Машинное обучение — это область, изучающая, как заставить компьютеры учиться. Другими словами, алгоритм машинного обучения — это компьютерная программа, которая учит компьютеры программировать себя так, чтобы нам не приходилось явно описывать, как выполнять задачу, которую мы хотим выполнить.
Когда люди говорят о машинном обучении, они говорят, что основанные на математике вычисления, аналитические методы и отличные практики программирования создают хорошее сочетание для машинного обучения. Генеральный директор Google Сундар Пичаи изложил корпоративное мышление: Машинное обучение — это основной преобразующий способ, с помощью которого мы переосмысливаем то, как мы все делаем. Мы продуманно применяем его во всех наших продуктах, будь то поиск, реклама, YouTube или Play. И мы только начинаем, но вы увидите, как мы систематически применяем машинное обучение во всех этих областях.
Термин «машинное обучение» в целом знаком молодым студентам колледжей, поскольку вы видите, как их уши навостряются, когда они упоминаются в разговоре; однако выражение их глаз показывает, что они не завладели ни одним из генов амбиций. Во всяком случае, пока нет. Возможно, вы захотите побудить своих детей лучше понимать статистику. Не всем в организации нужно становиться (или даже иметь возможность стать) статистиком. Однако машинное обучение — большая часть нашего будущего. Университеты помогают выпускникам, бакалавриатам и руководителям стать опытными в практическом применении данных. В рамках этого их учат критически мыслить и подвергать сомнению то, что говорят данные, вместо того, чтобы принимать то, что говорят данные, за чистую монету.
Машинное обучение использует алгоритмы для построения аналитических моделей, помогая компьютерам учиться на данных. Теперь его можно применять к огромному количеству данных для создания новых интересных приложений, таких как беспилотные автомобили. Машинное обучение использует алгоритмы для построения аналитических моделей, помогая компьютерам учиться на данных. Теперь его можно применять к огромному количеству данных для создания новых интересных приложений, таких как беспилотные автомобили. API Watson, API машинного обучения Microsoft Azure, Служба машинного обучения Amazon и проекты с открытым исходным кодом, включая библиотеку машинного обучения TensorFlow, предоставленную Google, — вот некоторые интересные имена, на которые стоит обратить внимание.
Лидеры знаний говорят, что мы все еще находимся на ранних стадиях искусственного интеллекта, о чем свидетельствуют повседневные ситуации, включая плохо нацеленные маркетинговые кампании, нерелевантные предложения программ лояльности и нестандартные рекомендации по продуктам.
Как правило, компании, нуждающиеся в экспертных знаниях в области машинного обучения, — это компании, занимающиеся разработкой аналитических продуктов, или компании с дальновидными, полунезависимыми мастерскими по обработке и анализу данных.
Чтобы научить компьютер распознавать животных, компьютеру показывают набор помеченных картинок (например, эта картинка — тигр, эта картинка — кошка и т. д.), точно так же, как мы делаем это, когда учим детей. Алгоритм машинного обучения будет использовать эти образцы для определения особенностей, отличающих одно животное от другого, и с помощью этой информации он напишет свою программу для выполнения задачи идентификации животных. Предоставление компьютерам возможности учиться и позволять компьютерам писать свой код — это одно и то же. Следовательно, машинное обучение — это способ заставить компьютеры научиться выполнять сложные задачи, процессы которых не могут быть легко описаны людьми, или даже задачи, которые мы не знаем, как выполнить (например, «Я хочу подсчитать, сколько клиентов купят это продукт» или «Я хочу, чтобы эта фотография выглядела как картина Пикассо»).
Информация, необходимая алгоритму машинного обучения для написания своей программы для решения конкретной задачи, представляет собой набор известных примеров.
Машинное обучение предполагает принятие решений на основе проб и ошибок и представляет собой более прикладную версию статистики.
Основная идея состоит в том, чтобы принимать решения, основываясь на определенном количестве имеющейся у вас информации.
Классификация на основе данных
Вы видели, как люди портят себе жизнь курением. Вы принимаете решение, что ни вы, ни
Градиентный спуск
Когда вы прикасаетесь к горячей плите, вы получаете травму; ты отдергиваешь руку. Вы вряд ли намеренно снова коснетесь горячей плиты. Или используй варежки в следующий раз.
Онлайн-обучение
Вы играете в блэкджек. В зависимости от последовательности карт, которые вы видите; вы принимаете быстрое решение, ударить или остаться.
Перенос обучения
Твоя мама научила тебя выбирать апельсины. Она отправляет вас в бакалейную лавку купить яблок. Хотя вы не знаете, как это сделать, вы можете использовать здравый смысл, чтобы сделать это.
Регрессия
Вы получаете данные о цене дома по сравнению с площадью дома. Вы наносите это на график. Вы видите, что это почти прямая линия. Вы примерно рисуете прямую линию и теперь думаете, что сможете предсказать цену дома, если кто-то укажет вам район.
Машины делают это более математически и формально.
Теперь замените себя машиной и дайте машине выполнить несколько шагов, чтобы она научилась тому же, что и вы. Машине не хватает мыслительных способностей, чтобы справиться с неожиданным сценарием, но она не делает ошибок на основе того, чему научилась (и работает быстрее вас). Итак, теперь машина учится в своей среде, и мы называем это машинным обучением.
