Пять бесплатных инструментов, которые интуитивно разбивают сложные концепции машинного обучения

То, как алгоритмы машинного обучения работают под капотом, многие не понимают. Что видит слой CNN? Как работает обратное распространение? Как именно обновляются веса в слое? Это некоторые из вопросов, которые снова и снова возникают у нас в голове. Эти концепции могут быть особенно ошеломляющими для новичков, которые хотят с трудом согласовать математические уравнения с теорией. Хорошая новость в том, что некоторые люди понимают эту боль и хотят предложить альтернативные формы обучения. Эта статья представляет собой сборник из пяти таких инструментов, которые выходят за рамки теории и вместо этого представляют интуитивно понятные объяснения стандартных концепций машинного обучения.

1. MLaddict.com

mladdict.com - отличный инструмент, если вы хотите понять основные математические концепции следующих четырех алгоритмов:

  • Линейная регрессия
  • Нейронная сеть
  • Рекуррентная сеть
  • Q обучающий агент

Он открывает симулятор в вашем браузере, а затем демонстрирует, что происходит на каждом этапе алгоритма. Ниже представлена ​​демонстрация симулятора, показывающая, как работает линейная регрессия с использованием алгоритма градиентного спуска.

2. Объяснение визуально

Визуальное объяснение (EV) - эксперимент, цель которого - сделать сложные идеи интуитивно понятными. Он вдохновлен работой Брета Виктора Исследуемые объяснения. Последняя обновленная статья на этом сайте датируется 2017 годом, поэтому вы не найдете свежих материалов, но те, которые там есть, просто великолепны. Я позаимствовал некоторые из их визуальных объяснений в некоторых своих блогах, поскольку они так красиво созданы. Ниже приведен краткий обзор того, как EV объясняет концепцию анализа главных компонентов (PCA). Посетите их сайт, чтобы увидеть другие интересные работы.

3. Теория видения

Seeing Theory - это сайт, который предлагает визуальное представление о вероятности и статистике. Цель этого веб-сайта - сделать статистику более доступной с помощью интерактивных визуализаций. В книге даются интуитивные объяснения следующих шести статистических концепций.

  • Основная вероятность
  • Сложная вероятность
  • Распределения вероятностей
  • Заключение Frequentist
  • Байесовский вывод
  • Регрессионный анализ

Давайте посмотрим, как теория видения вводит основные понятия теории вероятностей.

4. R2D3: Статистика и визуализация данных

R2D3 - эксперимент по выражению статистического мышления с помощью интерактивного дизайна. Он представляет собой структурированное визуальное введение в концепции машинного обучения. В настоящее время на сайте доступны следующие темы:

Вот как вы можете визуализировать, как дерево решений делает классификации

5. Рассказчик CNN

CNN Explainer - это интерактивная система визуализации, разработанная, чтобы помочь неспециалистам узнать о сверточных нейронных сетях (CNN). CNN Explainer - это инструмент, который сочетает в себе обзор модели CNN и динамическое визуальное объяснение, помогающее пользователям понять основные компоненты CNN. Благодаря плавным переходам между уровнями абстракции наш инструмент позволяет пользователям проверять взаимодействие между низкоуровневыми математическими операциями и структурами моделей высокого уровня.

Для получения дополнительной информации ознакомьтесь с нашей рукописью CNN Explainer: Learning Convolutional Neural Networks with Interactive Visualization или попробуйте сами, используя живую демонстрацию здесь. Ниже приведена быстрая демонстрация того, как вы можете использовать этот инструмент.

Заключение

В заключение мы рассмотрели пять полезных инструментов, которые делают изучение машинного обучения и статистики более интересным. Правильно сказано, что картинка стоит тысячи слов. Сложные жаргоны могут стать намного проще для понимания, если они представлены в интерактивной форме. Это также помогает снизить барьер для входа в область машинного обучения для новичков.