AI en ML nieuws in het Nederla... Notitie

AI en ML nieuws in het Nederlands

“AI & ML News is een verzameling technologische notities gericht op kunstmatige intelligentie en machinaal leren. Het verzamelt actueel nieuws en recensies van de nieuwste ontwikkelingen op het gebied van AI en ML. De feed beslaat een breed scala aan onderwerpen, waaronder nieuwe algoritmen, toepassingen en onderzoek. Het belicht trends in de sector en de impact van AI en ML op verschillende sectoren van de economie. Het materiaal behandelt gebieden zoals neurale netwerken, deep learning en natuurlijke taalverwerking. Er wordt gekeken naar voorbeelden van AI-toepassingen in de gezondheidszorg, de financiële sector en andere sectoren. De publicaties zijn interessant voor zowel specialisten - ontwikkelaars en data-analisten - als iedereen die geïnteresseerd is in de ontwikkeling van AI-technologieën. Kwesties als AI-ethiek en gegevensprivacy komen aan bod. De feed laat lezers kennismaken met belangrijke spelers op de AI-markt - van grote bedrijven tot veelbelovende startups. Er wordt informatie gegeven over tools en platforms voor de ontwikkeling van AI-systemen. “AI & ML News” wil objectieve en actuele informatie bieden over de ontwikkeling van kunstmatige intelligentie en machinaal leren.

Notitie-draad

CdXz5zHNQW_1XAuQPcNYE.jpeg
Ben je enthousiast om je te verdiepen in de wereld van machine learning maar voel je je een beetje overweldigd door de wiskunde en statistiek? Maak je geen zorgen, je bent niet de enige! Veel beginnende datawetenschappers vinden deze onderwerpen intimiderend. Het goede nieuws is dat er een overvloed aan gratis online cursussen is die je kunnen helpen een solide basis op te bouwen.Coursera:Machine Learning by Andrew Ng: Deze legendarische cursus geeft je niet alleen een introductie tot machine learning-concepten, maar geeft je ook een sterke wiskundige onderbouwing. Mathematics for Machine Learning by Imperial College London: Als je op zoek bent naar een diepgaande duik in de wiskundige concepten, is deze cursus een geweldige keuze.edX:Introduction to Machine Learning by Microsoft: Deze cursus biedt een uitgebalanceerde aanpak door de basisprincipes van machine learning te combineren met de nodige wiskundige kennis. Fundamentals of Data Science by Columbia University: Een breder perspectief op datawetenschap, inclusief statistiek en machine learning, wordt geboden in deze cursus. MIT OpenCourseWare:Introduction to Algorithms: Hoewel dit niet strikt over machine learning gaat, legt deze cursus een sterke basis in algoritmen en datastructuren, essentieel voor het begrijpen van machine learning-concepten. Probability and Random Variables: Een diepgaande duik in de kansrekening is cruciaal voor het begrijpen van veel machine learning-algoritmen.Khan Academy:Linear Algebra: Een uitgebreide bron om lineaire algebra te leren, een fundamenteel onderwerp in machine learning.Calculus: Calculus is een ander essentieel wiskundig concept dat in detail wordt behandeld op Khan Academy.Statistics and Probability: Een goed begrip van statistiek en kansrekening is essentieel voor data-analyse en machine learning.Onthoud: Hoewel deze cursussen waardevolle bronnen bieden, zijn consistente oefening en praktijkervaring de sleutel om deze onderwerpen onder de knie te krijgen. Begin met de basisprincipes en verhoog geleidelijk de complexiteit naarmate je meer zelfvertrouwen krijgt. Met toewijding en de juiste bronnen ben je goed op weg om een bekwame machine learning-beoefenaar te worden.Veel leerplezier!
In 2024, de Europese AI-sector liet een opmerkelijke veerkracht zien in venture capital-financiering, met vanaf augustus 14 investeringen die de 100 miljoen dollar overstegen. Dit staat in contrast met het algehele uitdagende klimaat voor startups, waarbij financiering moeilijk te verkrijgen was. AI is met name naar voren gekomen als een sterke investeringssector, gedreven door de hoge kosten die gepaard gaan met de ontwikkeling van AI-technologieën en de intense concurrentie om talent.Belangrijke hoogtepunten uit de belangrijkste AI-deals in Europa dit jaar zijn: - Wayve: Deze in Cambridge gevestigde startup haalde 1,05 miljard dollar op om zijn autonome rijtechnologie te verbeteren, wat de grootste enkele financieringsronde markeert voor een AI-bedrijf in Europa. Wayve richt zich op de verkoop van zijn AI-technologie aan autofabrikanten in plaats van zelf voertuigen te produceren. - Mistral: Een prominente speler in het bouwen van grote taalmodellen, Mistral heeft meer dan 1 miljard dollar opgehaald via twee belangrijke financieringsrondes van 431 miljoen dollar en 650 miljoen dollar. Het bedrijf legt de nadruk op open-sourcetechnologie en is aantrekkelijk voor ondernemingen en ontwikkelaars. - Helsing: Deze Duitse startup, die zich richt op AI voor defensietoepassingen, heeft 484 miljoen dollar binnengehaald. De technologie is bedoeld om defensie-systemen en -mogelijkheden te verbeteren, met name in het licht van geopolitieke spanningen in Europa. - Poolside: Gericht op softwareontwikkelaars, haalde Poolside 400 miljoen dollar op om AI-tools te ontwikkelen die softwareontwikkelingsprocessen stroomlijnen. - DeepL: Bekend om zijn AI-aangedreven vertaaldiensten, haalde DeepL 320 miljoen dollar op, met de nadruk op de B2B-markt met ongeveer 100.000 zakelijke klanten. - H: Voorheen Holistic AI, haalde deze startup 220 miljoen dollar op als een seedronde, met als doel AI-agenten te ontwikkelen voor taakautomatisering en besluitvorming. - Flo Health: De in Londen gevestigde app voor vrouwengezondheid haalde 200 miljoen dollar op en werd daarmee de eerste puur digitale gezondheidsapp die een waardering van meer dan 1 miljard dollar bereikte. - Pigment: Deze Parijse startup, die oplossingen voor enterprise resource planning biedt, haalde 145 miljoen dollar op en integreerde AI in zijn aanbod.Over het geheel genomen wordt het Europese AI-landschap gekenmerkt door substantiële financieringsrondes en een focus op fundamentele technologieën, waarbij steden als Parijs zich profileren als belangrijke hubs voor AI-ontwikkeling.
CdXz5zHNQW_1dHclHl6ue.jpeg
Overzicht Als ML-engineer bij Substack speel je een cruciale rol bij het ontwikkelen en implementeren van geavanceerde machine learning-oplossingen om ons productaanbod te verbeteren. Je maakt deel uit van een dynamisch team en werkt nauw samen met software engineers en data scientists om machine learning-modellen in onze codebase in te voeren en ze naadloos in onze producten te integreren. Deze rol biedt een geweldige kans om de toekomst van onze technologische stack vorm te geven en een grote impact te maken.Het vergoedingspakket van Substack omvat een marktconform salaris, aandelen voor alle fulltimefuncties en buitengewone secundaire arbeidsvoorwaarden. Ons salarisbereik voor deze rol ligt tussen de $ 185.000 en $ 240.000. De uiteindelijke aanbieding is afhankelijk van meerdere factoren, waaronder ervaring en deskundigheid van de kandidaat, en kan afwijken van de bovenstaande bedragen.Verantwoordelijkheden - Substack leiden bij het toepassen van ML en integreren van ML-tools en -technieken - Samenwerken met multidisciplinaire teams om machine learning-mogelijkheden te identificeren en definiëren die aansluiten bij onze productroadmap - Machine learning-modellen ontwikkelen, trainen en implementeren met Python en populaire ML-frameworks - Klaar voor gebruik zijnde ML-tools en -systemen gebruiken om de mogelijkheden van Substack te versnellen om ML-functionaliteit in zijn producten en workflows op te nemen Machine learning-modellen en -pipelines integreren in onze belangrijkste JavaScript-/TypeScript-apps - ML-modellen optimaliseren en verfijnen voor prestaties, schaalbaarheid en efficiëntie - Ontwerpen en implementeren van datapijplijnen voor gegevensvoorbewerking, feature engineering en modeltraining - Geïntegreerde productervaringen en interne tools implementeren en beherenVereisten - 7+ jaar relevante ervaring met data- en ML-systemen - Uitstekende programmeervaardigheden in Python en ervaring met Python-bibliotheken die veel worden gebruikt bij machine learning (bijv. Transformers en Tensorflow) - Solide kennis van machine learning-algoritmes, deep learning en statistische modellering - Onafhankelijk en autonoom. We zijn te klein om mensen op de vingers te kijken en verwachten dat iedereen in het bedrijf zijn werk beheerst en leiderschap toont. - Jezelf en anderen hoge standaarden stellen bij het werken met productiesystemen. - Samenwerken met een diverse groep belanghebbenden leuk vinden en je eigen unieke ervaring en achtergrond in het team inbrengenWenselijk - Vaardig in Node.js en JavaScript voor naadloze integratie van machine learning-modellen in onze codebase - Bekendheid met cloudplatforms (bijv. AWS of Modal) - Ervaring met schaalbare consumenten-webtoepassingenSubstack is een werkgever die gelijke kansen biedt. Alle sollicitanten worden in aanmerking genomen voor een baan, ongeacht ras, kleur, religie, geslacht (inclusief zwangerschap, seksuele geaardheid, genderidentiteit of transgenderstatus), leeftijd, nationale afkomst, veteranen- of invaliditeitsstatus. We zijn op zoek naar mensen die gepassioneerd zijn over het mogelijk maken van onafhankelijke meningsuiting en het opbouwen van een beter bedrijfsmodel voor makers. Als je wilt zien wat media, communities en content kunnen worden als ze loskomen van advertentiemodellen en je de vaardigheden en ervaring hebt om bij te dragen, dan horen we graag van je.
Bijna 200 werknemers bij Google DeepMind, de AI-onderzoeksafdeling van het bedrijf, hebben een brief ondertekend waarin ze het bedrijf dringend verzoeken om de contracten met militaire organisaties te beëindigen.  De brief van 16 mei, die door TIME werd onthuld, benadrukt de groeiende bezorgdheid binnen de organisatie over de ethische implicaties van het gebruik van zijn AI-technologie voor digitale oorlogsvoering. De ondertekenaars vertegenwoordigen ongeveer 5% van het personeelsbestand van DeepMind en noemen de contracten van het bedrijf om AI- en cloudcomputingdiensten te leveren aan verschillende regeringen, waaronder het Israëlische leger in het kader van Project Nimbus.Google-medewerkers maken zich zorgen dat hun AI wordt gebruikt in oorlogsvoering.De werknemers betogen dat een dergelijke betrokkenheid in strijd is met Google's eigen AI-principes, die stellen dat het bedrijf geen AI-toepassingen zal nastreven die 'algemene schade' veroorzaken of bijdragen aan bewapening en bewaking. Hoewel de brief afziet van het noemen van een specifiek geopolitiek conflict, bevat deze koppelingen naar rapporten waarin wordt beweerd dat Israëlische militaire operaties AI gebruiken voor bewaking en doelgericht treffen. Hoewel DeepMind altijd het beleid heeft gehanteerd om zijn technologie niet voor militaire doeleinden te gebruiken, is het bedrijf sinds zijn overname in 2014 steeds nauwer verbonden geraakt met de bredere activiteiten van Google, wat heeft geleid tot nauwere banden met militaire contracten. Ondanks de eisen in de brief, waaronder een herziening van de technologie van DeepMind die door militaire klanten wordt gebruikt en de oprichting van een nieuw bestuursorgaan, heeft Google geen beslissende actie ondernomen. TechRadar Pro heeft het bedrijf gevraagd om commentaar te geven op de interne brief van medewerkers, maar we hebben geen onmiddellijke reactie ontvangen.  Een van de ondertekenaars van de brief uitte zijn ontevredenheid over de reactie van Google op de klacht tegen TIME en verklaarde dat de verklaring van het bedrijf over Project Nimbus "zo specifiek niet-specifiek is dat we allemaal niet wijzer zijn geworden over wat het eigenlijk betekent.
CdXz5zHNQW_dufSnWtrrX.jpeg
CdXz5zHNQW_GEQ4HPEs5i.jpeg
CdXz5zHNQW_LL4HTs3TLM.jpeg
CdXz5zHNQW_dLgS4NZnT9.jpeg
AI21 Labs heeft de Jamba 1.5 Model Family geïntroduceerd, die nu beschikbaar is als openbare preview in Google Cloud's Vertex AI Model Garden. De familie bevat twee modellen: Jamba 1.5 Mini, ontworpen voor efficiënte en lichte taken zoals klantenservice en tekstgeneratie, en Jamba 1.5 Large, dat uitblinkt in geavanceerde redeneertaken zoals financiële analyse. Beide modellen beschikken over een contextvenster van 256 kB en gebruiken de Mamba-Transformer-architectuur, wat efficiënte verwerking en geavanceerde ontwikkelaarsfuncties biedt, zoals het aanroepen van functies, optimalisaties voor Retrieval-Augmented Generation (RAG) en gestructureerde JSON-uitvoer.Deze modellen zijn op maat gemaakt voor bedrijfsapplicaties, met name op gebieden zoals klantenservice, financiële analyse en het maken van inhoud. Ze kunnen bijvoorbeeld lange documenten samenvatten, inzichten uit financiële gegevens extraheren en inhoud van hoge kwaliteit genereren. De Jamba 1.5-modellen maken deel uit van de bredere inzet van Google Cloud voor een open en flexibel AI-ecosysteem, waardoor zakelijke gebruikers de mogelijkheid hebben om oplossingen te bouwen die het beste aan hun behoeften voldoen.Beschikbaar op Vertex AI, breiden deze modellen het aanbod van het platform uit, dat meer dan 150 modellen omvat, waardoor gebruikers de beste tools voor hun projecten kunnen kiezen. Vertex AI ondersteunt eenvoudig experimenteren, aanpassing en implementatie van deze modellen, wat resulteert in geoptimaliseerde prestaties, kostenbeheer en veilige implementatie. Ontwikkelaars kunnen toegang krijgen tot deze modellen via eenvoudige API-aanroepen en deze implementeren met behulp van de beheerde infrastructuur van Google Cloud, die robuuste beveiligings- en compliance-functies biedt.Aan de slag gaan met de Jamba 1.5-modellen is eenvoudig. Gebruikers kunnen de modellen rechtstreeks uit Vertex AI Model Garden of Google Cloud Marketplace selecteren en inschakelen. Google Cloud blijft samenwerken met partners zoals AI21 Labs om geavanceerde AI-mogelijkheden te leveren, zodat ontwikkelaars toegang hebben tot de nieuwste ontwikkelingen in AI-technologie.
CdXz5zHNQW_kfrguXguxE.jpeg
Het artikel bespreekt de evolutie en impact van generatieve AI (GenAI) bij het automatiseren van complexe kantoorwerkzaamheden, met name documentenextractie. De auteur reflecteert op zijn ervaring als machine learning engineer bij LinkedIn, waar het accuraat interpreteren van functiebenamingen in verschillende talen en regio's een uitdagende taak was. Met de komst van grote taalmodellen (LLM's) zoals GPT-4 zijn taken die ooit moeilijk waren, zoals het begrijpen en standaardiseren van cv's, triviaal geworden. Het echte potentieel van GenAI ligt in het automatiseren van kantoorwerkzaamheden waarbij inzichten uit documenten moeten worden gehaald, een taak die een aanzienlijk deel van het wereldwijde BBP uitmaakt. Voorbeelden zijn kostenbeheer, beoordeling van gezondheidsclaims en het verstrekken van kredieten. Hoewel bekend is dat LLM's in sommige contexten hallucinaties oproepen, blinken ze uit in redeneren over tekst wanneer ze gebaseerd zijn op specifieke invoerdocumenten. De sleutel tot succesvolle documentenextractie met behulp van LLM's is schone tekstconversie en robuust schemaontwerp, wat consistente en accurate uitvoer garandeert. De auteur benadrukt het belang van het correct extraheren van tekst, waarbij het gaat om het verwerken van complexe opmaak en annotaties. Ze delen hun ervaring met het bouwen van Docupanda.io, een SaaS-oplossing die is ontworpen om de uitdagingen van documentbegrip aan te pakken door schone tekstrepresentaties te genereren en zich te houden aan vooraf gedefinieerde schema's. Het artikel benadrukt dat het definiëren van deze schema's cruciaal is en dat AI kan helpen bij het verfijnen ervan door middel van iteratieve feedback. Ten slotte moedigt de auteur aan om het gebruik van LLM's voor het reguleren van documentverwerking te onderzoeken en suggereert dat de echte "killerapp" van GenAI het vermogen is om op documenten gebaseerd kantoorwerk te transformeren.
CdXz5zHNQW_gZEuCrmBfg.jpeg
Google Cloud heeft de ondersteuning voor NVIDIA L4 GPU's voor Cloud Run geïntroduceerd, nu in preview, waardoor ontwikkelaars real-time AI-inferentie kunnen uitvoeren met gemak. Deze upgrade is vooral gunstig voor toepassingen die gebruikmaken van open generatieve AI-modellen, zoals Google's Gemma en Meta's Llama. Belangrijke functies zijn snelle automatische schaling, schalen tot nul en betalen per gebruik, waardoor Cloud Run ideaal is voor het verwerken van variabele gebruikersverkeer en kostenoptimalisatie.Met deze nieuwe mogelijkheid kunnen ontwikkelaars lichte modellen implementeren voor taken zoals aangepaste chatbots en documentensamenvatting, of meer compute-intensieve toepassingen zoals beeldherkenning en 3D-rendering. De NVIDIA GPUs verbeteren de prestaties door AI-inferentieprocessen te versnellen, laag latentie en efficiënte schaling te bieden, terwijl Cloud Run's infrastructuur de onderliggende complexiteit beheert.Vroege adoptanten, zoals L'Oreal en Chaptr, hebben de GPU-integratie geprezen voor zijn lage opstarttijden, schaalbaarheid en gebruiksgemak. De GPU-ondersteuning is momenteel beschikbaar in de regio US-central1, met plannen om uit te breiden naar Europa en Azië tegen het einde van het jaar.Om een dienst met NVIDIA GPU's op Cloud Run te implementeren, kunnen ontwikkelaars GPU-vereisten specificeren via de opdrachtregel of de Google Cloud-console. Bovendien ondersteunt Cloud Run nu functies met GPU-bijlagen, waardoor event-driven AI-inferentie taken worden vereenvoudigd.