Queue is empty
-- / --
xmlns="http://www.w3.org/2000/svg" xmlns:svg="http://www.w3.org/2000/svg">
  • 084 - A tíz legnagyobb data science bullshit
  • 083 - Nicolas Cage és Kína nagy GDP-csalása
  • 082 - Halott sztárok és kitalált dobosok a zeneiparban
  • 081 - A Python alkalmatlan data science-re!
  • 080 - Tiszta adat márpedig nincs!
  • 079 - Az MI háborúba ment
  • 078 - Üzenet a liftből
  • 077 - Természettudományt a magaskultúrába?
  • 076 - Állást keresel? Vigyázz mit hirdetsz a Jófogáson!
  • 075 - A MI királyunk nem olyan!
  • 074 - Lesz-e vihar a meteorológiában?
  • 073 - Meddig lesz még a focilabda gömbölyű?
  • 072 - Gloria in Excel
  • 071 - Ada Lovelace, az első programozó nő
  • 070 - Történetmesélés adatvizualizációval
  • 069 - Mekkora az adatértés minimuma?
  • 068 - Gépi tanulás a kiállítóteremben
  • 067 - Mókusvakítás-e a hiperperszonalizáció?
  • 066 - A Nagy Gravity-exit
  • 065 - MNB Fintech jelentés
  • 064 - A maciddal beszélgetsz inkább, vagy LaMDÁ-val?
  • 063 - A nagy cicabűnöző, mint általános MI
  • 062 - Halott színészek hamis videókban
  • 061 - Az AI hőse és egy robot fényképezőgép nélkül
  • 060 - Felesleges AI és a hasznos szuperappok
  • 059 - Yang Győző: nyelvi modellek
  • 058 - Élőzés a dataSTREAM 2022 konferencián
  • 057 - Quora.com barangolás a gépi tanulás körül
  • 056 - Tikk Domonkos: Az ajánlórendszer-üzlet
  • 055 - A gépi tanulás algoritmusai
  • 054 - Tényleg, milyen nagy a Big Data?
  • 053 - Tikk Domonkos: a Gravity-sztori
  • 052 - Boldog születésnap
  • 051 - A híres hibahatár, ami sokkal nagyobb
  • 050 - Így számoljuk meg az elveszett lovagi történeteket
  • 049 - Nevek nyomában
  • 048 - Texas hold'em
  • 047 - Dr. Watsonnak új gazdája lesz
  • 046 - Több-e reklámnál a metaverzum?
  • 045 - Mi köze a szitakötő agyának az automatizált programozáshoz?
  • 044 - Elemző nirvána vagy alapfokú szabadúszás?
  • 043 - Hány adatprojekt szakítja át a célszalagot?
  • 042 - Téli időszámítás az MI-naptárban
  • 041 - Mit láttunk a kristálygömbben?
  • 040 - Évvége, bambulás, világbéke
  • 039 - Az adatbányászok moziba mennek
  • 038 - Hydroinfo és cica-mining
  • 037 - Nők az adatbányában
  • 036 - Mesterséges apácaviccek és a fizika természetes szépsége
  • 035 - Értelem és érzelem és algoritmus
  • 034 - Mennyi baja van egy adatjogásznak az adattudósokkal?
  • 33. NLP kerekasztal a conTEXT 2021 konferencián
  • 32. Az otthonmunkáról szóló gigakutatás platóni szépsége
  • 31. Regulázzuk meg a Facebookot!
  • 30. Süti-apokalipszis a konferencián
  • 29. Hányféleképpen lehet igent mondani?
  • 28. Okoswhisky egy jó MI-sakkpartihoz?
  • 27. Humánus-e a személyzetis az adatbányában?
  • 26. Média-értés adat-alapon, vagy miért podcastolunk?
  • 25. Válogatáskazetták a Spotify korából
  • 24. Néha az adatelemzők is szemészetre viszik a fájó fogú beteget
  • 23. Mikortól gyűlölik meg a matekot a gyerekek?
  • 22. Kinek higgyünk - jövőkutatók vagy laikusok?
  • 21. Trágya vagy olaj?
  • 20. Ne mássz fára, mert elüt a villamos
  • 19. Szárnyalj szabadon, szép adattudósom!
  • 18. Magyarázzuk az MI bizonyítványát
  • 17. Nekünk minden egyformán popzene?
  • 16. A falevél-számlálás hitelesítése és a Coelho-i mosoly
  • 15. Gólok, árvizek és lórúgások
  • 14. A hangok a nadrágzsebünkben mindent tudnak az a4-es méretéről
  • 13. Vetélkedők fenegyerekéből az adattudósok kezesbáránya lett Watson
  • 12. Nem elég robotnak lenni, annak is kell látszani!
  • 11. Amikor szembejön a valóság és nem finomkodik
  • 10. Meztelenek és holtak az adattudományban
  • 09. Transformerek a bullshit-generálás szolgálatában
  • 08. Csokit az ikreknek, pontot a szépeknek!
  • 07. A legpontosabb óra az, ami egy helyben áll
  • 06. Mindenki álljon az egyik kapufa mellé!
  • 05. Kecskét vagy Jaguárt?
  • 04. A történetmesélő adatvizualizáció
  • 03. Mindenki tapogat
  • 02. Az MI üveggömbje
  • 01. Humanoid robotok
itt is
eléred

Nekünk minden egyformán popzene?

17. epizód
| podcast
Ebben a részben, ahol nemcsak Cher, hanem Előd is énekel, megtárgyaljuk, hogy vajon mi köze van a hamis hangokat helyrehúzó AutoTune-nak az adattudományhoz? Elrontotta-e az európai füleket a rekedtség elleni fohászból kialakult szolmizálás? Jó zenét ír-e a mesterséges intelligencia és érdekes-e ez egyáltalán? Mire való az AIVA és az AmperMusic? Mekkora matekos volt Bach és Mozart? Milyen zene lett az egy évtizednyi slágerből Watsonnal lepárolt átlagból, azaz hogy tetszik Alex Da Kid Not Easy-je? Hogy függ össze a generált trash metál és az Ut queant laxis, és mit jósolt meg Ada Lovelace a gépzenével kapcsolatban? Hogyan fejleszti tovább a művészetét Björk?

Támogatóink:

  • Ez az e-mail-cím a szpemrobotok elleni védelem alatt áll. Megtekintéséhez engedélyeznie kell a JavaScript használatát.