Почти за последнее десятилетие мы стали свидетелями того, как слово «машинное обучение» стало чрезвычайно популярным. Итак, в этом сообщении в блоге давайте разберемся с самим термином и почему он актуален сегодня?

Что такое машинное обучение (ML)?

Это область исследования, которая дает компьютерам возможность учиться без явного программирования для этого.

Но как же тогда обучается машина?

Прежде чем мы углубимся в это, давайте разберемся, как пишутся алгоритмы.
Алгоритм (algo) — это набор инструкций, последовательное выполнение которых поможет решить проблему.

Допустим, у нас есть изображение. собаки, и мы хотим, чтобы компьютер проверил, собака это или нет. По сути, мы пишем кучу инструкций, чтобы компьютер понял, что конкретное изображение принадлежит собаке. Теперь это явный алгоритм, потому что он может идентифицировать только одно изображение собаки или, в лучшем случае, он может идентифицировать изображения этой конкретной породы собак.

Но приведенный выше алгоритм не очень масштабируем для идентификации нескольких изображений, принадлежащих разным породам собак. Но если мы сможем научить машину учиться на разных изображениях, которые у нас есть, тогда наша работа станет очень легкой. Здесь на помощь приходит ML. ML использует так называемые универсальные алгоритмы. Лучшая часть этих алгоритмов заключается в том, что мы можем использовать один и тот же алгоритм для разных задач одного и того же типа. Например, мы можем повторно использовать приведенный выше алгоритм для идентификации изображения кошки из разных входных изображений без изменения строк кода.

Но как это возможно?

Давайте разобьем компоненты машинного обучения на три части:

  • Данные: это входные данные для алгоритма машинного обучения. Лучшая часть ML заключается в том, что формат данных может варьироваться, например, изображения, звук, текст и т. д.
  • Особенности: Машина учится на основе свойств объекта в вопросе. Мы также можем просто сказать, что это факторы, которые машина должна искать в данных.
  • Алгоритм: это общий алгоритм, который принимает данные в качестве входных данных и производит необходимые нам выходные данные.

Важно отметить, что для хорошей работы алгоритма машинного обучения данные так же важны, как и сам алгоритм.

Почему ML так актуален сегодня?

Честно говоря, я бы сказал, что это в основном та же причина, по которой началась промышленная революция. Единственная разница в том, что сегодня нам нужна машина для выполнения повторяющихся задач, требующих интеллекта, подобного человеческому. На самом деле идея машинного обучения возникла не так давно, просто до начала 2000-х нам не хватало вычислительных ресурсов для ее реализации. Учитывая, что сегодня у нас есть мощные компьютеры, которые могут это делать, и, что более важно, у нас достаточно данных, чтобы заставить машины учиться.

Например, мы предпочитаем личные предложения для покупок, чтобы сэкономить время; самоуправляемые автомобили экономят нам время и энергию; Мы можем получать рекламу вещей, которые нам могут понравиться или которые мы можем купить; Персональные помощники с искусственным интеллектом, такие как Siri, Alexa и т. д., помогают выполнять задачи с помощью голосовой команды и т. д.

Оставьте комментарий, чтобы сообщить мне, что вы думаете о машинном обучении!

Счастливого обучения!

Первоначально опубликовано на http://learnerspov.wordpress.com 3 мая 2021 г.