Машинное обучение — Приложения

Машинное обучение — одна из самых захватывающих технологий, которые когда-либо встречались. Как видно из названия, он дает компьютеру то, что делает его более похожим на людей: способность к обучению. Машинное обучение активно используется сегодня, возможно, во многих местах, чем можно было бы ожидать. Вероятно, мы используем алгоритм обучения десятки раз, даже не подозревая об этом. Приложения машинного обучения включают в себя:

• Поисковая система в Интернете. Одна из причин, по которой поисковые системы, такие как Google, Bing и т. Д., Работают так хорошо, заключается в том, что система научилась ранжировать страницы с помощью сложного алгоритма обучения.
• Приложения для пометки фотографий: будь то Facebook или любое другое приложение для пометки фотографий, возможность помечать друзей делает это еще более интересным. Это все возможно благодаря алгоритму распознавания лиц, который работает за приложением.
• Детектор спама: наш почтовый агент, такой как Gmail или Hotmail, выполняет за нас большую работу по классификации писем и перемещению спам-сообщений в папку спама. Это снова достигается с помощью классификатора спама, работающего в серверной части почтового приложения.

Сегодня компании используют машинное обучение для улучшения бизнес-решений, повышения производительности, выявления заболеваний, прогнозирования погоды и выполнения многих других задач. С экспоненциальным ростом технологий нам нужны не только лучшие инструменты для понимания данных, которые у нас есть в настоящее время, но и мы должны подготовиться к данным, которые у нас будут. Для достижения этой цели нам необходимо создавать интеллектуальные машины. Мы можем написать программу для простых вещей. Но в большинстве случаев Hardwiring Intelligence в нем сложно. Лучший способ сделать это — иметь какой-то способ для машин изучать вещи самостоятельно. Механизм обучения — если машина может учиться на входе, она делает для нас тяжелую работу. Это где машинное обучение вступает в действие. Некоторые примеры машинного обучения:

• Разработка базы данных для роста автоматизации: Типичные приложения включают в себя данные веб-клика для лучшего UX (User eXperience), медицинские записи для лучшей автоматизации в здравоохранении, биологические данные и многое другое.
• Приложения, которые не могут быть запрограммированы: есть некоторые задачи, которые не могут быть запрограммированы, поскольку компьютеры, которые мы используем, не смоделированы таким образом. Примеры включают автономное вождение, задачи распознавания из неупорядоченных данных (распознавание лиц / распознавание рукописного ввода), обработка естественного языка, компьютерное зрение и т. Д.
• Понимание человеческого обучения: это самое близкое, что мы поняли и имитировали человеческий мозг. Это начало новой революции, Настоящий ИИ. Теперь, после краткого понимания, давайте придем к более формальному определению машинного обучения.
• Артур Самуэль (1959): «Машинное обучение — это область обучения, которая дает компьютерам возможность учиться без явного программирования». Сэмюэль написал программу игры в Checker, которая может обучаться с течением времени. Сначала это можно было легко выиграть. Но со временем он изучил все позиции на доске, которые в конечном итоге приведут его к победе или проигрышу, и, таким образом, стал лучшим шахматистом, чем сам Самуил. Это была одна из самых ранних попыток определения машинного обучения, и она несколько менее формальна.
• Том Мишель (1999): «Говорят, что компьютерная программа извлекает уроки из опыта E в отношении некоторого класса задач T и показателя производительности P, если ее производительность при выполнении задач в T, измеряемая P, улучшается с опытом E.» это более формальное и математическое определение. Для предыдущей шахматной программыE — количество игр.
• Т играет в шахматы против компьютера.
• P — выигрыш / проигрыш компьютером.

В следующем уроке мы классифицируем типы проблем машинного обучения, а также обсудим полезные пакеты и настройку среды для машинного обучения и то, как мы можем использовать ее для разработки новых проектов.