Le futur de la triche est terrifiant скачать в хорошем качестве

Le futur de la triche est terrifiant

⚡️Merci à Hostinger Horizons de m’avoir accompagné sur cette vidéo, si vous voulez vous même créé votre application web, suivez le lien ci-dessous et n'oubliez pas le code WHATAFAIL pour 10% de réduction sur votre premier mois : https://www.hostinger.fr/whatafail Coupon: WHATAFAIL ( ☝️ Collaboration Commerciale) Le site web : https://whatafail-ia.tech (❗️Contexte à lire dans le bas de la description) _______________________________________________________ Cette vidéo n'aurait pas été possible sans : 🐹Les hamsters dessinés par Malory :   / malorusart   ☝️Moi, parce qu'en vrai c'était vraiment un taff de dingue. Tout a été fait par moi. IA, motion design, site, miniature. Vraiment c'était beaucoup pour seulement 23 jours. (plus de détail en bas de description) _______________________________________________________ 📎Réseaux : Twitch :   / whatafail   Twitter :   / fail_what   Discord :   / discord   _______________________________________________________ 🎵 Musiques utilisées (dans l'ordre d'apparition) : Charon - Yehezkel Raz HOME - All At Once 憂鬱 - Sun Odd Numbers - Curtis Cole Tales of Mind - Yonatan Riklis HOME - Atlas Progressive Progress - Howard Harper Barnes HOME - Resonance HOME - 4 HOME - We're finally Landing _______________________________________________________ 📖 Sources : Il y en a assez peu au final. La raison est simple : L'IA est mon domaine d'étude et je ne parle pas tant que ça de l'IA cheat, cette vidéo avait plus pour but de faire comprendre un réseau de neurones plus qu'autre chose. Les vidéos de 3b1b sur le sujet de l'IA :    • Neural networks   AI Cheats are evolving :    • AI Cheats Are Evolving   How AI Is Changing Anti-Cheat Forever :    • How AI Is Changing Anti-Cheat Forever   Papier de recherche sur l'efficacité des anti cheats : https://tomchothia.gitlab.io/Papers/A... 🍬Le bas de la description : Contexte pour le site web : Ce site vous permet, comme dit, d’entraîner un reseau de neurones comme expliqué dans le video. Vu que je ne peux pas mettre de set de données à disposition cette IA apprends la fonction XOR. Cette fonction est simple : si une des deux entrées est à 1 alors la sortie doit être à 0, à l’inverse, si les deux entrées sont à 0 ou à 1 alors la sortie doit être à 1. Vous n’arriverez pas à avoir un reseau parfait, l’idée est de se rapprocher du maximum du cas parfait. Ça va être beaucoup de bidouillage mais c’est possible. N’oubliez pas que la sortie est arrondi à 0 ou à 1, donc c’est normal si l’entraînement s’arrête alors que la sortie oscille entre 0.49 et 0.51. Au final, quand on arrondi ça fait 0 et 1. PS : il y a une autre page qui parle des CNN mais elle est en cours de développement … donc pas super pratique actuellement _______________________________________________________ 🍬Le bas de la description part 2 : Ça a été vraiment très dur de finir la video à temps. J’avais 23 jours pour la faire et il faut se rendre compte que tout a été fait par moi même à la main. L’IA a eu pas mal de reprise de projet et donc était relativement rapide Par contre le motion design était vraiment long parce qu’il a été codé via la bibliothèque Manim en python.1300 lignes de code pour 12 min de motion design. C’était VRAIMENT difficile de tout faire tenir en si peu de temps et ça a demandé de très courte nuit. Cependant je suis très fier de ma progression, je comprends bien mieux Manim et je me suis essayé un peu plus au sound design. Au final très content de cette video. Deadline intenable mais tout est passé sans concession et je pense que c’est actuellement ma meilleure video de vulgarisation ! ❤️🐹