Здравствуйте читатели!!!
Если бы вас попросили объяснить машинное обучение, смогли бы вы?
Проведем аналогию. Допустим, ваш ребенок играет дома и вдруг впервые видит свечу! Он осторожно ковыляет. Из любопытства он засовывает руку над пламенем свечи.
— Ой!!! — кричит он, отдергивая руку.
«Хм… эта красная и яркая штука действительно сердечная!».
.
.
.
Перенесемся на два дня позже.
.
.
.
Через два дня он играет на кухне и на этот раз впервые видит плиту. Он снова осторожно ковыляет. Ему снова любопытно, и он думает о том, чтобы засунуть руку на плиту.
Внезапно он замечает, что оно красное и яркое.
«Ааа… — думает он, — не сегодня!» Он помнит, что красный и яркий означает боль, поэтому игнорирует плиту.
да!!! Вот что такое машинное обучение, потому что ребенок научился шаблонам из свечи.
Он узнал, что шаблон "красный и яркий означает боль".
С другой стороны, если он проигнорировал плиту только потому, что вы (родитель) предупредили его, это будет «Явное программирование» вместо машинного обучения.
В явном программировании разработчик пишет программу. Компьютер также может принимать некоторые входные данные (данные), а затем возвращать выходные данные.
Но в машинном обучении ML переворачивает этот процесс с ног на голову. Вы передаете данные, а также выходные данные, а затем компьютер использует алгоритм обучения для формирования модели.
Теперь вы будете думать о том, что такое «Модель»? правильно? Не волнуйтесь, мы собираемся покрыть все это.
Давайте определим модель с более практической точки зрения.
.
.
.
Мы, люди, каждый день сталкиваемся с необходимостью принимать решения.
некоторые решения немного проще, например:
- Каков наилучший маршрут, чтобы вернуться в наш дом?
- Вам нужно платить за аренду?
- Ты должен почистить зубы сегодня вечером?
и некоторые решения немного сложнее, например:
- Стоит ли пригласить на свидание человека, в которого вы были влюблены? :)
- Вы действительно хотите иметь этот дополнительный десерт?
- Как планировать свой день, чтобы повысить свою продуктивность?
И есть некоторые решения, которые почти невозможно постоянно принимать правильно без помощи достоверных данных или глубокого знания предметной области, такие как:
- В какие акции лучше всего инвестировать прямо сейчас?
- Как бы вы обследовали пациентов на наличие смертельной болезни в очень больших масштабах?
- Можете ли вы предвидеть, откуда придет следующая террористическая угроза?
Машинное обучение сияет в этой третьей сфере принятия решений. Цель ML — упростить большой объем данных до единого прогноза/решения.
И ваша модель, по сути, является конечным продуктом: это представление того, как работает реальный мир, полученное непосредственно из данных.
Иногда машинное обучение способно полностью заменить человека. Но в большинстве случаев его лучше всего использовать для дополнения и дополнения работы экспертов в предметной области.
.
.
.
Фу!!!! Вот что такое машинное обучение.
Если вам понравилась эта статья или если эта статья оказалась для вас полезной, пожалуйста, поделитесь ею и не забудьте похлопать в ладоши. Подпишитесь на нас в Instagram, Telegram и Facebook.
Ссылки:
Спасибо!!!