Оглавление:
Джастин Штольцфус
Вступление
Все больше инженеров и других специалистов начинают заниматься машинным обучением - они проводят ранние исследования и строят начальные системы, чтобы начать исследовать, как эта область искусственного интеллекта может открыть двери для отдельных лиц и компаний.
Однако на протяжении всего процесса возникает путаница. Что такое машинное обучение?
Основная идея заключается в том, что новые технологии позволяют машинам «думать» и «учиться» способами, которые больше похожи на то, как работает человеческий мозг.
Тем не менее, есть более чем несколько способов описать этот процесс. Еще немного, давайте перейдем к StackOverflow, опоре для программистов и других ИТ-специалистов, которые ищут определения и реальные объяснения технических проблем. Поток StackOverflow описывает машинное обучение как «процесс обучения компьютеров созданию результатов на основе входных данных».
Другой автор описывает машинное обучение как «область компьютерных наук, теории вероятностей и теории оптимизации, которая позволяет решать сложные задачи, для которых логический, процедурный подход был бы невозможен или невозможен».
Это последнее определение приближается к основному вопросу о том, что такое машинное обучение, а что нет.
Когда автор говорит, что «логический, процедурный подход был бы невозможен или невозможен», это указывает на настоящую «магию» и ценность машинного обучения. Проще говоря, это «пост-логика» - машинное обучение выходит за рамки того, что могут сделать традиции, линейное и последовательное программирование на базе кода!
Сделав шаг назад, мы можем взглянуть на основные строительные блоки машинного обучения, чтобы лучше понять, как это сделать.
Во-первых, есть данные обучения - данные обучения дают входные данные программы для работы.
Наряду с обучающими данными существуют алгоритмы, которые обрабатывают эти данные и интерпретируют их различными способами. Эксперты описывают основную работу машинного обучения как «распознавание образов» - и вы также увидите это на странице StackOverflow - но опять же, это лишь частично описывает, как работает машинное обучение.
Далее: Нейронная сеть
Содержание
ВступлениеНейронная сеть
Машинное обучение под наблюдением и без присмотра
Градиентный спуск и обратное распространение
Типы нейронных сетей
Обучение ансамблю
Приложения и теория игр
Пять племен приложений машинного обучения
Куда мы идем отсюда?
