Машинное обучение
Енотик
Машинное обучение является одной из самых обсуждаемых сфер в IT. Но многие не знают, что такое машинное обучение и почему оно так важно. Хотите узнать, есть ли у вас потенциал в этой области? Сейчас мы подробно рассмотрим эту интересную сферу, а также то, почему она так значима.
Что такое машинное обучение?
SAS определяет машинное обучение как «метод анализа данных, который автоматизирует построение аналитической модели. Используя алгоритмы, которые постоянно изучают данные, машинное обучение позволяет компьютерам находить решение задачи, при этом изначально не имея определенного алгоритма решения».
Лектор Принстонского университета Роб Шапир предоставил более простое определение : «Машинное обучение изучает данные для выполнения задачи. Мы, например, обучаемся выполнению задания, делаем предположения, используем разум. Обучение всегда основывается на каких-ибо наблюдениях или данных, примерах, непосредственном опыте или инструкции. Таким образом, в целом, машинное обучение - это научить машину выполнять задачу лучше в будущем, анализируя прошлые попытки».
Почему машинное обучение имеет большое значение
По словам SAS, «благодаря силе машинного обучения» можно быстро и автоматически создавать алгоритмы, которые могут анализировать большие, сложные данные и впоследствии получать более быстрые, более точные результаты - даже в очень больших масштабах. Строя точные алгоритмы, у организаций есть больше шансов определить выгоду - или избежать рисков». Это приводит к улучшению качества принятия решений, не зависящих от вмешательства человека, с применением в широком спектре отраслей, включая финансовые услуги, здравоохранение, маркетинг и продажи, нефть и газ, а также транспорт.
Фактически, средства машинного обучения настолько перспективны, что издание Business Insider недавно объявило его «прорывом столь же большим, как, в своё время, Интернет или персональные компьютеры» .Посмотрев на список всех инноваций в мире, начиная от рекомендаций продукта Amazon и заканчивая самоуправляемым Google Car. мы сможем увидеть, что машинное обучение уже меняет мир и нашу жизнь.
Педро Домингос, ученый и автор «The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World», в интервью BI, сказал: «Информационный век проходит в два этапа. Первый этап - это тогда, когда мы программируем компьютеры, а второй этап, который начинается сейчас, - это тогда, когда компьютеры могут программировать себя, используя анализ данных».
Между тем, председатель совета директоров Google Эрик Шмидт прогнозирует, что машинное обучение «станет основным принципом каждой успешной крупной победы в IPO за следующие пять лет».
Машинное обучение также имеет потенциально большое значение в улучшении обслуживания клиентов путем автоматизации определенных задач. Машины не всегда превосходят людей - особенно в вопросах принятия решений с тактильным контактом - но при повышении эффективности, когда технология превалирует, машинное обучение может дать людям больше времени, чтобы они сосредоточились на том, что делают лучше машин.
И хотя мы часто думаем о машинном обучении в будущем времни, оно внедряется в нашу жизнь уже сейчас, в том числе в сфере высшего образования, как средство улучшения преподавания и обучения. Развиваясь, оно будет поддерживать беспрецедентное индивидуальное обучение и использоваться всеми: от студентов до специалистов. Другими словами, используя компьютерное обучение вы можете не только изменить мир, но и применить свои знания в домашних условиях.
Подходит ли вам эта область?
Конечно, изучение машинного обучения подходит не всем. Но если у вас есть интерес и способности в области компьютерных наук, программирования, вероятностей и статистики, моделирования и оценке данных, разработки программного обеспечения и системного дизайна, вы можете добиться успехов в этой области.
«The Atlantic» рассказывает о планировании карьеры студентам : «Студенты, которые приступают к учебе в колледже, должны выбрать одну из двух возможных стратегий карьеры. Первая стратегия такова, что нужно искать рабочие места, которые, вероятно, будут способствовать доминированию человеческих возможностей над искусственным интеллектом, которые менее зависят от наличия больших технических знаний, чем от наличия творчества и сильных навыков межличностного общения, например таких, как способность сопереживать. Вторая стратегия карьеры заключается в том, чтобы стремиться к непосредственному участию в разработке и поставке этих, все более развитых систем, например, в качестве системного инженера, специалиста по данным, специалиста по искусственному интеллекту или когнитолога. Короче говоря, студенты могут выбрать одно из двух: соревноваться с машинами или создавать машины».
Перевод статьи осуществил Енотик.