
Mentionsy

BM42: Sztuczna inteligencja i taksówki
Z tego odcinka dowiesz się:
- Jak optymalizacja pomogła firmie iTaxi?
- Jak podnieść atrakcyjność oraz usprawnić działanie firmy wykorzystująć uczenie maszynowe oraz sztuczną inteligencję?
- Jak skutecznie optymalizować algorytmy?
- Czy skuteczna automatyzacja może usprawnić workflow?
- Jakie są problemy oraz trudności w odpowiedniej optymalizacji algorytmów?
- Jak wykorzystać podejście symulacyjne do rozwiązywania problemów?
- Co powinno być priorytetem podczas doboru procesów, aby jak najbardziej odzwierciedlały rzeczywistość?
- Jak efektywnie wykorzystywać testy A/B?
- Jak upewnić się, że symulator działa poprawnie oraz jak odpowiednio dobrać jego parametry?
- Czy zastosowanie symulatora w przemyśle innym niż logistyka jest opłacalne?
- Na co należy uważać oraz jakich kosztów się spodziewać podczas wdrażania uczenia maszynowego oraz sztucznej inteligencji do swojej firmy?
- Jak będzie wyglądać postęp technologiczny w ciągu następnych 15 lat?
dzisiaj jestem z bardzo ciekawą osobą. Nazywa się Tomasz Brzeziński, który pracuje w iTaxi, i dla mnie takie osoby są bardzo inspirujące, interesujące dlatego, że po pierwsze, potrafią myśleć inaczej, ale czasem widzę dwa rodzaje takich ludzi, którzy myślą inaczej. Pierwszy rodzaj to taki, który po prostu się buntuje i mówi: nie, ale za tym nic nie stoi, tylko po prostu się nie zgadza. Taki trochę nastolatek. A drugi rodzaj, który przyciąga moją uwagę to człowiek, który mówi, że można coś zrobić inaczej, i za tym stoją takie twarde, lub jak to się mówi w Polsce, grube argumenty. I to jest super ciekawa rzecz, kiedy wydaje się, że tak się robiło zawsze i przychodzi ktoś i mówi: a zróbmy to inaczej. I tłumaczy dlaczego tak jest. Dobra, już nie przeciągam tego wprowadzenia. Zapraszam do wysłuchania tego odcinka.
http://biznesmysli.pl/42
Search in Episode Content
Recent Episodes
-
BM135: AI 2025: wzrost, przetrwanie albo upadek?
26.12.2024 08:00
-
BM134: AI to NIE magia... ale wciąż oczekujesz ...
04.12.2024 08:00
-
BM133: Agenci AI: między hype'm a rzeczywistością
20.11.2024 08:00
-
BM132: LLM i prawo, możliwości, wyzwania, narzę...
06.11.2024 08:00
-
BM131: Praktyczny LLM
23.10.2024 07:00
-
BM130: LangChain i wektorowe bazy: ciemna stron...
09.10.2024 07:00
-
BM129: Inferencja modele LLM: Mniej kosztów, wi...
25.09.2024 07:00
-
BM128: Czy warto inwestować LLM? Czy w klasyczn...
11.09.2024 07:00
-
BM127: Lokalne modele AI: Twoje dane, Twoje zasady
28.08.2024 07:00
-
BM126: RAG w LLM: Dlaczego popularne rozwiązani...
14.08.2024 07:00