Рубрики

Демистифицирующее машинное обучение

Машинное обучение. Теперь это слово, которое наносит удар! Машинное обучение в наши дни очень популярно! И почему этого не будет? Почти каждая «заманчивая» новая разработка в области компьютерных наук и разработки программного обеспечения в целом связана с машинным обучением за завесой. Microsoft Cortana — Машинное обучение. Распознавание объектов и лиц — машинное обучение и компьютерное зрение. Усовершенствованные программы улучшения UX — Машинное обучение (да!. Рекомендация продукта Amazon, которую вы только что получили, заключалась в том, чтобы сократить количество алгоритмов машинного обучения).

И даже не только это. Машинное обучение и наука о данных в целом ВЕЗДЕ. Он так же всемогущ, как и сам Бог, если бы он был в компьютерах! Почему? Потому что данные везде!

Поэтому естественно, что любой, кто имеет мозг выше среднего и может различать парадигмы программирования, взглянув на код, заинтригован машинным обучением.

Но что такое машинное обучение? А насколько велико машинное обучение? Давайте демистифицируем машинное обучение раз и навсегда. И чтобы сделать это, вместо того, чтобы представлять технические спецификации, мы будем следовать подходу «Понимание на примере».

Машинное обучение: что это на самом деле?

Ну, машинное обучение — это подполе искусственного интеллекта, которое развилось из теории распознавания образов и вычислительного обучения. Артур Ли Самуэль определяет машинное обучение как: область обучения, которая дает компьютерам возможность учиться без явного программирования.

Таким образом, в основном это область компьютерных наук и искусственного интеллекта, которая «учится» на данных без вмешательства человека.

Но у этого взгляда есть недостаток. В результате этого восприятия всякий раз, когда появляется слово «машинное обучение», люди обычно думают об «ИИ» и «Нейронных сетях, которые могут имитировать человеческий мозг (на данный момент это невозможно)», «Автомобили с автоматическим управлением» и тому подобное. , Но машинное обучение намного выше этого. Ниже мы раскрываем некоторые ожидаемые и некоторые обычно не ожидаемые аспекты современных вычислений, где машинное обучение находится в действии.

Машинное обучение: ожидаемое

Мы начнем с некоторых мест, где можно ожидать, что машинное обучение сыграет свою роль.

  1. Распознавание речи (обработка естественного языка в более технических терминах): вы разговариваете с Cortana на устройствах Windows. Но как он понимает, что вы говорите? Наряду с этим возникает область обработки естественного языка, или НЛП. Она занимается изучением взаимодействий между машинами и людьми с помощью лингвистики. Угадайте, что лежит в основе НЛП: алгоритмы и системы машинного обучения (скрытые марковские модели — одна).
  1. Computer Vision: Computer Vision — это подполе ИИ, которое занимается машинной (вероятной) интерпретацией реального мира. Другими словами, все методы распознавания лиц, распознавания образов, распознавания персонажей принадлежат Computer Vision. И машинное обучение еще раз, с его широким спектром алгоритмов, лежит в основе Computer Vision.
  1. Самостоятельная машина Google : хорошо. Вы можете представить, что движет этим на самом деле. Больше машинного обучения добра.

Но это были ожидаемые приложения. Даже скептик мог бы получить хорошее представление об этих технологических достижениях, воплощенных в жизнь каким-то «мистическим (и чрезвычайно трудным) умом, затягивающим компьютер».

Машинное обучение: неожиданное

Давайте посетим некоторые места, которые обычные люди не могли бы легко ассоциировать с машинным обучением:

  1. Рекомендации по продуктам от Amazon. Всегда удивлялись, почему у Amazon всегда есть рекомендации, которые просто соблазняют вас облегчить ваш кошелек. Ну, это алгоритм (ы) машинного обучения, называемый «Рекомендательные системы», работающий в фоновом режиме. Он изучает личные предпочтения каждого пользователя и дает рекомендации в соответствии с этим.
  1. Youtube / Netflix: они работают так же, как и выше!
  1. Data Mining / Big Data : для многих это не может быть шоком. Но Data Mining и Big Data — это всего лишь проявление изучения и изучения данных в более широком масштабе. И где бы ни находилась цель извлечения информации из данных, вы можете обнаружить, что машинное обучение скрывается поблизости.
  1. Фондовый рынок / Жилищное финансирование / Недвижимость: Все эти области включают множество систем машинного обучения для лучшей оценки рынка, а именно «Регрессионные методы», для таких посредственных вещей, как прогнозирование цены дома, прогнозирование и анализ тенденций фондового рынка.

Так что, как вы могли видеть сейчас. Машинное обучение на самом деле везде. От исследований и разработок до улучшения бизнеса малых компаний. Это везде. И, следовательно, это компенсирует довольно карьерный вариант, так как индустрия находится на подъеме, и это благо не останавливается в ближайшее время.

Итак, пока это все. Это завершает наше машинное обучение 101. Мы надеемся, что мы встретимся снова, и когда мы это сделаем, мы углубимся в некоторые технические детали машинного обучения, какие инструменты используются в отрасли, и как начать свой путь к мастерству машинного обучения. , До тех пор, Code Away!

Этот блог предоставлен Сартаком Ядавом . Если вы также хотите продемонстрировать свой блог здесь, пожалуйста, смотрите GBlog для записи гостевого блога на GeeksforGeeks.

Рекомендуемые посты:

Демистифицирующее машинное обучение

0.00 (0%) 0 votes