Машинное обучение - последнее модное словечко, которое сейчас популярно. Это заслуживает того, поскольку это одна из самых интересных областей компьютерных наук. Так что же на самом деле означает машинное обучение? По определению, Машинное обучение дает компьютерам возможность учиться без явного программирования.
Давайте попробуем понять машинное обучение с точки зрения непрофессионала. Представьте, что вы пытаетесь выбросить газету в мусорное ведро.
После первой попытки вы понимаете, что вложили в это слишком много сил. После второй попытки вы понимаете, что находитесь ближе к цели, но вам нужно увеличить угол броска. То, что здесь происходит, по сути, заключается в том, что после каждого броска мы чему-то учимся и улучшаем конечный результат. Мы запрограммированы учиться на собственном опыте.
Мы можем сделать нечто подобное и с машинами. Мы можем запрограммировать машину так, чтобы она училась на каждой попытке / опыте / точках данных, а затем улучшала результат. Давайте посмотрим на пример подбрасывания бумаги в машинном и немашинном подходах.
Общая программа (без машинного обучения)
В нашем примере, приведенном выше, обычная программа прикажет компьютеру измерить расстояние и угол и применить некоторую заранее заданную формулу для расчета необходимой силы. Теперь, если вы добавите вентилятор (силу ветра) в свою установку, эта программа будет постоянно пропускать цель и ничего не узнает из неудачной попытки. Чтобы получить правильный результат, вам нужно перепрограммировать включение фактора ветра в формулу.
Программа машинного обучения
Теперь, для того же примера, программа машинного обучения могла бы начинаться с общей формулы, но после каждой попытки / опыта рефакторинга это формула. Поскольку формула постоянно совершенствуется с использованием большего количества опытов (точек данных), результат тоже улучшается. Вы видите эти вещи в действии вокруг себя в рекомендациях по видео на YouTube, в новостной ленте Facebook и т. Д.
Другое, более техническое определение машинного обучения: Считается, что компьютерная программа учится на опыте E в отношении некоторого класса задач T и показателя эффективности P, если его эффективность при выполнении задач в T, измеренная с помощью P, улучшается с опытом E. По сути, это означает, что в машинном обучении для любой задачи машина улучшает ее производительность с помощью своего опыта. Это именно то, что мы наблюдали в нашем примере с подбрасыванием бумаги.
Вам не нужен алгоритм машинного обучения, чтобы рассчитать возраст человека по дате его рождения. Но вы могли бы использовать алгоритм машинного обучения, чтобы угадать возраст человека по его музыкальным лайкам. Например, ваши данные указывают на то, что поклонники Led Zeppelin и The Doors в основном старше 40 лет, а поклонники Селены Гомес обычно моложе 25 лет. Машинное обучение можно использовать буквально во всем, что вас окружает. Но важно понимать, действительно ли проблема нужно решать с помощью машинного обучения или нет.
Если вам понравилась эта статья, поделитесь ею и порекомендуйте ее всем, кому она пригодится. О себе, я программист с опытом работы более 6 лет. Я работал с несколькими стартапами и для них. Я являюсь частью Adevole - Your Technical Co-Founder, это в основном группа программистов, посвятивших себя разработке технологий, подходящих для стартапа. Вы можете узнать обо мне больше на www.vishweshshetty.com
