כיצד להתחיל בעבודה עם למידת מכונות

הניסיונות לתכנן מכונות חכמות יותר מבני אדם אינם חדשים. אחת ההתקפות המוקדמות ביותר שביצעו מדעי המחשב על “אינטליגנציה” אנושית הייתה דרך משחק שחמט. רבים חושבים כי שחמט הוא המבחן האולטימטיבי של האינטלקט והיצירתיות האנושית, ובשנות ה -60-60 היו אסכולות שונות במדעי המחשב..


חלקם סברו כי זה היה רק ​​עניין של זמן עד שהמחשבים יעקפו את בני האדם בשחמט, בעוד שאחרים האמינו שזה לעולם לא יקרה.

קספרוב מול כחול עמוק

האירוע הסנסציוני ביותר בהשתתפות אדם מול מכונה בקרב המחשבה היה משחק השחמט משנת 1996 בין אלוף העולם דאז גארי קספרוב (ולטענתו, שחקן השחמט הטוב ביותר אי פעם) ו כחול עמוק, מחשב-על שתכנן יבמ לאירוע זה ממש.

קרדיט תמונה: ויקיפדיה

כדי לקצר סיפור ארוך, קספרוב ניצח במשחק 1996 באופן משכנע (4-2), אך איבד את המחזור 1997 (4.5-3.5), בין הרבה מחלוקת וההאשמות הישירות של רמאות של קספרוב נגד יבמ.

בלי קשר, עידן שחמט ומדעי המחשב הסתיים. מחשבים היו זכאים להיות חכמים יותר מכל אדם חי. יבמ, מרוצה מהנקמה, פירקה את כחול עמוק והמשיכה הלאה.

כיום, אי אפשר לשום סגן-על להכות בכל מנוע שחמט רגיל הפועל על חומרת סחורות.

מה שלומדת מכונות איננה

לפני שנבחן לעומק יותר את למידת המכונה, בואו ונביא כמה תפיסות שגויות מהדרך. למידת מכונה איננה, בשום צורה של דמיון, ניסיון לשכפל את המוח האנושי. למרות אמונות סנסציוניסטיות שמוחזקות כמו אלון מאסק, מחקרים במדעי המחשב גורסים כי הם לא מחפשים אחר הדגן הקדוש הזה, ובוודאי שלא בשום מקום קרוב אליו.

במילים פשוטות, למידת מכונה היא התרגול של יישום תהליכי למידה-לדוגמה על מחשבים. זה מנוגד לגישה המסורתית של הסתמכות על מתכנת אנושי שיחשוב את כל התרחישים האפשריים וכללי הקוד הקשיח עבורם למערכת.

בכנות, זה בערך למידה של מכונה: הזנת טונות וטונות וטונות של נתונים למחשב כך שהוא יכול ללמוד מדוגמאות (ניסוי → שגיאה → השוואה → שיפור) במקום להסתמך על קוד המקור.

יישומים של למידת מכונה

אז אם למידת מכונה אינה קסם שחור, ואף אחד מהם לא יצליח להוליץ מסופים, לשם מה הוא מועיל?

למידת מכונה מסייעת במקרים בהם תכנות מסורתית נופלת בצורה שטוחה, ובמקרים אלו מקרים בדרך כלל לאחת משתי הקטגוריות.

  1. סיווג
  2. חיזוי

כפי שמשתמע מהשם, סיווג עוסק בתיוג נכון של הדברים, בעוד שחיזוי שואף לתקן תחזיות עתידיות, בהינתן מערך נתונים גדול מספיק של ערכי עבר.

כמה יישומים מעניינים של למידת מכונה הם:

סינון דואר זבל

דואר זבל בדוא”ל חודר, אך ניסיון לעצור אותו יכול להיות סיוט. איך מוגדר דואר זבל? האם זה נוכחות של מילות מפתח ספציפיות? או אולי הדרך שנכתבת? קשה לחשוב על מערכת כללים ממצה, מבחינה תכניתית.

וזו הסיבה שאנו משתמשים בלימוד מכונות. אנו מראים למערכת מיליוני הודעות דואר זבל והודעות שאינן ספאם, ונותנים לה להבין את השאר. זה היה הסוד שמאחורי מסנני הספאם הטובים להפליא של ג’ימייל שגרסו דוא”ל אישי בתחילת שנות האלפיים!

המלצות

לכל חברות הסחר האלקטרוני הגדולות כיום יש מערכות המלצה חזקות. לעיתים היכולת שלהם להמליץ ​​על דברים שאנו “עשויים למצוא” מועילים היא מדויקת להפליא, למרות שמעולם לא לחצת על פריט זה לפני כן.

צירוף מקרים? בכלל לא!

למידת מכונה קשה בעבודה כאן, מגדלת טרה-בתים אחרי טרה-בתים של נתונים ומנסה לחזות את מצבי הרוח וההעדפות שלנו.

צ’אט בוטס

האם נתקלת בתמיכת לקוחות מהדרגה הראשונה שנראתה רובוטית להפליא ובכל זאת הצליחה לשוחח שיחות חולין מעניינות?

ובכן, אז הועברה לך מכונה למידה!

למידה משיחות וקביעת מה לומר מתי הוא תחום מתקרב ומרתק של אפליקציית צ’אט-בוט.

הסרת עשבים שוטים

בחקלאות, רובוטים המופעלים על ידי Machine Learning משמשים לרסס עשבים וצמחים לא רצויים בין יבולים באופן סלקטיבי.

אחרת זה היה צריך להיעשות ביד, או שזה יהיה בזבזני בפראות שכן המערכת תתיז גם את התוצרת בנוזל הרוצח.!

חיפוש קולי

אינטראקציה מבוססת קול עם מערכות מחשב איננה מדע בדיוני יותר. כיום יש לנו עוזרים דיגיטליים כמו אלקסה, סירי וגוגל הום, שיכולים לקחת פקודות מילולית ולא להתעסק (טוב, כמעט!).

יש שיטענו כי זו ההמצאה הטובה ביותר להימנע מכיוון שהיא הופכת את המין האנושי לעצל מתמיד, אך אינך יכול להתווכח עם היעילות. לדוגמה, ב- Google I / O 2018, החברה נתנה הדגמה מדהימה ממה שצוות המחקר שלו עמד על.

אבחנה רפואית

אנו עומדים על סף מהפכה באבחון רפואי, מכיוון שמערכות מבוססות למידת מכונה מתחילות לעלות על תוצאות הרופאים המנוסים בהן אבחנה באמצעות צילומי רנטגן וכו ‘.

לתשומת לבך, אין פירוש הדבר שבקרוב לא יהיה צורך ברופאים, אלא שאיכות הטיפול הרפואי תעלה באופן דרמטי, בעוד העלויות תצליחו לצלול (אלא אם כן קרטלי עסקים מכתיבים אחרת!).

זה היה רק ​​דוגמא של מה נעשה שימוש במכונת למידה. מכוניות בנהיגה עצמית, בוטים שמשחקים משחקי אסטרטגיה, מכונות מתקפלות חולצת טריקו, שבירת captcha, צביעה של תמונות בשחור-לבן – הרבה קורה בימים אלה.

סוגים של למידת מכונה

טכניקות למידת מכונה הן משני סוגים.

למידה מפוקחת, שבה המערכת מכוונת על ידי שיפוט אנושי, ו למידה ללא פיקוח, בו נותרה המערכת ללמוד בעצמה. דרך נוספת לומר את אותו הדבר תהיה שבמידה מפוקחת, יש לנו מערך נתונים המכיל גם את התשומות וגם את התפוקה הצפויה, שהמערכת משתמשת בה כדי להשוות ולתקן את עצמה. עם זאת, בלימוד ללא פיקוח, אין כל פלט קיים שאפשר למדוד בו, ולכן התוצאות עשויות להשתנות בפראות.

יישום מרגש ומצמרר עצמות של למידת מכונות ללא פיקוח?

זה יהיה בוטים שמשחקים משחקי לוח, שבהם נלמדת התוכנית את כללי המשחק ותנאי הזכייה, ואז מועברת למכשירים שלה. לאחר מכן התוכנית משחקת מיליוני משחקים נגד עצמה, לומדת מהטעויות שלה ומחזקת את ההחלטות המועילות.

אם אתה נמצא במחשב מספיק חזק, ניתן להכין AI משחקי מכות עולמי תוך מספר שעות!

התמונות שלהלן ממחישות רעיונות אלה בתמציתיות (מקור: בינוני):

מקורות לתחילת העבודה בלימוד מכונות

אז עכשיו, כשכולכם מפוטרים על למידת מכונות ואיך זה יכול לעזור לכם לכבוש את העולם, היכן להתחיל?

להלן פירטתי כמה מקורות פנטסטיים באינטרנט שיכולים לעזור לך להשיג שוטפות בלימוד מכונות מבלי שתצטרך לקבל תואר שלישי. במדעי המחשב! אם אינך חוקר למידת מכונות, אתה תמצא את תחום למידת המכונה מעשי ומהנה כמו תכנות באופן כללי.

אז אל תדאגו, לא משנה מה רמתכם כרגע, תוכלו, כמו תוכנית טובה למידת מכונות, ללמד את עצמכם ולהשתפר. ��

תכנות

הדרישה הראשונה להכנס למידה במכונה היא למידה לתכנית. הסיבה לכך היא שמערכות למידת מכונות מגיעות בספריות לשפות תכנות שונות.

פייתון הוא המומלץ ביותר, גם בגלל שהוא נעים להפליא ללמוד, וחלק מכיוון שיש בו מערכת אקולוגית מסיבית של ספריות ומשאבים.

ה רשמי מדריך למתחילים הוא מקום נהדר להתחיל בו, גם אם אתה מכיר מעט את פייתון. או, קח את זה קורס Bootcamp להפוך לגיבור מאפס.

תחשוב סטטיסטיקות

לאחר שתסיימו את היסודות של פייתון, ההמלצה השנייה שלי תהיה לעבור על שני ספרים טובים להפליא. הם 100% חינם וזמין כקובץ PDF להורדה. תחשוב סטטיסטיקות ו תחשוב בייס הן שתי קלאסיקות מודרניות שכל מהנדס למידה מכונה שואף צריך להפנים.

אודמי

בשלב זה הייתי ממליץ לך לקחת מספר קורסים אודמי. הפורמט האינטראקטיבי, בקצב עצמי, יעזור לכם להיכנס לנחשניים-גרגירים ולבנות ביטחון.

הקפד לבדוק את התצוגה המקדימה של הקורס, את הסקירות (במיוחד את השליליות!) ואת התחושה הכללית של הקורס לפני שתתחיל.

תוכלו גם להיתקל במדריכים מדהימים ביוטיוב בחינם. סנטקס הוא ערוץ אחד כזה שאני יכול להמליץ ​​עליו, שם תמיד טונות של כיף הולכות, אבל הגישה שהוא נוקט אינה ידידותית למתחילים.

אנדרו נג

הקורס הנלמד על ידי אנדרו נג ב- קורסרה הוא ללא ספק משאב הלמידה הפופולרי ביותר ליסודות של Machine Learning.

למרות שהיא משתמשת בשפת התכנות R, היא נותרה ללא תחרות בטיפול שלה בנושא ובהסברים הצלולים. בגלל הקורס הזה, אנדרו נג השיג קומה אלוהית במעגלי ML, ואנשים מסתכלים אליו אחר חוכמה אולטימטיבית (אני לא צוחק!).

זה אכן לא קורס למתחילים, אבל אם אתה כבר טוב במאמץ נתונים ולא אכפת לך ממחקר צדדי בזמן שאתה הולך, קורס זה הוא ההמלצה הטובה ביותר.

אין סוף למשאבים באינטרנט ואפשר בקלות ללכת לאיבוד כשמתחילים. מרבית הדרכות והדיונים שם בחוץ מאתגרים מבחינה מתמטית, או חסרי מבנה, ויכולים לשבור את הביטחון העצמי שלך לפני שתתחיל אפילו להתחיל.

לכן, אני רוצה להזהיר אותך מפני הרס עצמי: שמור על מטרתך צנועה ותנוע בצעדים מינימליים. למידת מכונה אינה משהו שתוכלו להרגיש בנוח תוך יום-יומיים, אבל די בקרוב תתחילו ליהנות, ומי יודע, אולי אפילו תיצרו משהו מפחיד!

תעשה חיים! ��

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