Ako začať so strojovým učením

Pokusy navrhnúť stroje inteligentnejšie ako ľudia nie sú nové. Jedným z veľmi skorých útokov, ktoré počítačové vedy uskutočnili na ľudskú „inteligenciu“, bolo cez internet šachová hra. Šach je (alebo by sme mali povedať, bolo?) Mnohými považovaný za konečný test ľudského intelektu a tvorivosti a už v 60. a 70. rokoch 20. storočia existovali v počítačovej vede rôzne myšlienkové školy..


Niektorí sa domnievali, že je len otázkou času, kým počítače predbiehajú ľudí pri hraní šachu, zatiaľ čo iní veria, že sa to nikdy nestane.

Kasparov vs. Deep Blue

Najzaujímavejšou udalosťou, v ktorej sa v boji o myseľ objavil človek verzus stroj, bol šachový zápas z roku 1996 medzi vtedajším majstrom sveta Garrym Kasparovom (a pravdepodobne najlepším šachovým hráčom všetkých čias) a Tmavo modrá, superpočítač, ktorý spoločnosť IBM navrhla pre túto udalosť.

Obrazový kredit: Wikipedia

Aby som skrátil krátky príbeh, Kasparov presvedčivo zvíťazil v zápase z roku 1996 (4-2), ale prehral rematch z roku 1997 (4.5-3.5), uprostred veľa kontroverzia a priame obvinenia Kasparova proti IBM.

Bez ohľadu na to skončila éra šachov a informatiky. Počítače boli označené ako múdrejší ako ktorýkoľvek živý človek. IBM spokojná s pomstou rozobrala Deep Blue a pokračovala ďalej.

Dnes je nemožné, aby akýkoľvek veľmajster porazil akýkoľvek bežný šachový motor bežiaci na komoditnom hardvéri.

Čo nie je strojové učenie

Predtým, ako sa podrobnejšie pozrieme na strojové učenie, získame z cesty nejaké mylné predstavy. Strojové učenie nie je v žiadnom úseku predstavivosti pokusom o replikáciu ľudského mozgu. Napriek senzacionistickým presvedčeniam Elona Muska, výskumy v oblasti počítačovej vedy tvrdia, že nehľadajú toto sväté zrno a určite nie kdekoľvek v jeho blízkosti..

Zjednodušene povedané, strojové učenie je prax aplikovania procesov učenia sa príkladmi do počítačov. To je v rozpore s tradičným prístupom spoliehania sa na ľudského programátora, aby vymyslel všetky možné scenáre a pravidlá pre pevný kód pre nich do systému..

Úprimne povedané, ide o strojové učenie: kŕmenie ton, ton a ton údajov do počítača, aby sa mohlo učiť z príkladov (pokus → chyba → porovnanie → zlepšenie), a nespoliehať sa na zdrojový kód..

Aplikácie strojového učenia

Ak teda strojové učenie nie je čiernou mágiou a nie je nič, čo by prinieslo Terminátory, čo je užitočné pre?

Strojové učenie pomáha v prípadoch, keď tradičné programovanie upadá a tieto prípady sa spravidla zaraďujú do jednej z týchto dvoch kategórií.

  1. klasifikácia
  2. predpoveď

Ako už názov napovedá, klasifikácia sa týka správneho označovania vecí, zatiaľ čo cieľom predpovede je opraviť budúce projekcie, vzhľadom na dostatočne veľký súbor údajov o minulých hodnotách.

niektorí zaujímavé aplikácie strojového učenia sú:

Filtrovanie spamu

E-mailový spam je všadeprítomný, ale jeho pokus o zastavenie môže byť nočnou morou. Ako je definovaný spam? Je to prítomnosť konkrétnych kľúčových slov? Alebo možno spôsob, akým je napísaný? Je ťažké vymyslieť vyčerpávajúci súbor pravidiel, programovo.

Preto používame strojové učenie. Ukážeme systému milióny nevyžiadaných a nevyžiadaných správ a necháme na to prísť. Toto bolo tajomstvo neuveriteľne dobrých filtrov spamu v službe Gmail, ktoré na začiatku 21. storočia kolísali osobný e-mail!

odporúčania

Všetky hlavné spoločnosti v oblasti elektronického obchodu majú dnes silné systémy odporúčaní. Ich schopnosť odporučiť veci, ktoré „môžeme“ považovať za užitočné, je niekedy neuveriteľne presná, napriek tomu, že sme na túto položku nikdy predtým neklikli..

Náhoda? Vôbec nie!

Strojové učenie tu ťažko pracuje, hltá terabajty po terabajtoch údajov a snaží sa predpovedať naše nestále nálady a preferencie.

Chatbots

Stretli ste sa s prvou úrovňou zákazníckej podpory, ktorá sa zdala čudne robotická a napriek tomu bola schopná viesť zaujímavé rozhovory?

No, potom ste sa zastavili strojovým učením!

Učenie sa z konverzácií a určenie, čo povedať, keď je nadchádzajúcou a vzrušujúcou oblasťou chatbot aplikácie.

Odstránenie buriny

V poľnohospodárstve sa roboty poháňané technológiou Machine Learning používajú na selektívne striekanie burín a iných nežiaducich rastlín medzi plodinami.

Inak by to muselo byť urobené ručne alebo by to bolo zbytočne zbytočné, pretože systém by tiež striekal plodiny zabíjačkou.!

Hlasové vyhľadávanie

Hlasová interakcia s počítačovými systémami už nie je sci-fi. Dnes máme digitálnych asistentov ako Alexa, Siri a Google Home, ktorí dokážu prijímať príkazy verbálne a neusporiadať sa (dobre, takmer!).

Niektorí by mohli argumentovať, že je to vynález, ktorému je najlepšie sa vyhnúť, pretože robí ľudskú rasu ľahšou ako kedykoľvek predtým, ale nemôžete sa hádať o efektívnosť. Napríklad v Google I / O 2018 spoločnosť dala ohromujúca ukážka o tom, čo jej výskumný tím chcel.

Lekárska diagnostika

Sme na pokraji revolúcie v lekárskej diagnostike, pretože systémy založené na strojovom učení začínajú prekonávať skúsených lekárov v diagnóza röntgenovými lúčmi atď.

Vezmite prosím na vedomie, že to neznamená, že lekári čoskoro nebudú potrebovať, ale že kvalita lekárskej starostlivosti sa dramaticky zvýši, zatiaľ čo náklady budú klesať (pokiaľ obchodné kartely neurčujú inak!).

Toto bola iba ukážka toho, na čo sa strojové učenie používa. Autá s vlastným pohonom, roboti na hranie strategických hier, skladacie stroje na tričká, lámanie captcha, sfarbenie čiernobielych fotografií – v týchto dňoch sa toho veľa deje.

Druhy strojového učenia

Techniky strojového učenia sú dvojakého druhu.

Učenie pod dohľadom, – v ktorom je systém riadený ľudským úsudkom, a – Učenie bez dozoru, v ktorom je systém ponechaný, aby sa všetko naučil sám. Ďalším spôsobom, ako povedať to isté, je to, že v supervízovanom vzdelávaní máme súbor údajov obsahujúci vstupy aj očakávaný výstup, ktorý systém používa na porovnávanie a korekciu. V učení bez dozoru však neexistuje žiadny existujúci výstup, ktorý by bolo možné merať, a preto sa výsledky môžu veľmi líšiť.

Vzrušujúca a kostne chladiaca aplikácia Unsupervised Machine Learning?

To by boli roboti hrajúci stolové hry, v ktorých sa program učí pravidlá hry a výherné podmienky, a potom sa ponecháva na svoje vlastné zariadenia. Program potom hrá milióny hier proti sebe, poučí sa zo svojich chýb a posilňuje výhodné rozhodnutia.

Ak ste na dostatočne výkonnom počítači, svetová hranie AI sa dá pripraviť v priebehu niekoľkých hodín!

Nasledujúce obrázky stručne ilustrujú tieto myšlienky (zdroj: stredný):

Zdroje na začatie strojového učenia

Takže teraz, keď ste všetci vyhodení o strojovom učení a o tom, ako vám môže pomôcť dobyť svet, kde začať?

Nižšie uvádzam niektoré fantastické zdroje na webe, ktoré vám môžu pomôcť dosiahnuť plynulosť v strojovom vzdelávaní bez toho, aby ste museli získať titul Ph.D. v informatike! Ak nie ste výskumný pracovník zameraný na strojové učenie, doménu strojového učenia nájdete ako praktickú a príjemnú ako programovanie vo všeobecnosti.

Takže sa nemusíte báť, bez ohľadu na to, aká je v súčasnosti vaša úroveň, ako dobrý program Machine Learning sa môžete učiť a zlepšovať. ��

programovanie

Prvou požiadavkou na zapojenie sa do strojového učenia je naučiť sa programovať. Je to preto, že systémy strojového vzdelávania prichádzajú vo forme knižníc pre rôzne programovacie jazyky.

Python je najviac odporúčaný, čiastočne preto, že je neuveriteľne príjemné sa učiť, a čiastočne preto, že má obrovský ekosystém knižníc a zdrojov..

úradné Sprievodca pre začiatočníkov je skvelým miestom na začiatok, aj keď ste s Pythonom trochu oboznámení. Alebo si to zober Bootcamp kurz stať sa hrdinom od nuly.

Myslím, že štatistiky

Keď skončíte so základmi jazyka Python, mojím druhým odporúčaním by bolo prejsť si dve neuveriteľne dobré knihy. Oni sú 100% zadarmo a je k dispozícii ako súbor PDF na stiahnutie. Myslím, že štatistiky a Mysli Bayes sú dve moderné klasiky, ktoré by mal internalizovať každý aspirujúci strojový učiteľ.

údom

V tejto chvíli vám odporúčam absolvovať niekoľko kurzov údom. Interaktívny formát so samostatnou tematikou vám pomôže dostať sa do drsného štrku a vybudovať si dôveru.

Skôr ako začnete, nezabudnite si pozrieť ukážku kurzu, recenzie (najmä negatívne) a celkový pocit z kurzu.

Na YouTube môžete tiež naraziť na úžasné návody. Sentdex je jeden taký kanál, ktorý môžem odporučiť, kde veľa zábavy vždy ide, ale prístup, ktorý zvolí, nie je priateľský pre začiatočníkov.

Andrew Ng

Kurz, ktorý vyučoval Andrew Ng dňa Coursera je pravdepodobne najpopulárnejším učebným zdrojom pre základy strojového učenia.

Aj keď používa programovací jazyk R, zostáva jedinečným v zaobchádzaní s predmetom a prehľadných vysvetleniach. Z tohto dôvodu Andrew Ng dosiahol trochu božskú postavu v kruhoch ML a ľudia sa naňho pozerajú kvôli maximálnej múdrosti (nemám srandu!).

Toto nie je samozrejme kurz pre začiatočníkov, ale ak ste už v dobrom počúvaní údajov a pri postupe vám nevadí nejaký vedľajší výskum, tento kurz je najlepším odporúčaním.

Zdroje na internete nie sú nijako obmedzené a na začiatku ich môžete ľahko stratiť. Väčšina výukových programov a diskusií, ktoré sa tu nachádzajú, sú matematicky náročné alebo im chýba štruktúra a môžu narušiť vašu dôveru skôr, ako začnete..

Chcel by som vás varovať pred sebazničením: udržujte svoj cieľ skromný a pohybujte sa v minimálnych krokoch. Strojové učenie nie je niečo, za čo by ste sa mohli cítiť pohodlne do jedného alebo dvoch dní, ale čoskoro sa začnete baviť a kto vie, možno dokonca vytvorí niečo desivé!

Bavte sa! ��

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