kısmından bahsedeceğiz, bu özelliği kendimiz belirlemek için lisans 01:14.800 --> 01:20.050 düzeyinde yardımcı olacak ilginç bir özellik ortaya çıkacağız, ancak bunun 01:20.080 --> 01:29.690 için çok önemli olan bir özellikten söz edeceğiz derin ve serin bir öğrenme ve bu özellik tekrarlama denir. 01:29.710 --> 01:30.030 Tamam. 01:30.040 --> 01:34.570 İşte şebekemiz bu yüzden burada kopyaladık. 01:34.570 --> 01:39.000 Kaybettik, alttaki Calcott, şebeke üzerinden propaganda yapıyor. 01:39.100 --> 01:44.770 Ve biraz daha iyi bir şekilde uğraştığımız sorunu anlamak için ne yapacağımızın bir örneğine 01:44.770 --> 01:45.670 göz atalım. 01:45.670 --> 01:49.120 Yani aslında skorlardan bir örnek. 01:49.120 --> 01:54.820 Bu, tam olarak bu dersten çekilmiş bir ekran görüntüsü, programlamanız gereken şey bu. 01:54.820 --> 02:02.170 boyunca sürüş yapıyor ve bu yolda gezinmeyi öğrenmesi gereken kendi kendine çalışan bir otomobil. 02:02.170 --> 02:03.780 Bu, bu yol 02:03.820 --> 02:09.290 Ve daha önce tartıştıklarımızın anlamı nedir Bu durum bu haldedir. 02:09.320 --> 02:15.850 Ve elbette devlet, x1 x2 olmayacak Lundell, devletin ne olduğunu anlamanızı, aracın 02:15.850 --> 02:23.650 açısına ve bazı alakalı parametrelerle alakalı olan parametrelerin bir çift olacağına çok daha ayrıntılı olarak 02:23.650 --> 02:26.490 tarif eder. okuma ve benzeri. 02:26.490 --> 02:29.820 Dolayısıyla devleti tanımlamak için daha fazla parametre olacak. 02:29.830 --> 02:34.120 Fakat yine de bir sinir ağı vasıtasıyla gidecek bir vektör vektörü olacak ve 02:34.120 --> 02:36.520 ardından çıktıda bazı ACU değerlerine sahip olacaksınız. 02:36.520 --> 02:39.850 Yine çevreye göre bir fark olacak. 02:39.850 --> 02:44.380 Olası eylemler için farklı sayıda eylem olabilirler. 02:44.460 --> 02:49.660 Ancak, basitlik uğruna, burada olup bittiğini daha iyi anlayabilmemiz için bizim 02:49.660 --> 02:50.830 için bırakacağız. 02:50.830 --> 02:55.710 Bu durumda bu durumda şu ana kadar ne olduğu sorusu nedir? 02:55.730 --> 03:03.510 Bu, bu sinir ağına girer veya daha ne kadar sıklıkla bu sinir ağı tetiklesin. 03:03.520 --> 03:05.080 Bu sinir ağı büyüme sıklığı. 03:05.110 --> 03:11.410 duruma geldiğinde arabanın harekete geçmesi sonunda yeni bir duruma geçer ve sonra her şey geçer. 03:11.530 --> 03:12.650 Araba yeni bir 03:12.670 --> 03:17.410 Devletle ilgili tüm bu veriler ağ üzerinden gider ve Alice hesaplanan hataları 03:17.650 --> 03:18.200 verir. 03:18.280 --> 03:22.960 Bu hata, önceki derslerde tartıştığımız bilgilere dayanarak hesaplanmıştır. 03:22.990 --> 03:26.080 Bu geri yayılır ve ağırlıkları güncellenir. 03:26.080 --> 03:32.570 Ardından otomobil hangi eylemi yapacağını seçer, bu hareket bu yeni devrede yeni bir duruma gelir. 03:32.590 --> 03:34.390 Her şey baştan başlar. 03:34.450 --> 03:39.880 Ve böylece temelde otomobil her vardiyada olur ve siz de bu örneğe bir göz atın demiştiniz. 03:39.880 --> 03:46.240 Özellikle ekran görüntüsünü aldım, çünkü deneyim tekrarlama ve masraflar yoluyla anlatılan problemi, yalnızca bu 03:46.240 --> 03:51.430 derste veya bu spesifik problemde kullandığımız bir şeyi değil, çok güzel 03:51.430 --> 03:52.730 bir şekilde gösteriyor. 03:52.810 --> 03:57.190 Bu, boyunca kullanıldığını göreceğiniz bir şey. 03:57.340 --> 04:04.480 Yapay zeka algoritmalarında tekrar tekrar ve tekrar tekrar, çünkü o kadar güçlü ve çok 04:04.480 --> 04:05.140 önemlidir. 04:05.140 --> 04:11.440 Bu arabaya bu arabada bu arabada bakın ya da bu ortamda amacımız buradan buraya ve 04:11.440 --> 04:12.440 arkaya gelmektir. 04:12.440 --> 04:17.540 Amacý kumdan yapýlan bu duvarlarý geçmeden buraya gelmektir. 04:17.790 --> 04:24.430 Ve arabanın burada başladığı yere düştü ve onun ödülünü size dayandırdığı gibi başlamak ne kadar yakın 04:24.430 --> 04:25.120 olduğunu biliyor. 04:25.120 --> 04:29.890 Böylece araba buradan inip gitti ve şu şekilde ya da deniz kıyısında bu 04:29.890 --> 04:31.490 duvar boyunca böyle devam etti. 04:31.570 --> 04:34.990 Ve sonra ne yapacağız dönmeye devam edecek devam edecektir. 04:34.990 --> 04:37.450 Peki biz yapmak istedim burada devam edin. 04:37.690 --> 04:39.490 Ama bir saniye düşünelim. 04:39.580 --> 04:44.240 Bir kere bu duvara girdiğinde ileri doğru ilerlediğinde ileri gider. 04:44.260 --> 04:48.570 İleriye hareket eder ileri hamle ileri hamle ileriye hamle ileri hamle ileri böylece hamle. 04:48.580 --> 04:53.320 Dolayısıyla yapıya bağlı olarak, burada yüz hamle veya 50 hamle gibi olabilecek 04:53.320 --> 04:54.710 bir durum olabilir. 04:54.990 --> 04:59.100 Bunun için ileriye doğru ilerlemeye devam ediyor ve hiçbir şey değişmiyor. 04:59.160 --> 05:03.310 Değil gerçekten değişir yol daha fazla yol bu hikaye daha yakın başladı. 05:03.310 --> 05:04.060 Bu çok şirin. 05:04.210 --> 05:09.990 Ancak çevredeki çevre açısından pek çok şey değişiyor, hala aynı duvarı değiştiriyor. 05:10.090 --> 05:15.460 Arabada oturuyorsanız muhtemelen gördüğünüz şeyi sürdüğünüzde durumun gördüğü şey, 05:15.460 --> 05:21.220 ortamın çok monoton olduğu gibi, aynı şeyin geçip gittiğini 05:21.220 --> 05:21.840 görüyorsunuzdur. 05:21.840 --> 05:26.680 Ama sanırım bir çölden geçiyorsun ve aynı şeyi görüyorsun aynı ses, 05:26.680 --> 05:29.100 hiçbir şey olmamış gibi geliyor. 05:29.100 --> 05:30.340 Hiçbir şey değişmiyor. 05:30.550 --> 05:36.820 Ve temel alınır, ancak her seferinde o devleti buraya yeni devlet koyuyoruz. 05:37.000 --> 05:42.010 için bir şey değişiyor olabilir ve GPS, hedefinize daha yakın olduğunuzu gösterir. 05:42.010 --> 05:43.530 Elbette arabayı sürerken, bizim 05:43.540 --> 05:49.300 Dolayısıyla bu girdilerden biri garip ancak bu diğer girdilerin birçoğu, 05:49.300 --> 05:55.850 örneğin değiştirmedikleri arabadaki sensörler ve bu nedenle girmek için bu gün 05:55.850 --> 06:02.380 yavaşlarken girdileri kendinize yerleştiriyorlar. Buraya burada burada burada burada girişler hemen 06:02.380 --> 06:03.220 hemen aynıdır. 06:03.250 --> 06:11.140 Ve aynı girişleri aynı değerleri girerek vektör veya çok benzer vektörlerle ağınıza 06:11.140 --> 06:14.240 girmeye devam ederseniz, çeşitlilik kalmaz. 06:14.320 --> 06:16.840 Araba çok iyi öğrenecek. 06:16.870 --> 06:22.420 Sağ tarafta olan bu duvar boyunca nasıl sürüleceğini çok iyi öğreneceğiniz bir şey olacak ve böylece 06:22.420 --> 06:27.970 ağ nasıl güncellenecek ve ödül alacak yavaş yavaş sürüş için ödül almaya başlayacak gibi olacak gibi 06:27.970 --> 06:28.570 olacak. 06:28.580 --> 06:33.980 Tamam buradan kadar öğreniyorum hepsini çok iyi yapıyorum iyiyim iyiyim daha iyiyim. 06:34.050 --> 06:34.420 Hepsi bu. 06:34.480 --> 06:41.920 Bu yanlış algılamaya sahip olacak, ancak diğer sinir ağı çok iyi 06:41.920 --> 06:47.560 sürüşe adapte olacak ve aniden bu eğri var 06:47.560 --> 06:51.100 ve araba doesn Ne yapacağımı biliyorum. 06:51.310 --> 06:55.240 Ve tamamen bu sinir ağı ile uymuyor. 06:55.420 --> 07:01.870 Ve öyle olsa bile, sadece bir şekilde varsayımsal olarak bir nokta geçip sonra da bu duvarda sona erdiğini 07:01.870 --> 07:02.250 söyleyelim. 07:02.260 --> 07:05.320 Aynı şey burada olacak, burada buradan gidiyor olacak. 07:05.320 --> 07:10.870 Tamam şimdi sinir ağı bu duvara adapte olmak için yeniden yapılandırılıyor ve sonra bu şey bam oluyor. 07:10.900 --> 07:15.880 Ve sonra nasıl olsa bir şey geçerse, bu şeyin ötesine geçecek ve aynı şey bu çizgide 07:15.880 --> 07:16.260 ilerleyecektir. 07:16.260 --> 07:23.590 şekilde birbirine bağımlı olduğu normal ortamlarda var ve bu karşılıklı bağımlılığın ağımızı öngörmemesini istemiyoruz. 07:23.590 --> 07:29.770 Temelde bu, şu anda sahip olduğumuz problemin çok canlı bir örneğidir; çünkü 07:29.770 --> 07:36.490 sinir ağı kullandığımız yol her bir devlette güncellenirken ardışık bir sürü şey bulunduğunda 07:36.880 --> 07:44.950 onlar olmak zorunda bile değiller. Aynıdır ancak ardışık devletlerin bir şekilde birbiriyle ilişkili olduğu ya da 07:44.980 --> 07:45.550 bir 07:45.550 --> 07:52.600 Aracın sadece düz bir çizgi veya uzun eğri bir çizgi gibi nasıl sürdüğünü öğrenmesini 07:54.100 --> 08:01.750 istemiyoruz ya da hayatında bir aracının nerede olacağını düşündüğünüz bir şey gibi Navigant ortamında, birbiriyle 08:01.780 --> 08:10.570 ilişkili olarak düşünebileceğimiz bir şey gibi veya birbirine bağlı devletler, sizin sinir ağınızı gerçekten berbat edebilecek birbiri 08:10.630 --> 08:12.130 ardına gelir. 08:12.190 --> 08:15.270 Ajanun bundan öğrenmesine izin vereceksen. 08:15.430 --> 08:17.600 Ve deneyim yeniden oynamanın geldiği yer. 08:17.620 --> 08:24.850 Deneyim tekrarlandığında yaşananlar bu deneyimlerdir, bu yüzden bu olaylar bir iki üçte ancak 08:24.850 --> 08:31.040 burada nöroda 50 eyalette olduklarını belirtiyor ve ağ üzerinden hemen geçemiyorlar. 08:31.350 --> 08:35.980 Aslında ajanın hafızasına kaydedilirler. 08:36.160 --> 08:41.440 Ve bu nedenle tüm bunları kaydeder ve kodlayabilmeniz için belirli bir eşiğe ulaştığında bunları ve 08:41.590 --> 08:44.940 bazılarını bir noktaya kaydeder ve Atlanta bunu nasıl yapacağınızı gösterir. 08:45.100 --> 08:51.310 Belirli bir eşiğe ulaştığında, ajan kendisi için karar verir, öğrenme zamanı. 08:51.310 --> 08:57.580 Sahip olduğum deneyimler topluluğum var, bundan öğrenemeyeceğim ve böylece rasgele bir 08:57.580 --> 09:04.120 şekilde tek bir dağıtım ve tekdüzelik seçiyor burada önemli çünkü burada 09:04.240 --> 09:06.460 bir sonraki slaytta konuşacağız. 09:06.820 --> 09:08.140 Biz kitap bunu söz edeceğiz. 09:08.140 --> 09:12.400 Ancak eşit dağılmış bir örnek alır. 09:12.460 --> 09:15.660 Temelde tüm deneyimler eşit kabul edilir. 09:15.670 --> 09:23.410 her deneyimin dört unsuru bir devlette belirtilir eylem iki devlet ve ödül ve böylece tüm bu deneyimleri 09:23.410 --> 09:28.060 alır ve sonra onları ağ üzerinden geçirir ve öğrenir. 09:28.060 --> 09:33.130 Deneyim topluluğundan tekdüze bir şekilde dağıtılan örnek alır ve ardından onlardan 09:33.130 --> 09:39.940 geçer ve onlardan öğrenir, böylece tüm deneyimleri ele geçirmez veya sadece bir çiftini alabildiği örnekleri 09:40.000 --> 09:47.110 tekdüzeli olarak dağıtmasını sağlar. Burada burada bir çift var ve her deneyimin, içinde bulunduğu duruma ve 09:47.110 --> 09:53.470 bu özel durumdaki bu eylem yoluyla sağladığı ödülün alındığı eylemde bulunduğu devlet tarafından karakterize 09:53.470 --> 09:54.660 edilir; bu nedenle, 09:54.660 --> 10:05.160 Ve bu şekilde tecrübenin ardışık doğasından gelen önyargı modelini, birbiri ardına şebeke aracılığıyla sanki 10:05.160 --> 10:08.110 ağzınıza koymuş gibi kopar. 10:08.340 --> 10:11.930 Bu yüzden oynadığımız en önemli deneyim odağı bu. 10:11.930 --> 10:17.730 Sorun ve adres budur ve deneyim tekrar oynamanın bir başka yararı da 10:17.730 --> 10:22.400 böyle bir ortamda bazen çok değerli nadir deneyimler yaşamanızdır. 10:22.410 --> 10:28.340 Mesela ben bilmiyorum, bu köşeye bakalım doğru köşe olduğuna izin verelim diyelim. 10:28.440 --> 10:28.730 Sağ. 10:28.740 --> 10:30.880 Ve çok keskin bir keskin. 10:30.900 --> 10:35.640 Dolayısıyla, bu köşeyi kucaklayacağını varsayıp buradan gelecektir. 10:35.640 --> 10:40.500 Bu yüzden sana doğru köşeleri salladığımız için burada bir doğru 10:40.500 --> 10:43.410 köşe ve bir sağ köşe yapacağız. 10:43.680 --> 10:46.240 Doğru, o zaman bu şekilde doğru geliyor. 10:46.380 --> 10:48.630 Ve sonra geri döndüğünde burada keskin bir sağ köşede. 10:48.620 --> 10:53.070 Dolayısıyla bu olay dükkanda bu kadar keskin değil, bu nedenle tüm çevrede 10:53.640 --> 10:56.770 keskin bir sağ köşeden öğrenecek tek bir fırsat var. 10:56.970 --> 11:03.050 Ve bu çok önemli bir deneyimdir çünkü düz çizgiler boyunca sürüş gerçekten çok iyi olabilir, 11:03.060 --> 11:06.990 bunun gibi yumuşak köşelere benzer şekilde gerçekten iyi olur. 11:07.170 --> 11:14.070 karıştırmaya devam edecek çünkü basitçe ondan öğrenmek için o kadar çok şansa sahip değil ve bu nedenle her şeyi 11:14.070 --> 11:18.070 çok çabuk öğrenecek, ancak doğru öğrenmek uzun zaman alacaktır elbette. 11:18.070 --> 11:20.180 Ve sonra bu keskin sağ köşeyi 11:20.180 --> 11:26.010 Çok basitleştirilmiş bir örnek çok basitleştirilmiş bir açıklama ancak bazen de 11:26.280 --> 11:30.140 değerli olabilecek nadir deneyimler olan kavramı göstermektedir. 11:30.270 --> 11:35.880 Ve burada değerlerinizi koyduğunuz basit bir sinir ağı kuruyorsanız ve yaşadıklarını 11:35.880 --> 11:40.950 bilirsiniz ve tecrübelerin ardışık doğası ve nasıl olabileceği sorununu unutsanız 11:40.950 --> 11:45.690 bile biliyorsunuzdur. birbirine bağımlı ve tüm korelasyonlu Thimphu bir saniyeliğiyle 11:45.680 --> 11:46.640 bile unutturuyor. 11:46.800 --> 11:52.110 kez bir deneyim koyarsanız, ağlar üzerinden veri akıp giderseniz anında unutursunuz ancak bu deneyimi unutacaksınız. 11:52.120 --> 11:53.370 Ne olur bir 11:53.370 --> 11:54.380 Bir sonrakine geçersen. 11:54.420 --> 11:56.180 Sadece sinir ağı nasıl işliyor böyle. 11:56.220 --> 11:59.710 Sonra bir sonraki aşamaya geçeceksiniz ki bir sonraki adım sonraki deneyimin X deneyimini 11:59.780 --> 12:01.170 yaşaması ve böyle devam ediyor. 12:01.170 --> 12:06.180 Yani bir ağ geçtiğinde bu sağ köşe kayboldu ve o değerli tecrübenin hiçbir 12:06.510 --> 12:07.450 anısına sahip değilsiniz. 12:07.560 --> 12:14.220 geri geldiğinde en kısa sürede bu, bu deneyimi toplu olarak kaydetti. 12:14.220 --> 12:19.920 Bu tecrübeleri toplu olarak uyguladığınız için yeniden oynattığımız halde, bash'ınızı 12:19.920 --> 12:25.920 dönen bir pencere olarak düzenleyebilirsiniz, örneğin, 100 parti içerebilir. Partideki 12:25.920 --> 12:27.380 yüz deneyimleri buradan 12:27.390 --> 12:34.260 Sonra, bir noktada çalıştığı gibi onun deneyimler topluluğundan üniform bir dağılım alır ve daha sonra bu 12:34.260 --> 12:37.980 deneyimleri unutup bu deneyimlerini sürdüren bir dönen pencere vardır. 12:37.980 --> 12:44.160 Ve sonra tekrar öğrendiğinde bir kere burası bu toplu işten öğrenir ve sonra bir kere burası 12:44.280 --> 12:45.410 buraya kadar unutur. 12:45.420 --> 12:50.550 Ancak o zaman böyle deneyimler topluluğu vardır, bu yüzden bu deneyimlerden öğrenmeyin. 12:50.730 --> 12:58.380 Ve bu şekilde elde ettiğiniz şey, bu sağ köşe öğrenme sürecinde birkaç kez ortaya çıkabilmesidir 12:58.380 --> 13:03.480 çünkü toplu işte burada olduğu gibi burada toplu işlerde olduğu 13:03.480 --> 13:08.760 gibi bu toplu işte olduğu için çünkü birkaç abartma deneyimi 13:08.790 --> 13:11.430 yuvarlanan bir pencere olarak güncellenebilir. 13:11.430 --> 13:15.630 Böylece daha eski deneyimler yeni deneyimler eklendi ve daha sonra eski 13:15.630 --> 13:16.290 deneyim kazandı. 13:16.440 --> 13:23.040 Öyleyse deneyim edin ve arabayla ya da aracı arabada bir süre saklanır, bu deneyimden birkaç 13:23.040 --> 13:24.100 kez öğrenebilir. 13:24.210 --> 13:27.430 Bu, deneyim yeniden oynamanın bir diğer avantajı. 13:27.570 --> 13:33.480 Ve elbette en son avantaj, deneyim yeniden oynatma, bir kerede bir tane öğrenmektense 13:34.220 --> 13:39.290 daha çok tecrübe edinme fırsatı sağladığı için bu toplu işleve sahip 13:39.300 --> 13:46.710 olduğunuzdan ve dolayısıyla dönen bir pencere olduğundan çevreniz sınırlı olsa bile Deneyiminizi deneyimlemek için tekrar çalma 13:46.710 --> 13:49.260 yaklaşımı daha hızlı öğrenmenize yardımcı olabilir. 13:49.410 --> 13:55.230 Tekrar etmemek yerine birçok şeyi hızlı bir şekilde öğrenebilirsiniz çünkü birçok şeyi tekrar yapmanız 13:55.230 --> 13:55.710 gerekmez. 13:55.710 --> 13:57.440 Kurtarılan deneyimleriniz var. 13:57.810 --> 13:59.850 Bu, deneyimlerin başlıca avantajlarıdır. 13:59.910 --> 14:01.760 Onu bulduğumuz şeyi tekrar edelim. 14:01.840 --> 14:09.280 Bu deseni, ardışık deneyimlerin bağımsızlığı ve korelasyonu üzerine nadir bulunan deneyimleri 14:09.280 --> 14:15.640 kaydettiğimiz için önemsiyoruz, dolayısıyla onlardan daha sık öğrenebiliriz ve 14:16.090 --> 14:21.260 deneyim sahibi Fosler ortamlarını öğrenebildiğimiz ortamlarda öğreneceğiz. 14:21.520 --> 14:27.310 Ajanun geçtiği pek çok tecrübeye sahip olmayan deneyimlerimiz var ve yine 14:27.310 --> 14:29.180 de bunu öğrenebiliyoruz. 14:29.380 --> 14:32.470 Deneyim, her şeyi tekrarlar. 14:32.470 --> 14:34.530 Bundan biraz daha okumak istersen. 14:34.630 --> 14:41.290 2016 yılında derin akıl tarafından yayınlanan ilginç bir makaleye öncelikli deneyim 14:41.560 --> 14:44.380 replayı deniyor ve neden bahsediyor. 14:44.410 --> 14:50.860 Deneyimimizi Bachche deneyiminden seçmek için neden tekdüzeli bir dağıtım kullanıyoruz; neden deneyimlerimizi seçmek 14:50.860 --> 14:55.870 ve önemli olduğunu düşündüğümüz bazı deneyimlerin önceliğini bulmakta daha iyi 14:55.870 --> 14:57.160 bir yol bulamıyoruz. 14:57.220 --> 15:03.880 ilginç bir şey olsa da, bu durumda, sadece deneyim tekrarıyla ilgili 15:03.880 --> 15:11.800 bilginizi güçlendirmekle kalmayıp aynı zamanda güçlendiremezsiniz, ancak aslında teknolojinin en ileri teknolojisiyle hareket edebileceksiniz. 15:11.800 --> 15:12.660 Oldukça 15:12.660 --> 15:15.120 Yani bu 2016 ve derin akıllarla yayınlandı. 15:15.120 --> 15:21.580 Sınırları keşfedebilmeniz veya bu algoritmayı daha da keşfedebilmeniz ve bir sonraki seviyeye götürebilmeniz için 15:21.580 --> 15:24.530 çok yeni ve çok güçlü bir kağıt. 15:24.550 --> 15:31.270 İsterseniz bu kağıttan yeniden oynatmak için üniformayı farklı bir yaklaşımla neden ve nasıl 15:31.270 --> 15:33.810 değiştirebildiğimizi bulmak için sana bırakacağım. 15:33.940 --> 15:35.270 Ve umarım bu hoşunuza gidiyor. 15:35.270 --> 15:41.020 gerçekten ne olduğunu biliyoruz ve bunu pratik çevrelerimizde güvenle kullanabiliriz ve sizi bir dahaki sefere bekliyoruz. 15:41.440 --> 15:42.860 Tauriel ve şimdi deneyimlerin 15:42.940 --> 15:44.550 O zamana kadar AI zevk.