JulusCesar schreef: ↑22 maart 2026, 21:01 Eeen lachen kan geen kwaad; zeker als je birkenstocks aanhebt.

Crocs zijn de enige schoenen die Birkenstocks (eigendom van Louis Vuitton) niet vulgair doen lijken.

Ik heb ooit, 2 jàar geleden,Crocs aangekocht, met een mooie 40 percent verkocht. Ik denk echter dat dit een hopeloos merk is intussen. Zelfs nike , wat in die industrie de top is, is een falling knife....

Sofina lijkt toch ook weer koopwaardig te worden.

Mbt AI (dat zat al eerder in deze topic).

Voor wie het kan interesseren: "Learning Deep Learning" van M. Ekman ISBN 978-0-13-747035-8.
Het geeft stapsgewijs aan hoe DL werkt. Positionering van DL: AI - > Machine Learning - > Deep Learning.
Boek gaat snel naar DL zonder eerst het volledige AI-landschap te verkennen (want dat is onbegonnen werk geworden!).
Is AI een hype? Ik denk van niet.
Dit boek geeft een voorbeeld van het herkennen van geschreven cijfers. De ingrediënten zijn: netwerkknopen (met eenvoudige logica), verbindingen tussen de knopen (het netwerk), gewichten op de verbindingen. Het netwerk wordt getraind met voorbeelddata. Trainen - dwz de gewichten aanpassen zodat de foutratio minimaal wordt. Eenmaal getraind werkt het verbazingwekkend snel en goed op nieuwe handgeschreven cijfers.
De achterliggende wiskunde is relatief beperkt. Het komt er op neer de fout te minimaliseren, en dwz het punt zoeken waar de afgeleide van de foutfunctie = 0. Gezien er veel matrixbewerkingen in voorkomen is dat ideaal voor GPU's bvb.
Is dit een goed boek? Ja, dit is een goed boek.

Eerder aan bod gekomen: "Artificial Intelligence: A Modern Approach" van S. Russell 978-0-13-461099-3.
Dit is zware kost. Te gebruiken als referentiewerk. Brengt ganse AI in beeld.
Is dit een goed boek? Dit is vooral een zwaar boek.

chesini schreef: ↑26 maart 2026, 13:36 Eerder aan bod gekomen: "Artificial Intelligence: A Modern Approach" van S. Russell 978-0-13-461099-3.
Dit is zware kost. Te gebruiken als referentiewerk. Brengt ganse AI in beeld.
Is dit een goed boek? Dit is vooral een zwaar boek.

Vraag aan AI om het samen te vatten?

patrick4 schreef: ↑26 maart 2026, 17:03

chesini schreef: ↑26 maart 2026, 13:36 Eerder aan bod gekomen: "Artificial Intelligence: A Modern Approach" van S. Russell 978-0-13-461099-3.
Dit is zware kost. Te gebruiken als referentiewerk. Brengt ganse AI in beeld.
Is dit een goed boek? Dit is vooral een zwaar boek.

Vraag aan AI om het samen te vatten?

AI heeft geen toegang tot het boek. Los daarvan, het is een uitdaging om 1000 blz samen te vatten in 10 lijnen. Naar de essentie van de essentie van de essentie komen. Iets waar men op de SG zelden in slaagt.

patrick4 schreef: ↑26 maart 2026, 17:03

chesini schreef: ↑26 maart 2026, 13:36 Eerder aan bod gekomen: "Artificial Intelligence: A Modern Approach" van S. Russell 978-0-13-461099-3.
Dit is zware kost. Te gebruiken als referentiewerk. Brengt ganse AI in beeld.
Is dit een goed boek? Dit is vooral een zwaar boek.

Vraag aan AI om het samen te vatten?

Mbt "Learning Deep Learning" van M. Ekman ISBN 978-0-13-747035-8.
Ik ben verbaasd over de eenvoud van Deep Learning (DL). Hierbij een poging om het bevattelijk te maken voor de SG-er. Laat mij weten als het te veel Chinees is.

Stel je wilt beelden van handgeschreven cijfers optisch lezen en DL laten beslissen welk cijfer werd gescand (0,1,2,3,4,5,6,7,8,9).
Stel dat elk inputbeeld bestaat uit 28x28 pixels. Dwz 784 pixels van grijswaarden per input.

We maken een DL-netwerk:
- Inputs: 784 (de 784 pixelwaarden van het ingangsbeeld).
- Outputs: 10 (de 10 mogelijke cijfers, dwz 1 van de outputs gaat een hoge waarde krijgen, de anderen blijven laag).
- hoeveel tussenlagen? 1: neem maar 1 laag om het eenvoudig te houden. Maar meerdere lagen zijn mogelijk.
- hoeveel knopen in deze tussenlaag? 25 (een knoop noemt men een Neuron).
- alle Inputs (784) zijn met alle 25 Neuronen van de tussenlaag verbonden, en alle 25 Neuronen van de tussenlaag zijn met alle 10 Outputs verbonden, en er zijn 10 Outputs, en elke verbinding heeft een Gewicht. Dwz 19.850 Gewichten.
- we berekenen ook de fout, dwz de afwijking tussen de werkelijke Output (het model zegt bvb een 9 herkend te hebben) en de gekende Output (maar het moest een 0 zijn owv het kattengekribbel).
- we doen N trainingen van het model, dwz testen met N handgeschreven cijfers, én, we stellen de 19.850 Gewichten telkens bij elke test bij om de fout te minimaliseren.

Het resultaat na training is een model dat nauwkeurig handgeschreven cijfers zal kunnen lezen.

Is dit nu complex? Neen.
Een knoop of Neuron is niet zo complex, nog beter gezegd, een huidig Neuron is helemaal niet complex. Het komt er op neer dat het Neuron zogenaamd geactiveerd wordt als de inputwaarde hoog genoeg is. Er zijn veel wiskundige eenvoudige functies die dat toelaten. Bvb OutputNeuron = ln(1+e^InputNeuron) of ook nog OutputNeuron = tangens(InputNeuron). Maw de gewone tangens uit de humaniora. Of de ln-functie.

Ook de foutfunctie/errorfunctie is op zich ook niet zo complex. Bvb we kunnen zeggen: Error = SomVanAlle(VerwachteOutputs-WerkelijkeOutputs)inKwadraat.

De uitdaging bestaat er nu in de foutfunctie Error te minimaliseren, door de gewichten aan te passen, in kleine stappen. Minimaliseren wil zeggen bergaf gaan. Vandaar de naam Gradient Descent.

Op zich eenvoudig en niet eenvoudig, gezien 19.850 gewichten te optimaliseren. Dat is het punt waarop de computer nu het werk overneemt. Dwz de GPU van Nvidia is uitermate geschikt hiervoor. Net als de TPU van Google.

Is AI en ML en DL een hype? Neen, totaal niet. Waar zit het eindpunt? Er is geen eindpunt. Owv:
- de wiskunde in een Neuron is momenteel nog heel beperkt (een tangens- of ln-functie is op zich nog niet complex, men zal op termijn daar veel complexere logica in stoppen).
- stel je voor dat een Neuron niet alleen een bewerking doet, maar er ook een geheugenfunctie er bij krijgt, dwz bvb weet wat de waarden van de afgelopen 10 of 100 iteraties van de Neuroncel waren en daarmee zijn eigen werking weeral zelf kan optimaliseren.
- het aantal lagen in een model zal zoals te verwachten mogelijks toenemen (de tussenlagen in een model noemen ze ook hidden layers).
- het aantal knooppunten per tussenlaag (dwz aantal Neuronen per tussenlaag) zal ook toenemen.
- stel je voor dat een gewicht van een verbinding in het neural netwerk niet enkel een gewicht, dwz een vrij simplistische parameter is zoals vandaag het geval is, maar ook een meer complexere functie wordt.

Ik denk persoonlijk dus dat de moderne AI gaat evolueren naar een AI die beter is dan het menselijk denken en brein. De enige beperking vandaag is de rekenkracht, niet owv de complexiteit van de formules want die zijn vandaag echt heel basic, maar owv het aantal combinaties, het aantal stappen dat je moet doorrekenen.

En waarschijnlijk ook het geheugen omdat elke element van het AI neural netwerk wel eens zijn eigen mini-geheugen zou kunnen krijgen.

Waarom AI geen hype is. (nvdr: AI komt hier af een toe aan bod).

Beeldherkenning gebeurt voor een groot stuk obv moderne neurale netwerken. (AI -> Machine Learning -> Deep Learning -> Deep Neural Networks).
Specifiek voor beeldherkenning gebruikt men Convolutional Neural Networks, aka CNN's.
Een CNN bestaat uit veel lagen van neuronen. Neuronen zijn verbonden (van de ene laag naar de volgende laag), de verbindingen hebben gewichten.
Men gaat een CNN trainen met duizenden voorbeeldpictures. Daarbij worden de gewichten aangepast zodat de herkenningsfout minimaal wordt.
Zo kan men een CNN trainen om bvb een bus in een beeld te herkennen.
De berekeningen zijn op zich niet complex, het aantal berekeningen is evenwel groot, het aantal gewichten is ook groot.

Bedrijven die chips maken die de berekeningen in parallel uitvoeren, krijgen meer en meer marktdominantie.
Oa: NVIDIA (Blackwell,Hopper), AMD (Instinct MI300/400-serie,Ryzen AI-chips),Intel (Gaudi versneller,AI engines dwz APUs), Analog Devices (MAX78000), Axelera AI, Qualcomm (Snapdragon-processors), Ambarella, Google (TPU V6/7), Amazon (AWS Inferentia & Trainium), Apple (Neural Engine), TSMC (fabriceert heel veel AI-chips in onderaanneming), Broadcom (custom AI-chips (ASIC's)), Samsung (High Bandwidth Memory), Micron (geheugen).

Wat zijn de meningen hier over het defensie aandeel CSG, genoteerd op de beurs van A'dam.
Ik vind zelf de cijfers van 2025 er goed uitzien en de koers momenteel redelijk laag t.o.v. winst en E.V.
Graag jullie mening.

JOKER247 schreef: ↑1 april 2026, 14:13 Ik vind zelf de cijfers van 2025 er goed uitzien en de koers momenteel redelijk laag t.o.v. winst en E.V.
Graag jullie mening.

Ik vind het duur tov winst.

patrick4 schreef: ↑1 april 2026, 16:49

JOKER247 schreef: ↑1 april 2026, 14:13 Ik vind zelf de cijfers van 2025 er goed uitzien en de koers momenteel redelijk laag t.o.v. winst en E.V.
Graag jullie mening.

Ik vind het duur tov winst.

2025 WPA 11,15
2025 E.V. per aandeel 21,86

Waarom AI geen hype is. (nvdr: AI komt hier af en toe eens aan bod).

Beeldherkenning gebeurt voor een groot stuk obv moderne neurale netwerken. (AI -> Machine Learning -> Deep Learning -> Deep Neural Networks).
CNN: Specifiek voor beeldherkenning gebruikt men Convolutional Neural Networks, aka CNN's.

Maar het blijft niet bij beeldherkenning. Neurale netwerken worden ook gebruikt voor het voorspellen van tijdsgebonden patronen. Bvb het voorspellen van omzetcijfers, verkoopcijfers.
RNN: Specifiek voor sequenties gebruikt men Recurrent Neural Networks, aka RNN's. En aangezien een zin of een tekst ook een sequentie is van letters of woorden, worden ze ook ingezet voor tekstaanvulling, omzetting van spraak naar tekst, vertaling. Men spreekt dan van Neural Language Models, aka NLM's.

Indien er nog iemand aandelen, etf's of obligaties wil aankopen zonder transactiekosten.
Saxo Bank referral link voor € 100 gratis transactietegoed bij het openen van een account:
https://refer.saxo/Ypdjf

Bondqueen schreef: ↑3 april 2026, 13:49 Indien er nog iemand aandelen, etf's of obligaties wil aankopen zonder transactiekosten.
Saxo Bank referral link voor € 100 gratis transactietegoed bij het openen van een account:
https://refer.saxo/Ypdjf

Cut it out, spammer.

Bondqueen schreef: ↑3 april 2026, 13:49 Indien er nog iemand aandelen, etf's of obligaties wil aankopen zonder transactiekosten.
Saxo Bank referral link voor € 100 gratis transactietegoed bij het openen van een account:
https://refer.saxo/Ypdjf

Hou eens op met die onzin en verdien je geld gewoon met beleggen!