Зміст:
Автор Джастін Столцфус
Джерело: Aleutie / iStockphoto
Вступ
Більше інженерів та інших фахівців починають з машинного навчання - вони проводять раннє дослідження та будують початкові системи, щоб почати досліджувати, як ця сфера штучного інтелекту може відкрити двері для людей та компаній.
Однак упродовж усього процесу існує чимало плутанини. Що взагалі таке машинне навчання?
Основна ідея полягає в тому, що нові технології дозволяють машинам «думати» і «вчитися» способами, більш подібними до способів роботи людського мозку.
Однак, існує декілька способів описати цей процес. Ще трохи перейдемо до StackOverflow, основи для програмістів та інших ІТ-фахівців, які шукають визначення та реальних пояснень технічних проблем. Нитка StackOverflow описує машинне навчання як "процес навчання комп'ютерів для створення результатів на основі вхідних даних".
Інший письменник описує машинне навчання як "сферу інформатики, теорії ймовірностей та теорії оптимізації, яка дозволяє вирішувати складні завдання, для яких логічний, процедурний підхід був би не можливим чи можливим".
Це останнє визначення наближається до основної точки щодо того, що таке машинне навчання - а чи ні.
Коли письменник каже, що "логічний, процедурний підхід був би не можливим або здійсненним", що вказує на справжню "магію" та цінність машинного навчання. Простіше кажучи, це "пост-логіка" - машинне навчання виходить за рамки традицій, лінійного та послідовного програмування кодових баз!
Зробивши крок назад, ми можемо подивитися на основні складові машинного навчання, щоб краще зрозуміти, як це зробити.
По-перше, є дані про навчання - дані тренувань дають вхід програми для роботи.
Поряд із навчальними даними, існують алгоритми, які стискають ці дані та інтерпретують їх різними способами. Експерти описують основну роботу машинного навчання як "розпізнавання шаблонів" - і це ви побачите на сторінці StackOverflow - але знову ж таки, що лише частково описує, як працює машинне навчання.
Далі: Нейронна мережа
Зміст
ВступНейронна мережа
Кероване та непідконтрольне машинне навчання
Градієнтний спуск і зворотне поширення
Типи нейронних мереж
Ансамблеве навчання
Програми та теорія ігор
П’ять племен додатків машинного навчання
Куди ми підемо звідси?