Машинное обучение (ML) - модное слово, которое привлекает внимание и внимание технических и нетехнических специалистов по всему миру. Если вы находитесь в социальных сетях, возможно, вы слышали об этом, но понятия не имеете, что это такое, и вы здесь, потому что хотите быть осведомленными по этой теме. Хорошие новости для вас! Я буду работать над серией статей, ориентированных на эту замечательную область, для начинающих. Я начинаю эту серию с введения в машинное обучение.
Итак, приступим! что такое машинное обучение? Это ветвь искусственного интеллекта (ИИ), которая используется, чтобы заставить «машину» учиться и делать прогнозы, которые улучшают восприятие без программирования. Он используется во многих областях, таких как медицина, геномика, маркетинг, финансы, беспилотные автомобили и многие другие.
Было сделано много замечательных реализаций для обнаружения рака кожи и груди с использованием машинного обучения!
Примеры машинного обучения из повседневной жизни
Машинное обучение используется повсюду. Как люди, мы постоянно учимся. Давайте возьмем пример, когда вы получаете электронное письмо от мошенника, в котором говорится, что вы выиграли приз, в теме письма указано ВЫИГРАЛИ и вы помечаете его как спам. Вы получаете его снова через месяц и сразу узнаете, что это спам, и снова помечаете его как спам.
Вам, как человеку, не составляло труда определить, спам это или нет, но для машины это так! Ему нужны данные для обучения, помечая их как спам, вы помогаете машине научиться распознавать спам.
Теперь все электронные письма с темой «ВЫ ВЫИГРАЛИ» помечаются как спам, но вы замечаете, что действительно выиграли что-то, и это письмо было помечено как спам, когда вы говорите, что это «Не спам». вы действительно помогаете машине, предоставляя ей информацию о том, что является спамом, а что не спамом, и, таким образом, она будет лучше фильтровать ваши электронные письма.
Другой пример: как вы получаете рекомендации на Amazon на основе того, что вы недавно приобрели или просмотрели, алгоритмы машинного обучения используются, чтобы узнать, каковы интересы пользователя и какие продукты будут им соответствовать, и отображать их в качестве рекомендаций.
Теперь, когда вы хорошо понимаете, что такое машинное обучение, мы можем рассмотреть две широкие классификации машинного обучения.
Контролируемое обучение
Контролируемое обучение, как следует из названия, контролируется путем предоставления машине набора данных с примерами и результатами, зная взаимосвязь между примерами и их результатами.
Затем задача машины состоит в том, чтобы предсказать результат для вновь заданных наборов данных на основе того, что они узнали из примеров. Фильтрация спама и обнаружение рака кожи были примерами контролируемого обучения.
Неконтролируемое обучение
При обучении без учителя мы предоставляем машине данные без каких-либо конкретных результатов, и машина должна попытаться найти скрытые закономерности между данными и группировкой данных, которые кажутся так или иначе связанными.
Таким образом, вы в основном даете машине сотни наборов данных, и ее задача - определять закономерности и соответствующим образом группировать данные, как если бы вы дали ребенку кучу лего и попросили его / ее сгруппировать их по цвету или форме.
Хорошим примером обучения без учителя может служить то, как новостные статьи сгруппированы по теме, чтобы вы могли видеть все связанные статьи в одном месте.
Большинство из нас следят за новостями в Твиттере, а не в газетах. Обычно мы видим ленту «Сегодняшние моменты», где все твиты, относящиеся к одной теме, сгруппированы вместе!
Заключение
Теперь у вас должно быть очень хорошее представление о том, что такое машинное обучение и как оно работает, вы все еще не знаете, что происходит за кулисами, но это не что-то чуждое для вас! И удивительно, как машинное обучение меняет наш образ жизни. Он применяется повсеместно, и разработчики машинного обучения нужны по всему миру. Это не ракетостроение, и никогда не поздно научиться и что-то изменить!
Одно можно сказать наверняка, машинное обучение поможет нам сделать мир лучше.
