Maşın öyrənməsinə necə başlamaq lazımdır

Maşınları insanlardan daha ağıllı dizayn etmək cəhdləri yeni deyil. Kompüter elminin insanın “zəkasına” etdiyi ilk erkən hücumlardan biri də bu idi şahmat oyunu. Şahmat insan düşüncəsinin və yaradıcılığının son sınağı olaraq qəbul edilmiş (və ya deməliydik ki?) Və 1960-70-ci illərdə kompüter elmində fərqli düşüncə məktəbləri var idi..


Bəziləri, kompüterlərin insanları şahmat oynamağa başlamasından bir müddət əvvəl olduğunu, bəziləri isə bunun heç olmayacağına inanırdılar.

Kasparov vs Dərin Mavi

Düşüncə döyüşündə insan və maşını özündə cəmləşdirən ən sensasiyalı hadisə 1996-cı ildə o vaxtkı dünya çempionu Garri Kasparov (və ən yaxşı halda şahmatçı) arasında şahmat matçı oldu. Dərin mavi, bu hadisə üçün nəzərdə tutulmuş bir super kompüter.

Şəkil krediti: Vikipediya

Uzun bir hekayəni qısa desək, 1996-cı il matçında Kasparov inamlı şəkildə qalib gəldi (4-2), lakin 1997-ci ildəki cavab oyununu (4.5-3.5) məğlub etdi mübahisə və Kasparovun IBM-ə qarşı birbaşa aldadıcı iddiaları.

Nə olursa olsun, şahmat və kompüter elmində bir dövr başa çatdı. Kompüterlər, mümkün olan hər bir insandan daha ağıllı idi. IBM, qisasdan məmnun olaraq, Dərin Mavi sökdü və irəlilədi.

Bu gün hər hansı bir qrossmeyster üçün mal aparatında işləyən adi şahmat motorunu döymək mümkün deyil.

Hansı maşın öyrənmə deyil

Maşın öyrənməsini daha dərindən nəzərdən keçirməzdən əvvəl, bəzi səhv fikirləri yoldan çıxartaq. Maşın Öyrənmə, təsəvvürün istənilən nöqtəsi ilə insan beynini təkrarlamaq cəhdi deyil. Elon Muskın bəyəndiyi sensasiyalı düşüncələrə baxmayaraq, kompüter elmləri araşdırmaları bu müqəddəs taxıl axtarışında olmadıqlarını və əlbətdə heç bir yerdə olmadığını söyləyir..

Sadəcə olaraq, maşın öyrənməsi, öyrənmə nümunə proseslərini kompüterlərə tətbiq etmək təcrübəsidir. Bu, bir insan proqramçısına bütün mümkün ssenariləri və sabit kod qaydalarını bir sistem halına gətirmək ənənəsinə əsaslanmaqla ziddiyyət təşkil edir..

Düzünü deyim ki, maşın öyrənməyin nəyi budur: mənbə koduna söykənməkdənsə, nümunələrdən (sınaq → səhv → müqayisə → yaxşılaşdırma) öyrənə bilməsi üçün ton və ton və ton məlumatları kompüterə yedirmək..

Machine Learning proqramları

Beləliklə, Maşın Öyrənmə qara sehr deyilsə və Terminatorlara kürək vermək üçün bir şey deyilsə, bunun nə faydası var?

Maşın Öyrənmə ənənəvi proqramlaşdırma düz düşdüyü və bu hallar ümumiyyətlə iki kateqoriyadan birinə düşdüyü hallarda kömək edir.

  1. Təsnifat
  2. Proqnozlaşdırma

Adından göründüyü kimi, Təsnifat şeylərin düzgün etiketlənməsi ilə əlaqədardır, Proqnozlaşdırma isə keçmiş dəyərlərin kifayət qədər böyük bir məlumat toplusu verilərək gələcək proqnozları düzəltmək məqsədi daşıyır..

Bəziləri maraqlı tətbiqlər Maşın Öyrənmə:

Spam filtrlənməsi

E-poçt spamı geniş yayılmışdır, lakin onu dayandırmağa çalışmaq kabus ola bilər. Spam necə təyin olunur? Xüsusi açar sözlərin olmasıdır? Yoxsa yazılan yolu? Proqram baxımından mükəmməl bir qaydalar toplamaq çətin.

Buna görə də Maşın Öyrənməsindən istifadə edirik. Sistemə milyonlarla spam mesajı və spam olmayan mesajları göstəririk və qalan hissəsini müəyyənləşdirək. Gmail-in 2000-ci illərin əvvəllərində şəxsi e-poçtlarını sarsıdan inanılmaz dərəcədə yaxşı spam filtrlərinin sirri bu idi!

Tövsiyələr

Bu gün bütün böyük elektron ticarət şirkətləri güclü tövsiyə sistemlərinə malikdir. Bəzən, faydalı ola biləcəyimiz şeyləri tövsiyə etmək bacarığı inanılmaz dərəcədə dəqiqdir..

Təsadüf? Dəyməz!

Maşın Öyrənmə burada işləmək çətindir, terabayt məlumatlarından sonra terabayt artır və dəyişkən əhval-ruhiyyəmizi və üstünlüklərimizi təxmin etməyə çalışırıq..

Chatbotlar

Qəribə bir robot kimi görünən və hələ də maraqlı kiçik söhbətlər edə bilən birinci səviyyəli müştəri dəstəyinə rast gəldinizmi??

Yaxşı, onda Maşın Öyrənmə səni aldatdı!

Danışıqlardan öyrənmək və chatbot tətbiqinin yaxınlaşan və həyəcan verici bir sahəsi olduqda nə deyəcəyinizi müəyyənləşdirmək.

Yabanı otların çıxarılması

Kənd təsərrüfatında, Machine Learning tərəfindən hazırlanan robotlar, alaq otlarını və digər istenmeyen bitkiləri selektiv şəkildə əkmək üçün istifadə olunur.

Əks təqdirdə əl ilə edilməli və ya sistem məhsulu qatil mayesi ilə sprey edəcəyi üçün vəhşicəsinə israf olardı!

Səs axtarışı

Kompüter sistemləri ilə səs əsaslı qarşılıqlı əlaqə artıq fantastika deyil. Bu gün şifahi olaraq əmrləri qəbul edə bilən və qarışıq olmayan (Alexa, Siri) və Google Home kimi rəqəmsal köməkçilərimiz var..

Bəziləri bu ixtiranın ən yaxşısı olduğunu iddia edə bilər, çünki bəşər övladını həmişəkindən daha tənbəl edir, amma effektivliyi ilə mübahisə edə bilməzsiniz. Məsələn, Google I / O 2018-də şirkət bir verdi çarpıcı demo tədqiqat qrupunun nə ilə əlaqəli olduğunu.

Tibbi diaqnoz

Machine Learning əsaslı sistemlər təcrübəli həkimlərdən üstün olmağa başladığından tibbi diaqnozda bir inqilab astanasındayıq. diaqnoz rentgen və s. vasitəsilə.

Unutmayın ki, bu, həkimlərə tezliklə ehtiyac olmayacaq demək deyil, tibbi xidmətin keyfiyyəti kəskin artacaq, xərclər sürətlə gedəcəkdir (biznes kartelləri başqa cür yazmırsa!).

Bu, Maşın Öyrənilməsinin nə üçün istifadə olunduğunun bir nümunəsi idi. Özünü idarə edən avtomobillər, strategiya oyunu oynayan botlar, köynək qatlama maşınları, fırçalanma, qara-ağ fotoşəkillərin rənglənməsi – bu günlərdə çox şey baş verir.

Maşın öyrənmənin növləri

Maşın öyrənmə üsulları iki növdür.

Nəzarət olunan öyrənmə, sistemin insan mühakiməsi ilə idarə olunduğu və Təcrübəsiz öyrənmə, sistemin hamısını öz-özünə öyrənmək üçün qaldığı. Eyni şeyi söyləyin başqa bir yolu, Nəzarət olunan Öyrənmə sistemində həm girişləri, həm də gözlənilən çıxışı ehtiva edən bir məlumat toplamağımızın, sistemin müqayisə və özünü düzəltmək üçün istifadə etməsi. Təcrübəsiz Tədrisdə, ölçmək üçün heç bir nəticə yoxdur və buna görə nəticələr çox fərqli ola bilər.

Unsupervised Machine Learning-in həyəcan verici və sümükdən soyuducu tətbiqi?

Proqram, oyun qaydaları və qazanma şərtləri öyrədilən və sonra öz cihazlarına buraxılan stolüstü oyunlar oynayan botlar olardı. Proqram daha sonra özünə qarşı milyonlarla oyun oynayır, səhvlərini öyrənir və faydalı qərarları gücləndirir.

Kifayət qədər güclü bir kompüterdəsinizsə, dünya səviyyəsində döyülən AI bir neçə saat ərzində hazırlana bilər!

Aşağıdakı şəkillər bu fikirləri qısa şəkildə göstərir (mənbə: Orta):

Maşın öyrənməsinə başlamaq üçün mənbələr

Beləliklə, indi hamınızın Maşın Öyrənməsi və dünyanı harada fəth etməyinizə necə kömək edə biləcəyi barədə məlumatınız var?

Aşağıda İnternetdə bir elmlər doktoru əldə etmədən Maşın öyrənməsində səlis olmağınıza kömək edəcək bəzi fantastik mənbələri sadaladım. kompüter elmində! Əgər Maşın Öyrənmə Tədqiqatçısı deyilsinizsə, Maşın Öyrənmə sahəsini praktik və ümumilikdə proqramlaşdırma kimi xoş və rahat hiss edəcəksiniz.

Buna görə narahat olmayın, hazırda hansı səviyyədə olduğundan asılı olmayaraq, yaxşı bir Machine Learning proqramı kimi özünüzü öyrədə və yaxşılaşa bilərsiniz. ��

Proqramlaşdırma

Maşın öyrənməsinə girmək üçün ilk tələb proqram öyrənməkdir. Çünki Maşın Öyrənmə sistemləri müxtəlif proqramlaşdırma dilləri üçün kitabxanalar şəklində gəlir.

Python ən çox tövsiyə ediləndir, qismən öyrənmək olduqca xoş olduğu üçün və qismən kitabxanaların və mənbələrin kütləvi ekosisteminə sahib olduğu üçün.

The rəsmi Başlanğıc Bələdçisi, Python ilə bir az tanış olsanız da, başlamaq üçün əla yerdir. Və ya, bunu götür Bootcamp kursu sıfırdan bir qəhrəman olmaq.

Statistikaları düşünün

Python əsasları ilə tanış olduqdan sonra ikinci tövsiyəm iki inanılmaz yaxşı kitabdan keçməkdir. Onlar 100% pulsuzdur və yükləmək üçün bir PDF şəklində mövcuddur. Statistikaları düşünün və Bayes düşünün Hər istəyən Machine Öyrənmə mühəndisinin daxililəşdirməli olduğu iki müasir klassikdir.

Udemi

Bu anda bir neçə kursdan keçməyi məsləhət görürəm Udemi. İnteraktiv, öz-özünə işlənmiş format sizə yaraşıqlı olmağa və inam yaratmağa kömək edəcəkdir.

İşə başlamazdan əvvəl kursun əvvəlcədən nəzərdən keçirilməsini, rəyləri (xüsusən mənfi olanları) və ümumi hissini yoxladığınızdan əmin olun.

Pulsuz YouTube’da gözəl dərslərə də rast gələ bilərsiniz. Sentdex Tövsiyə edə biləcəyim belə kanallardan biridir, tonların hər zaman olduğu əyləncədir, amma onun qəbul etdiyi yanaşma başlanğıc dostu deyil.

Andrew Ng

Andrew Ng tərəfindən öyrədilən dərs Coursera Maşın Öyrənmə əsasları üçün ən məşhur təlim mənbəyidir.

R proqramlaşdırma dilindən istifadə etsə də, mövzuya və aydın izahlara münasibətində misilsiz qalır. Bu kursdan ötəri Andrew Ng ML dairələrində bir qədər tanrılı bir cəhət əldə etdi və insanlar ona son dərəcə müdriklik axtarırlar (Mən zarafat etmirəm!).

Bu, həqiqətən başlanğıc üçün bir kurs deyil, ancaq məlumat mübahisəsini yaxşı bilirsinizsə və davam etdiyiniz zaman bəzi yan araşdırmalara fikir verməsəniz, bu kurs ən yaxşı tövsiyədir.

İnternetdəki mənbələrin sonu yoxdur və başlanğıcda asanlıqla itirə bilərsiniz. Oradakı dərslər və müzakirələrin əksəriyyəti riyazi cəhətdən çətin və ya quruluşa ehtiyacı yoxdur və işə başlamazdan əvvəl inamınızı poza bilər..

Buna görə, özünü məhv etməməyinizə dair xəbərdarlıq etmək istərdim: hədəfinizi təvazökar saxlayın və minimal addımlarla hərəkət edin. Maşın Öyrənmə bir-iki gün ərzində rahat əldə edə biləcəyiniz bir şey deyil, ancaq çox keçmədən özünüzdən ləzzət almağa başlayacaqsınız və kim bilir, bəlkə də qorxulu bir şey yarada bilər!

Əylənin! ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map