Vertaling van "masses de données pour construire des algorithmes " (Frans → Nederlands) :

Aujourd'hui, cette idée d'utiliser ces masses de données pour construire des algorithmes peut paraître évidente, mais pas en 2007.
Achteraf gezien lijkt dit idee om big data te gebruiken om computeralgoritmes te trainen, nogal logisch, maar in 2007 was dat niet zo.

C'est comme cette photo de mon grand-père tenant ma mère, du point de vue des données. J'ai dû aller dans le système pour la trouver. Donc ce que je propose maintenant c'est de nous retourner pour attraper cette poussière, de chercher en nous notre génotype, d'aller dans les archives médicales pour y prendre notre dossier, et de l'utiliser pour construire ensemble une réserve commune.
Net als de foto van mijn opa met mijn moeder vanuit dataperspectief. Ik moest in het systeem duiken om dit eruit te halen. Wat ik hier voorstel, is dat we het stof achter ons grijpen, dat we in ons lichaam reiken en er het genotype uit halen, dat we uit het medische systeem onze gegevens halen en wij het samen gebruiken om iets voor de gemeenschap te betekenen.

La confiance : comment la mériter ? Les banques utilisent les cotes de crédit pour déterminer si vous êtes digne de confiance mais il y a 2,5 milliards de personnes dans le monde qui n'en ont pas — et qui ne peuvent obtenir de crédit pour lancer leur entreprise, acheter une maison ou améliorer leurs conditions de vie. Écoutez comment Shivani Siroya, une TED Fellow, débloque un pouvoir d'achat d'inexploité dans le monde en voie de développement grâce à InVenture, une start-up qui utilise les données mobiles pour construire une identité financière. « Avec quelque chose d'aussi simple qu'une cote de crédit, dit Siroya, nous donnons aux gens le pouvoir de construire leur propre avenir. »
Vertrouwen: Hoe kun je dat winnen? Banken gebruiken kredietscores om te bepalen of je betrouwbaar bent. Wereldwijd zijn er ongeveer 2,5 miljard mensen die geen kredietscores hebben en geen lening kunnen krijgen om een eigen bedrijf te beginnen, een huis te kopen of hun leefsituatie te verbeteren. Luister hoe TED Fellow Shivani Siroya de onbenutte koopkracht in ontwikkelingslanden mobiliseert met InVenture, een startende onderneming die gebruik maakt van telefoongegevens om een financiële identiteit te creëren. Door zoiets simpels als een kredietscore, zegt Siroya, geven we de macht aan mensen om een eigen toekomst op te bouwen.

Et laissez moi juste en mentionner deux, rapidement. L'une, tirée du domaine de l'ingénierie, et l'autre du domaine clinique. Dans la perspective de l'ingénierie, nous pouvons nous demander, puisque nous savons que le mouvement est si important pour le système visuel humain si nous pouvons utiliser cela comme recette pour construire des systèmes de vision sur des machines qui peuvent apprendre par elles-mêmes, qui n'ont pas besoin d'être programmées par un programmateur humain. Et c'est ce que nous essayons de faire. Je suis au MIT, au MIT vous devez appliquer tout connaissance fondamentale que vous acquérez. Alors nous sommes en train de créer Dylan, qui est un système informatique avec le but ambitieux de recueillir les données visuelles du même genre que ceux qu'un enfant humain recevrait, et de découvrir de façon autonome quels sont les objets dans ces données visuelles.
Laat me er snel twee noemen. Eén komt uit de techniek en de andere uit de kliniek. Vanuit de invalshoek van de techniek kunnen we vragen: gegeven dat we weten dat beweging zo belangrijk is voor de menselijke verwerking van zicht, kunnen we dit als voorbeeld gebruiken voor het maken van toestellen met een zichtsysteem dat zelf kan leren zonder dat het geprogrammeerd hoeft te worden door een mens? En dat is wat we trachten te doen. Ik zit bij MIT, en daar moet je alle kennis die je opdoet toepassen. Daarom maken we Dylan. Dat is een computationeel systeem met het vooruitstrevende doel visuele invoer te gebruiken van het soort dat menselijke kinderen krijgen en het onafhankelijk te laten ontdekken wat de voorwerpen zijn in die invoer die het ziet.

On peut utiliser des algorithmes de traitement du langage naturel pour qu'un ordinateur « lise » les données, ligne par ligne, pour en extraire les concepts-clés.
We kunnen met natuurlijke taalverwerkingsalgoritmen regel voor regel met een computer de belangrijke concepten eruit halen.

Pouvons-nous en tirer plus? Alors nous avons fait des expériences au cours desquelles nous avons saturé nos pauvres patients d'électrodes et puis nous leur avons demandé de tenter d'accomplir deux douzaines de taches ; de tortiller un doigt jusqu'à bouger tout un bras pour atteindre quelque chose, et nous avons enregistré ces données. Et puis nous avons utilisé des algorithmes qui ressemblent beaucoup aux algorithmes de reconnaissance vocale. et que l'on appelle reconnaissance de modèles. Voyez. (Rires) Ici vous voyez, sur la poitrine de Jesse, quand il essaye de faire trois choses différentes, vous pouvez voir trois modèles différents. Mais je ne peux pas implanter une électrode et dire Va là. Nous avons donc collaboré avec nos collègues de l’Université du New Brunswick, et nous avons trouvé cet algorithme de contrôle dont Amanda fait à présent la démonstration. AK : Mon coude monte et descend.
Valt er meer uit te halen? We deden een paar experimenten waarbij we onze arme patiënten volplakten met ontelbare elektroden en hen vervolgens twee dozijn verschillende taken lieten doen -- gaande van een vinger bewegen tot een hele arm uitsteken om iets te pakken. We noteerden deze gegevens. Vervolgens gebruikten we algoritmes die erg lijken op spraakherkenningsalgoritmes, zogenaamde patroonherkenning. Kijk. (Gelach) Je ziet op de borst van Jesse dat als hij drie verschillende dingen heeft gedaan, je drie verschillende patronen ziet. Maar ik kan er geen elektrode opzetten en zeggen Daarheen. Dus werkten we samen met onze collega's van de universiteit van New Brunswick de algoritmecontrole uit die Amanda nu kan demonstreren. AK: Ik heb een elleboog die op en neer gaat,

Kevin Slavin affirme que nous vivons dans un monde conçu pour (et de plus en plus contrôlé par) les algorithmes. Dans cette conférence fascinante qu'il a donnée à TEDGlobal, il montre comment ces programmes complexes déterminent les tactiques d'espionnage, le prix des actions, les scénarios de films et l'architecture.. Et il nous met en garde contre le fait que nous écrivons du code que nous ne comprenons pas, avec des implications que nous ne pouvons pas contrôler.
Kevin Slavin stelt dat we leven in een wereld ontworpen voor — en in toenemende mate gecontroleerd door — algoritmes. In deze boeiende talk van TEDGlobal, toont hij hoe deze complexe computerprogramma's spionagetactieken, aandelenkoersen, filmscripts en artchitectuur bepalen. En hij waarschuwt dat we codes schrijven die we niet begrijpen, met implicaties die we niet in de hand hebben.

Que faire s'il dit, 'Oh, j'en ai déjà un, ' ou, 'je l'ai déjà mémorisé ? Et il est venu visiter mon laboratoire et il a regardé autour de lui - ce fut une excellente visite. Et puis après, j'ai dit, Monsieur, je veux vous donner le tableau périodique pour le jour où vous seriez dans une impasse et devriez calculer un poids moléculaire. Et j'ai pensé que poids moléculaire sonnait beaucoup moins ringard que masse molaire. Et il l'a regardé, Et il a dit: Je vous remercie. Je vais le regarder périodiquement. (Rires) (Applaudissements) Et plus tard dans une conférence qu'il a donnée sur l'énergie propre, il l'a sorti et a dit: Et les gens au MIT, ils donnent des tableaux périodiques . Donc, en gros, ce que je ne vous ai pas dit c'est qu'il y a près de 500 millions d'années, les organismes ont commencé à fabriquer des matériaux, mais il leur a fallu environ 50 millions d'années pour devenir bons. Il leur a fallu environ 50 millions d'années pour apprendre à parfaire la manière de faire cette coquille d'ormeau. Et c'est difficile à vendre à un étudiant diplômé. J'ai ce grand projet -. 50 millions d'années Et nous avons donc dû développer une façon d'essayer de le faire plus rapidement. Et donc nous utilisons un virus qui est un virus non-toxique appelé bactériophage M13 dont c'est le travail d'infecter les bactéries. Eh bien, il a une structure ADN simple que vous pouvez couper et y coller des séquences d'ADN supplémentaires. Et ce faisant, il permet au virus d'exprimer des séquences de protéines aléatoires.
Als hij nou zegt: O, ik heb er al eentje , of Dat ken ik al uit mijn hoofd ? Hij kwam mijn lab bezoeken en keek rond -- het was een geweldig bezoek. Aan het einde, zei ik: Meneer, ik wil u een periodiek systeem geven voor het geval u ooit in de problemen bent en het moleculair gewicht moet kunnen berekenen. Ik vond dat moleculair gewicht minder nerd-achtig klonk dan molmassa. Dus hij keek ernaar, en hij zei: Dank u. Ik zal er periodiek naar kijken. (Gelach) (Applaus) Later toen hij een lezing over schone energie gaf, haalde hij het tevoorschijn en zei: En de MIT-mensen delen periodieke systemen uit. Wat ik jullie niet verteld heb, is dat organismen 500 miljoen jaar geleden begonnen met materialen maken, maar dat het ze 50 miljoen jaar kostte om er goed in te worden. Het kostte ze ongeveer 50 miljoen jaar om het maken van zo'n zeeoorschelp te perfectioneren. Daar heeft een student geen zin in. Ik heb een geweldig project -- 50 miljoen jaar . Daarom moesten we een manier verzinnen om dit sneller te kunnen doen. Daarom gebruiken we een niet-giftig virus dat de M13 bacteriofaag heet, die als taak heeft om bacteriën te besmetten. Het heeft een eenvoudige DNA-structuur die je kunt bewerken en waar je met cut en paste DNA-sequenties aan kunt toevoegen. Door dat te doen, zorg je dat het virus willekeurige eiwitsequenties voortbrengt.

La première étape serait de convaincre les cerveaux dans le monde de construire un environnement où les données brutes pourraient être conservées, et où l'on pourrait y avoir accès et les manipuler, où de nouveaux algorithmes pourraient être développés, et les anciens améliorés.
De eerste stap zou zijn om het wereldwijde breinvermogen aan te boren om een systeem te creëren waar ruwe gegevens kunnen worden opgeslagen, waar ze geraadpleegd en gemanipuleerd kunnen worden, waar nieuwe algoritmes kunnen worden ontwikkeld en oude algoritmes efficiënter gemaakt.

Robots et algorithmes sont en train de devenir compétents en matière de construction automobile, de rédaction d'article ou encore de traduction - des tâches qui étaient jusque-là réservées aux humains. Si bien, qu'allons-nous faire pour gagner notre vie ? Andrew MacAfee utilise des données des plus récentes pour affirmer la chose suivante : nous n'avons encore rien vu. Se penchant sur la longue histoire des civilisations humaines, il parvient à une conclusion surprenante et partage une vision futuriste palpitante.
Robots en algoritmen worden steeds beter in banen als het maken van auto's, het schrijven van artikelen, het vertalen - banen waar we ooit een mens voor nodig hadden. Wat voor werk zullen mensen dan gaan doen? Andrew McAfee overloopt recente arbeidsgegevens en zegt: We staan nog maar aan het begin. Maar dan kijkt hij terug op de grote geschiedenis en komt met een verrassende en zelfs spannende kijk op wat we kunnen verwachten. (Gefilmd TEDxBoston.)