Как начать работать с машинным обучением

Попытки сконструировать машины умнее людей не новы. Одна из самых ранних атак, которые компьютерная наука сделала на человеческий «интеллект», была через игра в шахматы. Многие считают, что шахматы (или мы должны сказать?) Были окончательным испытанием человеческого интеллекта и творчества, и еще в 1960–70-х годах в информатике существовали разные школы мышления..


Некоторые считали, что это всего лишь вопрос времени, когда компьютеры настигнут людей в игре в шахматы, в то время как другие полагали, что этого никогда не произойдет..

Каспаров против Deep Blue

Самым сенсационным событием в битве мысли между человеком и машиной стал шахматный матч 1996 года между тогдашним чемпионом мира Гарри Каспаровым (и, возможно, лучшим шахматистом в истории) и Темно-синий, суперкомпьютер, разработанный IBM для этого события.

Изображение предоставлено: Википедия

Короче говоря, Каспаров убедительно выиграл матч 1996 года (4-2), но проиграл матч-реванш 1997 года (4.5-3.5) на фоне большого полемика и прямые обвинения Каспарова в обмане против IBM.

Несмотря на это, эпоха в шахматах и ​​информатике закончилась. Компьютеры были названы умнее любого живого человека. IBM, довольная местью, разобрала Deep Blue и пошла дальше.

Сегодня ни один гроссмейстер не может побить любой обычный шахматный движок, работающий на обычном оборудовании.

То, что машинное обучение не

Прежде чем мы углубимся в изучение машинного обучения, давайте разберемся с некоторыми заблуждениями. Машинное обучение, по всей видимости, не является попыткой воспроизведения человеческого мозга. Несмотря на сенсационные убеждения, которыми придерживаются такие люди, как Элон Маск, исследователи информатики утверждают, что они не ищут это священное зерно и, конечно же, нигде близко к нему..

Проще говоря, машинное обучение – это практика применения процессов обучения на компьютере. Это контрастирует с традиционным подходом полагаться на человека-программиста, чтобы придумать все возможные сценарии и правила жесткого кода для них в систему.

Честно говоря, речь идет о том, что такое машинное обучение: передача тонны и тонны и тонны данных на компьютер, чтобы он мог учиться на примерах (пробная версия → ошибка → сравнение → улучшение), а не полагаться на исходный код.

Применение машинного обучения

Итак, если машинное обучение не является черной магией и не порождает терминаторов, то для чего это нужно??

Машинное обучение помогает в случаях, когда традиционное программирование терпит неудачу, и эти случаи обычно попадают в одну из двух категорий.

  1. классификация
  2. прогнозирование

Как следует из названия, классификация касается правильной маркировки, в то время как прогнозирование направлено на исправление будущих прогнозов, учитывая достаточно большой набор данных прошлых значений..

Несколько интересные приложения Машинного обучения являются:

Фильтрация спама

Спам в электронной почте широко распространен, но попытка остановить это может быть кошмаром. Как определяется спам? Это наличие конкретных ключевых слов? А может так, как написано? Трудно придумать исчерпывающий набор правил, программно.

Именно поэтому мы используем машинное обучение. Мы показываем системе миллионы спам-сообщений и сообщений, не являющихся спамом, и позволяем ей выяснить все остальное. Это был секрет невероятно хороших спам-фильтров Gmail, которые потрясли личную электронную почту в начале 2000-х годов.!

рекомендации

Все крупные компании электронной коммерции сегодня имеют мощные системы рекомендаций. Иногда их способность рекомендовать вещи, которые мы «можем» найти полезными, невероятно точна, несмотря на то, что мы никогда не нажимали на этот пункт раньше.

Стечение обстоятельств? Не за что!

Машинное обучение здесь тяжело работает, поглощая терабайты за терабайтами данных и пытаясь предсказать наши изменчивые настроения и предпочтения.

Chatbots

Вы когда-нибудь сталкивались с поддержкой клиентов первого уровня, которая казалась странно роботизированной, но в то же время смогла сделать интересную небольшую беседу??

Что ж, тогда ты был увлечен машинным обучением!

Учиться на разговорах и определять, что сказать, когда наступает интересная область приложения чатбота.

Удаление сорняков

В сельском хозяйстве роботы на машинном обучении используются для избирательного опрыскивания сорняков и других нежелательных растений среди сельскохозяйственных культур..

В противном случае это должно было бы быть сделано вручную или было бы крайне бесполезным, так как система также распыляла бы продукт с жидкостью-убийцей.!

Голосовой поиск

Голосовое взаимодействие с компьютерными системами больше не является научной фантастикой. Сегодня у нас есть цифровые помощники, такие как Alexa, Siri и Google Home, которые могут принимать команды в устной форме и не портить (ну, почти!).

Некоторые могут утверждать, что этого изобретения лучше избегать, поскольку оно делает человеческую расу ленивее, чем когда-либо, но с эффективностью не поспоришь. Например, в Google I / O 2018 компания дала потрясающая демка о том, что его исследовательская группа была до.

Медицинский диагноз

Мы находимся на пороге революции в медицинской диагностике, поскольку системы, основанные на машинном обучении, начинают превосходить опытных врачей в диагностика через рентген и т. д..

Пожалуйста, обратите внимание, что это не означает, что врачи скоро не понадобятся, но качество медицинской помощи резко возрастет, а расходы резко снизятся (если бизнес-картели не примут иного решения!).

Это был просто пример того, для чего используется машинное обучение. Автомобили с автоматическим управлением, стратегические игровые роботы, машины для складывания футболок, разбор капчи, раскрашивание черно-белых фотографий – в наши дни многое происходит.

Типы машинного обучения

Методы машинного обучения бывают двух видов.

Контролируемое обучение, в которой система руководствуется человеческим суждением, и Обучение без учителя, в которой система оставлена ​​изучать все сама. Другим способом сказать то же самое было бы то, что в контролируемом обучении у нас есть набор данных, содержащий как входы, так и ожидаемый результат, который система использует для сравнения и самокоррекции. Тем не менее, в обучении без учителя не существует результатов, которые можно было бы измерить, поэтому результаты могут сильно отличаться.

Захватывающее и пугающее кости приложение самообучения без присмотра?

Это были бы боты, играющие в настольные игры, в которых программе обучают правилам игры и условиям выигрыша, а затем оставляют на свои собственные устройства. Затем программа разыгрывает миллионы игр против себя, учась на своих ошибках и подкрепляя выгодные решения.

Если у вас достаточно мощный компьютер, вы можете подготовить потрясающий игровой ИИ за несколько часов.!

Следующие изображения иллюстрируют эти идеи кратко (источник: Средний):

Ресурсы для начала работы в машинном обучении

Итак, теперь, когда вы все в восторге от машинного обучения и как оно может помочь вам покорить мир, с чего начать?

Ниже я перечислил некоторые фантастические ресурсы в Интернете, которые могут помочь вам свободно владеть машинным обучением без необходимости получения степени доктора философии. в информатике! Если вы не являетесь исследователем машинного обучения, вы найдете область машинного обучения такой же практичной и приятной, как программирование в целом..

Так что не волнуйтесь, независимо от того, какой у вас сейчас уровень, вы можете, как хорошая программа машинного обучения, учиться и становиться лучше. ��

программирование

Первым требованием к обучению машинному обучению является обучение программированию. Это потому, что системы машинного обучения представлены в виде библиотек для различных языков программирования..

Python – самый рекомендуемый, отчасти потому, что его невероятно приятно изучать, а отчасти потому, что он имеет обширную экосистему библиотек и ресурсов.

официальный Руководство для начинающих – отличное место для начала, даже если вы немного знакомы с Python. Или возьми это Bootcamp курс стать героем с нуля.

Думаю, статистика

Как только вы закончите с основами Python, моя вторая рекомендация – прочитать две невероятно хорошие книги. Они есть 100% бесплатно и доступен в формате PDF для скачивания. Думаю, статистика а также Думаю, байес две современные классики, которые каждый начинающий инженер машинного обучения должен усвоить.

Udemy

На этом этапе я бы порекомендовал вам пройти пару курсов от Udemy. Интерактивный формат для самостоятельного изучения поможет вам полностью погрузиться в атмосферу и обрести уверенность.

Обязательно ознакомьтесь с предварительным просмотром курса, обзорами (особенно негативными!) И общим ощущением от курса, прежде чем начать.

Вы также можете бесплатно найти интересные уроки на YouTube. Sentdex один такой канал, который я могу порекомендовать, где всегда весело тонны, но подход, который он использует, не подходит для начинающих.

Эндрю Нг

Курс преподавал Эндрю Нг на Coursera является, пожалуй, самым популярным учебным ресурсом по основам машинного обучения.

Хотя он использует язык программирования R, он остается беспрецедентным по своему подходу к предмету и ясным объяснениям. Благодаря этому курсу Эндрю Нг достиг некоторой степени богоподобности в кругах ОД, и люди смотрят на него с абсолютной мудростью (я не шучу!).

Это действительно не курс для начинающих, но если вы уже хорошо разбираетесь в данных и не возражаете против побочных исследований, этот курс – лучшая рекомендация..

Ресурсам в интернете нет конца, и вы можете легко потеряться в начале. Большинство учебных пособий и дискуссий являются математически сложными или не имеют структуры и могут подорвать вашу уверенность еще до того, как вы начнете.

Итак, я хотел бы предостеречь вас от самоуничтожения: держите цель скромной и двигайтесь в минимальных шагах. Машинное обучение это не то, что вы можете освоить в течение дня или двух, но довольно скоро вы начнете получать удовольствие, и кто знает, может быть, даже создать что-то пугающее!

Радоваться, веселиться! ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map