My Cookie Mix

Il workflow " Google PageSpeed - Get data via API ", per Knime Analytics Platform, sfrutta l'API PageSpeed Insights di Google per raccogliere dati sulle prestazioni e l'usabilità di un sito. Puoi quindi usarlo per ottenere un report di benchmark del tuo sito web con quelli dei tuoi concorrenti. Questo workflow è disponibile gratuitamente su Knime Hub. Knime carica, tramite l'API PageSpeed Insights, i KPI di prestazione e UX di più siti e produce un report di benchmark Prima di iniziare due parole su Knime Knime è un software per l'analisi dei dati con numerosi punti di forza: Facilità di apprendimento : Knime è estremamente intuitivo da usare e permette di ottenere i primi  risultati in pochissimo tempo, anche dopo solamente qualche ora di utilizzo. Risorse didattiche online : online è disponibile una vasta gamma di corsi video per imparare ad usare knime e conseguire, se si desidera, le certificazioni professionali. Sempre online è possibile scaricare man

Today, we are excited to introduce DBRX, an open, general-purpose LLM created by Databricks. Across a range of standard benchmarks, DBRX sets a new state-of-the-art for established open LLMs. Moreover, it provides the open community and enterprises building their own LLMs with capabilities that were previously limited to closed model APIs; according to our measurements, it surpasses GPT-3.5, and it is competitive with Gemini 1.0 Pro. It is an especially capable code model, surpassing specialized models like CodeLLaMA-70B on programming, in addition to its strength as a general-purpose LLM. ... The weights of the base model ( DBRX Base ) and the finetuned model ( DBRX Instruct ) are available on Hugging Face under an open license. Starting today, DBRX is available for Databricks customers to use via APIs, and Databricks customers can pretrain their own DBRX-class models from scratch or continue training on top of one of our checkpoints using the same tools and science we used to build i

Finalmente (anche se il video è di qualche anno fa) un'applicazione veramente utile dell'IA: migliorare la birra. :) Questa breve intervista tocca in realtà diversi punti interessanti: l'IA a supporto dell'innovazione di prodotto, i modelli di start-up in Europa e negli USA, cosa significa avviare (scusate il gioco di parole) una start-up. E qui sotto un intervento più recente:

Secondo Jensen Huang l’intelligenza artificiale generativa porterà via il posto agli sviluppatori e non servirà più studiare programmazione. Pensavamo fosse una sciocchezza, ma il primo AI Software Engineer ha fatto vacillare le nostre certezze. Leggi tutto:  https://www.dday.it/redazione/48796/devin-lai-software-engineer-che-da-ragione-al-ceo-di-nvidia-meglio-studiare-biologia-che-coding

Un problema mi ha fatto veramente impazzire: nel pdf generato con l' estensione reporting di Knime  trovavo, tra una tabella e l'altra, delle pagine bianche che non avrebbero dovuto esserci. Le tabelle sul report, per inciso, sono generate con il nodo Table View . A rendere più curiosa la situazione, questa presunta anomalia si presentava solo con le tabelle con poche righe, quelle che venivano visualizzate su di una sola pagina: se la tabella occupava solo una facciata, Knime dopo inseriva una pagina vuota; se la tabella occupava due o più facciate del report, Knime generava la seconda tabella successiva nella pagina immediatamente successiva (come mi sarei aspettato) L'illuminazione è arrivata leggendo questa risposta sul forum di Knime (" 5.2.0: Table View node reporting different row counts in reports, based on pagination ", un problema diverso sempre con l'estensione reporting); per farvela breve, per far sì che Knime non inserisca pagine vuote tra divers

There's no denying that we're undergoing an AI revolution powered by large language models (LLMs). A class of deep neural networks, these systems are mostly used to understand and generate human language, and to mimic conversational behaviors. They are called “large” because of the size of their parameters, which range from hundreds of millions to even trillions. Some of the best-known LLMs include OpenAI’s ChatGPT and Google’s Bard. These LLMs are proprietary solutions. That means there’s no transparency. Their source code, architecture, and inference strategy can’t be inspected, which raises concerns over data security and privacy. Open source LLMs have gained traction as a result of these data security and privacy concerns. With an open source LLM, the source code, architecture, and inference strategy can be inspected, facilitating auditing and customization. Open source LLMs have the additional advantage of being free to use, even if there are sometimes licensing restri

Questa è semplicemente una pagina di appunti sul tema "come guadagnare in borsa con l'Intelligenza artificiale". La premessa doverosa è che difficilmente (molto ma molto difficilmente) si può guadagnare in borsa dopo aver letto questi quattro appunti, ma le serie storiche degli indici di borsa rappresentano una bella palestra per le analisi previsionali. E questo è l'aspetto che più mi interessa Libri "Advances in Financial Machine Learning" di Marcos Lopez De Prado , ovvero perché  l'Intelligenza artificiale non riesce a prevedere l'andamento dei titoli di borsa "Previsione, principi e pratica" , di  Rob J Hyndman e George Athanasopoulos. Libro di statistica base pubblicato dal Department of Econometrics and Business Statistics della Monash University, Australia. Il libro è interamente e gratuitamente disponibile online.  "Codeless Time Series Analysis with KNIME", di Corey Weisinger, Daniele Tonini, Maarit Widmann . Illustra le

Il data drawing ,  "disegno dei dati", è una tecnica che consiste nel visualizzare dati e informazioni attraverso il disegno a mano libera. Invece di utilizzare software di visualizzazione dati, si utilizzano carta, penna e matita per creare grafici, diagrammi, illustrazioni e altre rappresentazioni visive dei dati. Perché utilizzare il data drawing? Esistono diversi vantaggi nell'utilizzo del data drawing: rapidità e flessibilità: è un modo veloce e flessibile per esplorare diverse idee e visualizzazioni; semplicità e chiarezza: il disegno a mano libera aiuta a concentrarsi sull'essenza dei dati, eliminando le distrazioni degli strumenti digitali; creatività e originalità: permette di esplorare nuove possibilità e di creare visualizzazioni uniche e personalizzate; comprensione e apprendimento: il processo di disegno può aiutare a comprendere meglio i dati e a fissare i concetti in modo più efficace. A chi è utile il data drawing? Il data drawing può esser