Kaip pradėti mokytis mašinų

Bandymai suprojektuoti protingesnes nei žmonės mašinas nėra naujiena. Vienas iš labai ankstyvų atakų, kurias kompiuteris padarė dėl žmogaus „intelekto“, buvo per šachmatų žaidimas. Šachmatai yra (ar turėtume sakyti, buvo?) Laikomi svarbiausiu žmogaus intelekto ir kūrybiškumo išbandymu, o 1960–70-aisiais informatikos moksle buvo skirtingos minties mokyklos..


Vieni teigė, kad tai buvo tik laiko klausimas, kol kompiuteriai aplenkė žmones žaisdami šachmatais, o kiti tikėjo, kad taip niekada nebus.

Kasparovas ir „Deep Blue“

Pats sensacingiausias įvykis, kuriame minties mūšyje vaizduojamas žmogus prieš mašiną, buvo 1996 m. Šachmatų mačas tarp tuometinio pasaulio čempiono Gario Kasparovo (ir, be abejo, geriausio visų laikų šachmatininko) ir Tamsiai mėlyna, superkompiuteris, kurį IBM sukūrė šiam įvykiui.

Vaizdo kreditas: Vikipedija

Trumpai tariant, Kasparovas įtikinamai laimėjo 1996 m. Mačą (4-2), tačiau daug kur prarado 1997 m. Mačą (4.5-3.5). ginčas ir Kasparovo tiesioginiai apgaulingi kaltinimai IBM.

Nepaisant to, šachmatų ir informatikos era buvo pasibaigusi. Kompiuteriai buvo protingesni už bet kuriuos gyvus žmones. IBM, patenkinta kerštu, išardė „Deep Blue“ ir pajudėjo toliau.

Šiandien jokiam seneliui neįmanoma įveikti jokio įprasto šachmatų variklio, veikiančio pagal prekes.

Kas nėra mašininis mokymasis

Prieš pradėdami nuodugniau pažvelgti į mašinų mokymąsi, išnagrinėsime keletą klaidingų nuomonių. Mašinų mokymasis nėra jokia vaizduotės dalis, bandymas atkartoti žmogaus smegenis. Nepaisant sensacingų įsitikinimų, kuriuos mėgsta Elonas Muskas, kompiuterių mokslo tyrinėtojai tvirtina, kad jie neieško šio švento grūdo ir tikrai niekur šalia..

Paprasčiau tariant, mašininis mokymasis yra mokymosi pagal pavyzdį procesų taikymo kompiuteriuose praktika. Tai prieštarauja tradiciniam požiūriui, kai žmogaus programuotojas į sistemą įsivaizduoja visus įmanomus scenarijus ir sunkaus kodo taisykles..

Sąžiningai, tai susiję su mašininiu mokymusi: tonų ir tonų duomenų tiekimas kompiuteriui, kad jis galėtų mokytis iš pavyzdžių (bandymas → klaida → palyginimas → patobulinimas), o ne pasikliauti šaltinio kodu..

Mašinų mokymosi programos

Taigi, jei mašininis mokymasis nėra juodoji magija ir tai nėra kažkas, kas pagimdytų terminatorius, kuo tai naudinga?

Mašinų mokymasis padeda tais atvejais, kai tradicinis programavimas nesutampa, ir šie atvejai paprastai skirstomi į vieną iš dviejų kategorijų.

  1. klasifikacija
  2. Prognozė

Kaip matyti iš pavadinimo, klasifikavimas susijęs su teisingu daiktų ženklinimu, o numatymu siekiama ištaisyti ateities prognozes, atsižvelgiant į pakankamai didelį praeities verčių duomenų rinkinį..

Kai kurie įdomios programos mašinų mokymosi būdai yra šie:

Šlamšto filtravimas

El. Pašto šlamštas yra paplitęs, tačiau bandymas jį sustabdyti gali tapti košmaru. Kaip apibūdinamas šlamštas? Ar tai yra konkretūs raktiniai žodžiai? O gal taip, kaip parašyta? Sunku apgalvoti išsamų taisyklių rinkinį, pagrįstą programa.

Štai kodėl mes naudojame mašininį mokymąsi. Mes parodome sistemai milijonus šlamšto ir ne šlamšto pranešimų, o likusius galime išsiaiškinti. Tai buvo neįtikėtinai gerų „Gmail“ šlamšto filtrų, kurie 2000 m. Pradžioje sukrėtė asmeninius el. Laiškus, paslaptis!

Rekomendacijos

Visos pagrindinės elektroninės komercijos kompanijos šiandien turi galingas rekomendacijų sistemas. Kartais jų galimybė rekomenduoti dalykus, kurie mums gali būti naudingi, yra nepaprastai tikslūs, nepaisant to, kad niekada anksčiau nespustelėjome to elemento.

Sutapimas? Visai ne!

Čia sunkiai sekasi mokytis mašinų, kai reikia kaupti terabaitus duomenų apie terabaitus ir bandyti nuspėti nestabilias nuotaikas ir nuostatas..

Pokalbių robotai

Ar teko susidurti su pirmo lygio klientų aptarnavimu, kuris atrodė keistai robotas ir vis dėlto sugebėjo užmegzti įdomius pokalbius?

Na, tada jus suprato mašinų mokymasis!

Besimokant iš pokalbių ir nustatant, ką pasakyti, kada yra būsima ir jaudinanti „chatbot“ programos sritis.

Piktžolių pašalinimas

Žemės ūkyje robotai, varomi mašininio mokymosi būdu, yra selektyviai paskleidžiami piktžolėms ir kitiems nepageidaujamiems augalams purkšti.

Priešingu atveju tai turėtų būti daroma rankomis arba būtų labai švaistoma, nes sistema taip pat purškia produkciją žudikliu.!

Paieška balsu

Balso sąveika su kompiuterinėmis sistemomis nebėra mokslinė fantastika. Šiandien turime skaitmeninių asistentų, tokių kaip „Alexa“, „Siri“ ir „Google Home“, kurie gali žodžiu priimti komandas ir nesupainioti (na, beveik!).

Kai kurie gali teigti, kad tai yra išradimas, kurio geriausia vengti, nes jis daro žmoniškąją rasę tingingesnę nei bet kada anksčiau, tačiau jūs negalite ginčytis dėl veiksmingumo. Pavyzdžiui, „Google I / O 2018“ kompanija davė a stulbinantis demonstracinis filmas apie tai, kas buvo jos tyrimų komandos.

Medicininė diagnozė

Mes esame ant medicininės diagnozės revoliucijos slenksčio, nes mašinų mokymosi sistemos pradeda pranokti patyrusius gydytojus diagnozė rentgeno spinduliais ir kt.

Atkreipkite dėmesį, kad tai nereiškia, kad gydytojai netrukus nebus reikalingi, bet kad medicininės priežiūros kokybė smarkiai pakils, o išlaidos brangs (nebent verslo karteliai lemia kitaip!).

Tai buvo tik pavyzdys to, kam naudojamas mašininis mokymasis. Savarankiškai važiuojantys automobiliai, strateginių žaidimų botai, marškinėlių lankstymo mašinos, „captcha“ laužymas, nespalvotų nuotraukų spalvinimas – šiomis dienomis vyksta daug..

Mašinų mokymosi tipai

Mašinų mokymosi būdai yra dviejų rūšių.

Prižiūrimas mokymasis, kurioje sistemą nukreipia žmogaus vertinimas ir Neprižiūrimas mokymasis, kuriame sistemą paliekama išmokti patiems. Kitas būdas pasakyti tą patį būtų tas, kad prižiūrimojo mokymosi metu mes turime duomenų rinkinį, kuriame yra ir įėjimai, ir laukiama išvestis, kuriuos sistema naudoja palyginimui ir savęs taisymui. Tačiau neprižiūrimo mokymosi metu nėra jokių rezultatų, kuriuos būtų galima vertinti, todėl rezultatai gali labai skirtis.

Įspūdingas ir kaulus atšaldantis neprižiūrimo mašinų mokymosi pritaikymas?

Tai būtų robotai, žaidžiantys stalo žaidimus, kur programa mokoma žaidimo taisyklių ir laimėjimo sąlygų, o tada paliekama savo įrenginiams. Tada programa žaidžia milijonus žaidimų prieš save, mokosi iš savo klaidų ir sustiprina naudingus sprendimus.

Jei dirbate pakankamai galingame kompiuteryje, pasauliui plakančią AI galima paruošti per kelias valandas!

Šie vaizdai glaustai iliustruoja šias idėjas (šaltinis: vidutinis):

Ištekliai, skirti pradėti mokytis mašinų

Taigi, kai jūs visi esate atleisti apie mašinų mokymąsi ir kaip tai gali padėti užkariauti pasaulį, kur pradėti?

Žemiau išvardijau fantastiškus šaltinius internete, kurie gali padėti jums sklandžiai dėstyti mašinų mokymąsi nereikia gauti daktaro laipsnio. kompiuterių moksle! Jei nesate mašinų mokymosi tyrinėtojas, mašinų mokymosi sritis bus tokia pat praktiška ir maloni kaip programavimas apskritai..

Taigi, nesijaudinkite, nesvarbu, koks jūsų lygis šiuo metu, galite, pavyzdžiui, gerą mašinų mokymosi programą, išmokyti save ir tobulėti. ��

Programavimas

Pirmasis reikalavimas norint pradėti mokytis mašinų yra mokymasis programuoti. Taip yra todėl, kad mašininio mokymosi sistemos yra bibliotekos įvairioms programavimo kalboms.

Python yra labiausiai rekomenduojamas, iš dalies todėl, kad be galo malonu mokytis, ir iš dalies todėl, kad jame yra didžiulė bibliotekų ir išteklių ekosistema.

oficialus Vadovas pradedantiesiems yra puiki vieta pradėti, net jei esate šiek tiek susipažinęs su Python. Arba imk tai Bootcamp kursas tapti nulio herojumi.

Pagalvokite apie statistiką

Baigę „Python“ pagrindus, mano antroji rekomendacija būtų perskaityti dvi nepaprastai geras knygas. Jie yra 100% nemokama ir galima atsisiųsti PDF formatu. Pagalvokite apie statistiką ir Pagalvok Bayes yra dvi modernios klasikos, kurias turėtų įtraukti kiekvienas siekiantis mašinų mokymosi inžinierius.

Udemy

Šiuo metu rekomenduočiau jums lankyti keletą kursų Udemy. Interaktyvus savarankiško formato forma padės įsijausti į niūrų daiktą ir sukurti pasitikėjimą savimi.

Prieš pradėdami kursą, būtinai patikrinkite kurso apžvalgą, apžvalgas (ypač neigiamas!) Ir bendrą kurso pojūtį.

Taip pat nemokamai galite rasti „YouTube“ vadovus. Sentdex galiu rekomenduoti vieną iš tokių kanalų, kuriame visada vyksta daugybė linksmybių, tačiau jo pasirinktas požiūris nėra tinkamas pradedantiesiems.

Andrew Ng

Kursas, kurį vedė Andrew Ng „Coursera“ be abejo, yra populiariausias mokymosi šaltinis mašininio mokymosi pagrindams.

Nors ji naudoja R programavimo kalbą, ji išlieka nepakartojama traktuojant temą ir aiškius paaiškinimus. Dėl šio kurso Andrew Ng pasiekė šiek tiek dieviško statuso ML sluoksniuose ir žmonės jo laukia išmintingiausiai (aš nejuokauju!).

Tai tikrai nėra kursas pradedančiajam, tačiau jei jau gerai mokėtės keistis duomenimis ir negalvojate apie kai kuriuos šalutinius tyrimus, kuriuos einate, šis kursas yra geriausia rekomendacija..

Internete ištekliai nesibaigia, o pradėję galite lengvai pasimesti. Daugelis ten esančių vadovėlių ir diskusijų yra matematiškai sudėtingi arba trūksta struktūros, todėl gali sugadinti jūsų pasitikėjimą dar net nepradėjus.

Taigi, norėčiau perspėti jus apie savęs naikinimą: laikykitės savo tikslo kuklumo ir judėkite minimaliais žingsniais. Mašinų mokymasis nėra kažkas, kas jums patogu per dieną ar dvi, tačiau gana greitai pradėsite mėgautis savimi, o kas žino, galbūt net sukurs kažką bauginančio!

Pasilinksmink! ��

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