Инновации в области машинного обучения, искусственного интеллекта и анализа данных двигают мир технологий вперед. Вот почему интересно, что Gem City Tech создала под своей эгидой подгруппу, ориентированную исключительно на машинное обучение и искусственный интеллект, с дополнительным пространством для изучения тем в области представления данных и аналитики.
Сегодня вечером было первое собрание этой подгруппы, а это означает, что время для поиска Gem City Tech не могло быть лучше, учитывая, что это тема, которую я хотел бы изучить в своей карьере. Как и во время моей предыдущей встречи с Gem City Tech, я чувствовал себя немного ошеломленным, но в хорошем смысле это все равно, что пытаться пить из пожарного шланга. Информация поступает ко мне быстро, но остается информативной и понятной.
Когда дело доходит до бескрайнего океана машинного обучения, я оказываюсь в метафорическом детском бассейне. Мои ноги достаточно мокрые, чтобы понять некоторые общие темы, но мне так много всего нужно выучить, и одной из важнейших частей обучения является обратная связь. Возможность связаться с единомышленниками по этой теме даст мне правильную обратную связь, которая направит меня в правильном направлении.
Обратная связь — важный шаг не только на пути обучения, но и на пути этой группы. Эта первая встреча была просто процессом прощупывания; все присутствующие высказали свое мнение о том, на каком уровне находится группа в отношении знаний в области машинного обучения. Я был не одинок в своем чувстве информационной перегрузки. И не из-за нашего спикера Эвелин Бетчер. Они проделали фантастическую работу и были в восторге от того, как работает машинное обучение.
Как группа, мы сделали пример проекта, чтобы ответить на вопрос, действительно ли случайность случайна?
Первый пример, который мы рассмотрели, вращался вокруг солнечных пятен. Данные, собранные из солнечных пятен, кажутся случайными, что является идеальным тестом, чтобы увидеть, может ли машинное обучение создать прогностическую модель. После обучения модели на основе набора данных мы могли наблюдать, как модель подвергается тестированию. В то время как солнечные пятна кажутся случайным событием, модель машинного обучения делает предсказания довольно точно.
Солнечные пятна были всего лишь первым тестом на случайность, и ML могла настроить себя так, чтобы видеть сквозь случайность. Этот процесс работал для солнечных пятен, но что, если мы используем пакет генератора относительно случайных чисел в python. Генератор случайного питона довольно прост; есть лучшие методы создания случайности, но этого достаточно для нашего тестирования. Модель машинного обучения начала работать с данными, сгенерированными случайной функцией Python, что заняло гораздо больше времени, чем прогнозирование солнечных пятен. Как только модель завершила тест, модель, по сути, в своем роде сообщила нам, что эти данные действительно случайны и не могут быть предсказаны. Наша модель машинного обучения, которая могла предсказывать солнечные пятна, не могла предвидеть псевдослучайный ряд, созданный функцией random в Python. О, как падают сильные. На мой взгляд, мне интересно, можем ли мы предсказать случайные числа, которые выходят из генератора случайных чисел Python. Многие скажут, что стандартная случайная функция Python недостаточно «случайна».
Кроме того, наша нейронная сеть содержала всего три слоя: 30 узлов в первом слое, 10 во втором и 1 в последнем слое. Может ли более глубокая нейронная сеть более точно предсказать число по этой функции? Я уверен, что смогу найти ответ в Google, но я думаю, что я мог бы проверить это для себя позже в качестве проекта.
Сегодня была замечательная первая встреча, и я с нетерпением жду, куда пойдет эта группа в будущем.
