Это краткое введение в мир машинного обучения для абсолютных новичков и то, как начать работу, чтобы хорошо начать работу в этой замечательной области.

«Машинное обучение» — это область искусственного интеллекта, или, можно просто сказать, шаг к созданию интеллектуального робота будущего. Но машинное обучение — это не только создание интеллектуальных роботов, поэтому оно чаще используется почти во всех компаниях или организациях, работающих с данными. Это просто (иногда) или чаще сложный алгоритм, предназначенный для обучения нашей машины или, скажем, робота, принимать разумные решения на основе предыдущих знаний или данных, которые мы ему передаем.

Но чтоименно я подразумеваю под управлением данными? Данные — это факты и статистические данные, собранные вместе для справки или анализа (поиск в Google). Мы живем в эпоху данных. Мы щелкаем изображение и загружаем его на сайт социальной сети, и да, это данные для сайта. Алгоритмы машинного обучения сегодня в тренде, но они существуют уже более 15–20 лет. Так почему же это так широко используется сегодня, а не тогда? Причина в данных (а также в скорости обработки нашего компьютера). Сегодня мы создаем больше данных, чем 10–15 лет назад, поэтому сегодня у нас есть много данных, которые можно передать нашей машине, и они лучше учатся.

Но как именно происходит машинное обучение? В этом и состоит суть машинного обучения, и мы используем разные алгоритмы, чтобы заставить нашу машину изучать разные типы данных. Но сначала следует поговорить об основной идее. На самом деле, машина учится так же, как учатся люди. В основном существует три типа обучения: 1. Контролируемое обучение : рассказывать ребенку, что хорошо, а что плохо (множество примеров того, что хорошо и что плохо) и, в конце концов, ребенок начнет различать хорошее и плохое И, учитывая новый сценарий (о котором он никогда не знал), он может предсказать, хороший он или плохой, зная прошлый хороший и плохой сценарий. 2. Обучение без учителя : Дайте слепому человеку группу шаров и группу призм (треугольной формы). Он не может этого видеть (как и наша машина), но он может потрогать их и может знать их характеристики (такие как высота, резкость, форма) и может сгруппировать их, не зная, какие объекты он сгруппировал. 3. Обучение с подкреплением: В момент замешательства или конфликта того, что делать и чего не делать, вы могли принять случайное решение, и позже результат ваших действий будет либо положительным, либо отрицательным. И на основе результата вы узнаете, примете ли вы это решение снова, когда позже столкнетесь с тем же или подобным сценарием.

НАЧАТЬ С МАШИННЫМ ОБУЧЕНИЕМ

  1. Изучите язык Python или R (личное предпочтение — Python для начинающих). Просто изучите основы языка, чтобы начать.
  2. Изучите некоторые полезные пакеты и библиотеки языка, которые пригодятся для машинного обучения, такие как Pandas, Numpy, Seaborn и т. д. (для python). Пакеты и библиотеки содержат код различных алгоритмов, и их использование позволяет легко писать код для нас, не беспокоясь об основной, а иногда и сложной работе, которая уже сделана за нас и хранится в этих библиотеках.
  3. Начните изучать предварительную обработку данных.
  4. Погрузитесь в пул алгоритмов машинного обучения (начните с линейной регрессии).
  5. Работа над проектами.
  6. Перейти к глубокому обучению (лучшие алгоритмы для машинного обучения).

СОВЕТЫ. Не просто реализуйте алгоритмы машинного обучения с помощью библиотек, но также разберитесь в математике, лежащей в их основе, и попытайтесь реализовать их без использования библиотек.

ЕСЛИ ВЫ ВЫБИРАЕТЕ PYTHON ИЛИ R, УСТАНОВИТЕ ANACONDA.

Anaconda – это бесплатный дистрибутив языков программирования Python и R с открытым исходным кодом для научных вычислений, цель которого – упростить управление пакетами и их развертывание (погуглил). На самом деле, он содержит много уже загруженных пакетов (экономит много работы). И В ЭТОМ МНОГО IDE, и все они хорошо подходят для конкретной работы.

КАКУЮ IDE ИСПОЛЬЗОВАТЬ? Лично я предпочитаю JUPYTER NOTEBOOK для машинного обучения. Вы даже можете загрузить его отдельно, не загружая Anaconda, но рекомендуется загрузить Anaconda, поскольку в нем предустановлено множество пакетов.

ПОЧЕМУ JUPYTER NOTEBOOK? Он прост в использовании, имеет хороший интерфейс и лучшую часть, вы можете запускать каждую строку кода по отдельности и, честно говоря, действительно полезно понимать и изучать, что представляет собой каждая строка вашего кода. собирается сделать.

КАКУЮ-ЛИБО ДРУГУЮ IDE МОЖНО ПРЕДЛОЖИТЬ? Второе, но последнее, Spyder.

Я надеюсь, что это помогло вам получить некоторое представление о том, что такое машинное обучение и с чего начать обучение. Приятного обучения !!!!