Демистификация машинного обучения
Машинное обучение". Вот это слово имеет решающее значение! В наши дни машинное обучение популярно! А почему этого не будет? Почти каждая «заманчивая» новая разработка в области компьютерных наук и разработки программного обеспечения в целом имеет что-то, связанное с машинным обучением за пеленой. Кортана от Microsoft - Машинное обучение. Распознавание объектов и лиц - машинное обучение и компьютерное зрение. Расширенные программы улучшения UX - Машинное обучение (да! Только что полученная вами рекомендация по продукту Amazon была трудом для решения некоторых алгоритмов машинного обучения).
И даже не только это. Машинное обучение и наука о данных в целом ВЕЗДЕ. Он так же всемогущ, как сам Бог, если бы он занимался компьютерами! Почему? Потому что данные везде!
Поэтому вполне естественно, что машинное обучение заинтриговано тем, кто обладает мозгом выше среднего и может различать парадигмы программирования, бегло взглянув на код.
Но что такое машинное обучение? Насколько велико машинное обучение? Давайте раз и навсегда демистифицируем машинное обучение. И для этого, вместо того, чтобы представлять технические спецификации, мы будем следовать подходу «Понять на примере».
Машинное обучение: что это на самом деле?
Что ж, машинное обучение - это подраздел искусственного интеллекта, который развился из теории распознавания образов и вычислительного обучения. Артур Ли Самуэль определяет машинное обучение как: область обучения, которая дает компьютерам возможность учиться без явного программирования.
Итак, в основном, область компьютерных наук и искусственного интеллекта, которая «учится» на данных без вмешательства человека.
Но у этой точки зрения есть изъян. В результате такого восприятия всякий раз, когда используется слово «машинное обучение», люди обычно думают об «ИИ» и «нейронных сетях, которые могут имитировать человеческий мозг (на данный момент это невозможно)», о самоуправляемых автомобилях и тому подобном. . Но машинное обучение выходит далеко за рамки этого. Ниже мы раскрываем некоторые ожидаемые и некоторые в целом неожиданные аспекты современных вычислений, в которых работает машинное обучение.
Машинное обучение: ожидаемое
Мы начнем с некоторых мест, где вы можете ожидать, что машинное обучение сыграет свою роль.
- Распознавание речи (обработка естественного языка в более технических терминах): вы разговариваете с Кортаной на устройствах Windows. Но как он понимает, что вы говорите? Затем идет область обработки естественного языка, или НЛП. Она занимается изучением взаимодействия между машинами и людьми с помощью лингвистики. Угадайте, что лежит в основе НЛП: алгоритмы и системы машинного обучения (одна из которых - скрытые марковские модели).
- Компьютерное зрение: Компьютерное зрение - это подполе ИИ, которое занимается (вероятной) интерпретацией реального мира Машиной. Другими словами, все методы распознавания лиц, образов и символов принадлежат компьютерному зрению. И снова машинное обучение с широким спектром алгоритмов лежит в основе компьютерного зрения.
- Самоуправляемый автомобиль Google : Хорошо. Вы можете себе представить, что на самом деле движет им. Больше доброты машинного обучения.
Но это были ожидаемые приложения. Даже скептик должен иметь хорошее представление об этих технологических подвигах, воплощенных в жизнь каким-то «мистическим (и чрезвычайно сложным) компьютерным волшебством, ломающим разум».
Машинное обучение: неожиданное
Давайте посетим некоторые места, которые нормальным людям не очень-то легко ассоциировать с машинным обучением:
- Рекомендации по продуктам Amazon: Вы когда-нибудь задумывались, как у Amazon всегда есть рекомендация, которая просто соблазняет вас облегчить ваш кошелек. Что ж, это алгоритм (ы) машинного обучения, называемый «Рекомендательные системы», работающий в фоновом режиме. Он изучает личные предпочтения каждого пользователя и дает рекомендации в соответствии с ними.
- Youtube / Netflix: они работают так же, как указано выше!
- Data Mining / Big Data : Возможно, для многих это не будет большим шоком. Но интеллектуальный анализ данных и большие данные - это всего лишь проявления изучения и изучения данных в более крупном масштабе. И везде, где есть цель извлечения информации из данных, вы обнаружите, что поблизости прячется машинное обучение.
- Фондовый рынок / жилищное финансирование / недвижимость: все эти области включают множество систем машинного обучения для лучшей оценки рынка, а именно «методы регрессии» для таких посредственных вещей, как прогнозирование цены дома, прогнозирование и анализ тенденций фондового рынка.
Итак, как вы, возможно, уже видели. На самом деле машинное обучение есть повсюду. От исследований и разработок к совершенствованию бизнеса малых компаний. Это везде. И, следовательно, это неплохой вариант карьеры, поскольку отрасль находится на подъеме, и это благо не прекращается в ближайшее время.
Итак, это на данный момент. На этом мы завершаем нашу «Машинное обучение 101». Мы надеемся встретиться снова, и когда мы это сделаем, мы погрузимся в некоторые технические детали машинного обучения, какие инструменты используются в отрасли и как начать свой путь к мастерству в машинном обучении. . А пока, Code Away!
Автор этого блога Сартак Ядав . Если вы также хотите продемонстрировать здесь свой блог, посетите GBlog, где вы можете писать в гостевом блоге на GeeksforGeeks.