Машинное обучение кажется довольно знакомым термином, если вы технический энтузиаст. Так что в основном, когда мы говорим о машинном обучении, нам на ум приходит серия картинок или изображений роботов. Но позвольте мне сказать вам, машинное обучение несколько отличается от этого.
Машинное обучение — это метод, с помощью которого мы предоставляем компьютерам возможность учиться и принимать решения на основе их обучения без явного программирования.
Мы можем связать описанный выше процесс с тем, как мы сами развились. Когда мы родились, мы ничего не знали. Наши родители помогали нам в различных мероприятиях. Увидев своими глазами действия, совершаемые разными людьми, мы поняли, что эту задачу нужно выполнять именно так. Говоря о наших коммуникативных навыках, мы не могли говорить в течение нескольких лет, но, постоянно видя, что происходит вокруг нас, мы тоже можем это делать. До сих пор мы работаем над нашими коммуникативными навыками, чтобы улучшить и повысить точность.
То же самое и с машинным обучением. Мы разрабатываем модель на основе определенного алгоритма и предоставляем им наборы данных для обучения. После того, как наша модель обучена, мы тестируем ее на нашем тестовом наборе данных, чтобы проверить ее точность. Чтобы повысить его точность, этот процесс повторяется несколько раз, изменяя некоторые факторы, пока мы не получим удовлетворительный результат.
Приложения машинного обучения.
Если мы глубоко погрузимся в нашу жизнь, в то, как мы живем, какие инструменты или автоматизированные вещи мы используем, мы поймем, что сталкиваемся с несколькими вещами, в которых используется концепция машинного обучения.
- Распознавание лиц
- Датчик отпечатков пальцев
- Социальные сети (люди, которых вы, возможно, знаете)
- Онлайн-поддержка клиентов
- Алекса, Сири и т.д.
- Нетфликс, Амазон Рекомендации
- Фильтрация спама в электронной почте и т. д.
Все вышеперечисленное — это различные приложения машинного обучения, с которыми мы сталкиваемся почти каждый день.
Разница между ML, DL и AI
Давайте разберемся в основных различиях между машинным обучением, глубоким обучением и искусственным интеллектом.
Из приведенного выше изображения мы можем сказать, что машинное обучение — это подмножество искусственного интеллекта, а глубокое обучение — это подмножество машинного обучения, которое использует нейронные сети для принятия решений.
Машинное обучение — это метод реализации ИИ. Если мы говорим о роботах, какие задачи они могут выполнять, взять один предмет отсюда и оставить там. Это ИИ, и он реализован с помощью машинного обучения.
Если говорить о нашей мобильной камере, то несколько компаний заявляют, что у них есть камера на базе ИИ, но на самом деле это не ИИ, а машинное обучение.
Глубокое обучение — это метод реализации машинного обучения. Алгоритмы глубокого обучения вдохновлены моделями обработки информации, обнаруженными в человеческом мозгу.
Точно так же, как наш мозг выявляет закономерности и классифицирует различные типы информации, алгоритмы глубокого обучения можно научить выполнять те же задачи для машин.
Типы машинного обучения
- Обучение с учителем: в обучении с учителем мы помечаем данные и делаем прогнозы на основе этих точек данных. В этом обучении алгоритмы обучаются с использованием помеченных примеров, в которых даются входные данные и известен желаемый результат.
Например: когда мы пытаемся предсказать, является ли заболевание «доброкачественным» или «злокачественным».
Различные контролируемые методы обучения: регрессия, классификация, прогнозирование и повышение градиента. - Неконтролируемое обучение: при неконтролируемом обучении у нас есть немаркированные данные, и алгоритм выясняет, что показано в этих данных. Он определяет шаблон, присутствующий в данном наборе данных.
Например: когда мы хотим сгруппировать различные точки данных на основе их расстояния друг от друга.
Различные методы, используемые для неконтролируемого обучения, включают отображение ближайших соседей, K - означает кластеризацию, самоорганизующиеся карты и т. д. - Обучение с подкреплением: обучение с подкреплением используется в играх и робототехнике. Он исследует различные возможности методом проб и ошибок и какие действия приносят максимальную награду.
Это введение в машинное обучение. Надеюсь, вы вкратце поняли все основные понятия. Следите за дальнейшими статьями, посвященными машинному обучению.
