Kako započeti s strojnim učenjem

Pokušaji dizajniranja strojeva pametnijih od ljudi nisu novi. Jedan od vrlo ranih napada računalne znanosti na ljudsku “inteligenciju” dogodio se kroz vrijeme igra šaha. Šah su (ili bismo trebali reći, bili?) Mnogi pretpostavljali kao vrhunski test ljudskog intelekta i kreativnosti, a 1960 -70-ih su postojale različite škole razmišljanja unutar informatike.


Neki su smatrali da je samo pitanje vremena kada će kompjuteri nadvladati ljude u igranju šaha, dok su drugi vjerovali da se to nikada neće dogoditi.

Kasparov vs. Deep Blue

Najosjetljiviji događaj koji je igrao čovjeka protiv stroja u bitci misli bio je šah iz 1996. godine između tadašnjeg svjetskog prvaka Garryja Kasparova (i vjerojatno, najboljeg šahista ikad) i Duboko plava, superračunalo koje je IBM dizajnirao upravo za ovaj događaj.

Kreditna slika: Wikipedia

Da skratim kratku priču, Kasparov je uvjerljivo pobijedio u meču 1996. (4-2), ali je usred mnogo izgubio u revanšu 1997. (4,5-3,5). polemika i Kasparov direktne optužbe za varanje IBM-a.

Bez obzira na to, prošlo je doba u šahu i računalstvu. Računala su imala pravo na pametnije od bilo kojeg živog čovjeka. IBM, zadovoljan osvetom, demontirao je Deep Blue i krenuo dalje.

Danas je nemoguće da bilo koji veliki majstor pobijedi bilo koji običan šah-motor koji radi na robnom hardveru.

Što Strojno učenje nije

Prije nego što detaljnije pogledamo Strojno učenje, neka nam se iznenade neke zablude. Strojno učenje nije ni na koji način iz mašte pokušaj umnožavanja ljudskog mozga. Unatoč senzacionalističkim vjerovanjima koja se drže poput Elona Muska, istraživanje informatike tvrdi da oni nisu u potrazi za tim svetim zrnom, a sigurno nisu ni blizu njemu.

Jednostavno rečeno, strojno učenje je praksa primjene procesa učenja na primjeru na računalima. To je u suprotnosti s tradicionalnim pristupom oslanjanju na ljudskog programera da smisli sve moguće scenarije i pravila tvrdog koda za njih u sustavu.

Iskreno, to je ono što znači strojno učenje: unošenje tona i tona i tona podataka na računalo kako bi se moglo učiti iz primjera (pokušaj → pogreška → usporedba → poboljšanje) umjesto da se oslanja na izvorni kod.

Primjene strojnog učenja

Dakle, ako Strojno učenje nije crna magija i nije nešto što će roditi Terminatore, za što je korisno?

Strojno učenje pomaže u slučajevima kada tradicionalno programiranje pada u ravnotežu, a ti slučajevi uglavnom spadaju u dvije kategorije.

  1. Klasifikacija
  2. proricanje

Kao što naziv govori, Klasifikacija se odnosi na ispravno označavanje stvari, dok predviđanje želi ispraviti buduće projekcije, s obzirom na dovoljno veliki skup podataka o prošlim vrijednostima.

Neki zanimljive aplikacije Strojnog učenja su:

Filtriranje neželjene pošte

Neželjena pošta e-pošte je raširena, ali pokušati je zaustaviti može biti noćna mora. Kako je definirana neželjena pošta? Je li prisutnost određenih ključnih riječi? Ili možda onako kako je napisano? Teško je smisliti iscrpan skup pravila, programski gledano.

Zbog čega koristimo Strojno učenje. Prikazujemo sustavu milijune neželjenih i neželjenih poruka, a ostatak dopuštamo. To je bila tajna iza Gmailovih nevjerojatno dobrih filtera za neželjenu poštu koji su raširili osobnu e-poštu u ranim 2000-ima!

preporuke

Sve velike tvrtke za e-trgovinu danas imaju snažne sustave preporuka. Ponekad je njihova sposobnost da preporuče stvari za koje „smatramo da su korisne“ nevjerojatno točna, usprkos tome što nikada prije nismo kliknuli na tu stavku..

Koincidencija? Nikako!

Strojno učenje ovdje je naporno, gube se terabajti nakon terabajta podataka i pokušavaju predvidjeti naša kolebljiva raspoloženja i sklonosti.

Chatbots

Jeste li naišli na korisničku podršku prvog nivoa koja se činila neobično robotskom, a opet bila u stanju voditi zanimljive razgovore?

Pa, onda su te napustili Machine Learning!

Učenje iz razgovora i određivanje što reći kada je nadolazeće i uzbudljivo područje aplikacije chatbota.

Uklanjanje korova

U poljoprivredi, roboti pogonjeni strojnim učenjem koriste se za selektivno prskanje korova i drugih neželjenih biljaka usred usjeva.

To bi se inače trebalo učiniti ručno ili bi bilo divno rasipno jer bi sustav prskao proizvod isto kao i ubojitu tekućinu!

Glasovno pretraživanje

Glasovna interakcija s računalnim sustavima više nije znanstvena fantastika. Danas imamo digitalne pomoćnike poput Alexa, Siri i Google Home koji mogu komandovati verbalno i ne zabrljati (dobro, gotovo!).

Neki bi mogli tvrditi da je izum najbolje izbjegavati jer ljudski rod čini lijenijim nego ikad, ali ne možete argumentima s njim utjecati. Na primjer, u Google I / O 2018. tvrtka je dala zapanjujući demo onoga što je radio njegov istraživački tim.

Medicinska dijagnoza

Na pragu smo revolucije u medicinskoj dijagnozi, jer sustavi utemeljeni na Strojnom učenju počinju nadmašiti iskusne liječnike u dijagnoza putem rendgenskih zraka itd.

Imajte na umu da to ne znači da liječnicima uskoro neće trebati, već da će kvaliteta medicinske skrbi drastično porasti, dok će troškovi naglo zaostajati (osim ako poslovni karteli drugačije ne nalažu!).

Ovo je bio samo uzorak za što se koristi Strojno učenje. Automobili koji se samostalno voze, botovi za strateške igre, sklopivi strojevi za majice, lomljenje captcha, bojanje crno-bijelih fotografija – puno se toga danas događa.

Vrste strojnog učenja

Tehnike strojnog učenja su dvije vrste.

Nadzirano učenje, u kojem se sustav usmjerava ljudskom prosudbom, i Učenje bez nadzora, u kojem je sustav prepušten da sve nauči sam. Drugi način da se kaže ista stvar je da u Nadzornom učenju imamo skup podataka koji sadrži i ulaze i očekivani izlaz, koji sustav koristi za usporedbu i samoispravljanje. Međutim, kod nenadziranog učenja, ne postoji postojeći izlaz koji bi se mjerio protiv toga, pa rezultati mogu jako varirati.

Uzbudljiva i neugodna aplikacija nesmetanog strojnoga učenja?

To bi bili botovi koji igraju igre na ploči, u kojima se program uči pravilima igre i uvjetima pobjede, a zatim prepušta vlastitim uređajima. Program tada igra milijune igara protiv sebe, učeći iz svojih grešaka i pojačavajući korisne odluke.

Ako imate dovoljno moćno računalo, za samo nekoliko sati može se pripremiti svjetski AI koji igra u borbi za bijeg!

Sljedeće slike sažeto prikazuju ove ideje (izvor: Medij):

Resursi za započinjanje strojnog učenja

Dakle, sada kada ste svi potpuno zabrinuti o strojnom učenju i kako vam može pomoći osvojiti svijet, odakle započeti?

Ispod sam najavio neke fantastične izvore na internetu koji vam mogu pomoći u postizanju tečnosti u strojnom učenju bez potrebe za doktoratom. u računalnoj znanosti! Ako niste istraživač strojnog učenja, domenu strojnog učenja smatrat ćete praktičnom i ugodnom kao i programiranje općenito..

Dakle, ne brinite, bez obzira na vašu razinu trenutno, poput dobrog programa strojnog učenja možete učiti sebe i poboljšati se. ��

Programiranje

Prvi uvjet za stupanje u Strojno učenje je učenje programiranja. To je zato što Sustavi strojnog učenja dolaze u obliku biblioteka za različite programske jezike.

Python se najviše preporučuje, dijelom zato što je nevjerojatno ugodan za učenje, a dijelom zato što ima masivan ekosustav knjižnica i resursa.

službeno Vodič za početnike je sjajno mjesto za početak, čak i ako ste malo upoznati sa Python-om. Ili, uzmi ovo Bootcamp tečaj postati heroj od nule.

Misli statistika

Nakon što završite s osnovama Pythona, moja druga preporuka bila bi proći kroz dvije nevjerojatno dobre knjige. Oni su 100% besplatno i dostupan je kao PDF za preuzimanje. Misli statistika i Misli Bayes dvije su moderne klasike koje bi svaki inženjer strojarskog učenja trebao internalizirati.

Udemy

U ovom trenutku, preporučam vam da prođete nekoliko tečajeva Udemy. Interaktivni format s vlastitim tempom pomoći će vam da se udubite u griznu boju i izgradite samopouzdanje.

Obavezno pogledajte pregled tečaja, kritike (posebno negativne!) I općeniti osjećaj tečaja prije nego što započnete.

Na YouTubeu možete besplatno naići i na nevjerojatne vodiče. Sentdex jedan je takav kanal koji vam mogu preporučiti, gdje uvijek ide tona zabave, ali pristup koji on vodi nije prilagođen početnicima.

Andrew Ng

Tečaj koji je predavao Andrew Ng Coursera vjerojatno je najpopularniji resurs za učenje strojnog učenja.

Iako koristi programski jezik R, u tretmanu subjekta i lucidnim objašnjenjima ostaje bez premca. Zbog ovog tečaja, Andrew Ng postigao je pomalo božanski stav u ML-krugovima, a ljudi ga traže krajnju mudrost (ne šalim se!).

Ovo početno nije tečaj za početnike, ali ako ste dobro u tijeku s podacima i nemate ništa protiv sa stranačkim istraživanjima, ovaj je kurs najbolja preporuka.

Izvorima na internetu nema kraja, a kad se počnete, lako se možete izgubiti. Većina tutorijala i diskusija vani matematički je zahtjevna ili nedostaje struktura i može vam srušiti samopouzdanje prije nego što uopće započnete.

Dakle, želio bih vas upozoriti na samouništavanje: držite svoj cilj skromnim i kreću se u minimalnim koracima. Strojno učenje nije nešto što vam može postati ugodno u roku dva ili dva dana, ali uskoro ćete početi uživati ​​u sebi, a tko zna, možda čak stvoriti nešto zastrašujuće!

Zabavi se! ��

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