Портал №1 по управлению цифровыми
и информационными технологиями

Руководство по машинному обучению для новичков

Обучение — это часть процесса роста каждого живого существа. 

Растения учатся фотосинтезу, животные учатся охоте, а люди учатся ездить на велосипеде. Это универсальный навык, которым обладает каждый организм на этой планете. Но что, если бы я сказал вам, что машины тоже могут учиться? Страшно, правда?

Машинное обучение (ML) — это странная новая концепция, которая может быть очень интересной, если вы углубитесь в нее. 

Машины тоже могут учиться, причем сами по себе! Не волнуйтесь, ваш компьютер не обретет жизнь, если вы начнете что-то делать, но я надеюсь, что смогу открыть ваш разум для этих удивительных аспектов, особенно того, насколько технологии улучшились за последние несколько лет.

Что такое машинное обучение и как оно работает?

Короче говоря, все дело в вычислениях. Это немного отличается от программирования, в том смысле, что компьютер распознает закономерности в данных по своим примерам, а не по определенным правилам. Речь идет о создании алгоритмов (что-то вроде набора правил), которые учатся на сложных паттернах, которые приходят из данных, которые их предсказывают.

Этот процесс требует, чтобы компьютер понимал и интерпретировал самостоятельно. (Безумно, но это правда!) По сути, он дает компьютеру инструкции, которые позволяют ему учиться на данных без инструкций пошагового режима, созданных программистом.

Вот пошаговая инструкция:

  1. Входные данные или старые данные
  2. Компьютер быстро их анализирует
  3. Компьютер находит в них закономерности
  4. Компьютер предсказывает смысл или принимает решение
  5. Затем компьютер учится на предоставленной обратной связи, и каждый раз она становится немного точнее.

Думайте об этом как о передаче информации машине. Если вы введете изображение собаки со словом “собака”, он создаст алгоритм и поможет ему определить правила, которые классифицируют изображения собак заранее. Чем больше информации вы ему даете, тем умнее он становится. Машина работает, используя старые данные, чтобы получить информацию о том, что наиболее вероятно произойдет, поэтому объем информации, сохраненной старыми данными, может действительно иметь отношение к новым введенным данным.

Типы машинного обучения

По сути, модель машинного обучения применяет сочетание различных методов, но эти методы можно разделить на три основных типа:

  1. Обучение с учителем: обычно машина работает, используя маркированные данные, предоставленные людьми, например ссылку на типичную форму или объект. Конечно, легче научить машину обучаться с помеченными данными.
  2. Обучение без учителя: информация не маркируется, поэтому машина должна работать над алгоритмом, когда ее просят идентифицировать определенные шаблоны во входных данных, чтобы придумать ответ. Машина связывает группы, разделяя их и придавая смыслы каждой из них, поэтому алгоритм может классифицировать их в определенной форме, например, в системах электронной коммерции.
  3. Обучение с подкреплением: думайте о машине как о собаке. Она будет вознаграждена, если хорошо выполнит свою работу. Во-первых, это требует использования системы вознаграждений / штрафов — это более интерактивный шаг, поскольку машина продолжает учиться. Вы обучаете её игре в Super Mario или самостоятельному вождению автомобилей, используя ряд шаблонов, чтобы связать правильное и неправильное.

Для чего это?

Возможно, вы еще этого не осознаете, но машинное обучение оказывает огромное влияние на общество. Кроме того, достижения в области технологий помогли нескольким секторам разработать более точные и быстрые методы, позволяющие более точно действовать в нашей повседневной жизни.

Например, в сфере здравоохранения у вас теперь есть машины, которые позволяют врачам быстрее и точнее прогнозировать диагноз пациента. В биологии эта область «искусственного интеллекта» стала чрезвычайно важной, поскольку теперь ученые могут определять закономерности в генных мутациях, которые могут представлять рак или другие заболевания. Вы даже можете заметить машинное обучение в социальных сетях. Оно создает «лучшее соответствие» на сайтах знакомств, например, в соответствии с вашими личными предпочтениями. То же самое происходит в электронной коммерции, когда речь идет о совместимости клиентов, или даже на финансовом рынке, когда речь идет о прогнозировании мошеннической деятельности. Страшно и удивительно, насколько это может помочь человечеству.

Преимущества машинного обучения

Как видите, машинное обучение очень мощное средство и может полностью изменить принцип работы. Преимущества включают пять основных аспектов, которые показывают, какую пользу человечество может извлечь из этой науки.

Прозрачность

Оно может легко определять тенденции и новые закономерности, обрабатывать огромный объем данных и обнаруживать конкретные алгоритмы. Оно служит для особого понимания поведения пользователей в Интернете, постоянно улучшая его на каждом этапе. Машина набирается опыта, а алгоритмы учатся делать больше и быстрее прогнозов, особенно когда речь идет об управлении социальными сетями, за счет упрощения маркетинга продукта и помощи в составлении более точных прогнозов продаж.

Автоматизация

Вы позволите машине учиться самостоятельно на каждом этапе процесса, так что вам не придется «присматривать за ней». Она делает прогнозы, а также самостоятельно улучшает алгоритмы.

Динамика и разнообразие

По мере того, как процесс продолжает обновляться, алгоритмы машинного обучения обрабатывают еще больше данных с многомерными и разнообразными типами, повышая эффективность профилактического обслуживания и сводя к минимуму вероятность неожиданных сбоев. Возможность широкого применения.

Резюме

Как ни странно, машинное обучение — это благо для человечества. Являясь подмножеством искусственного интеллекта (ИИ), а Интернет и виртуальные среды развиваются во всем мире, замечательно, что его достижения могут полностью изменить ваше мышление и способы работы.

Оригинал статьи можно прочитать здесь.

 

Учебные курсы и сертификация
специалистов по ИТ-менеджменту

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

  • Рубрики

  •  
  • Авторы

  •  
  • Самое свежее

    • Куда растворился Access management в ITIL4?
      Коллеги, доброго дня. Неожиданный вопрос: куда растворился Access management в ITIL4? В практике Request Mgmt есть упоминание о том, что запросы на доступ управляются в практике Security Mgmt, но в описании этой практики нет об этом ничего, кроме управления инцидентами безопасности и аудита и ревью. Есть легкий намек, что эта практика используется в access control.
    • Конференция «Качество данных 2022. Стратегии, инструменты, практики, перспективы»
      Приглашаем принять участие в третьей ежегодной конференции «Качество данных 2022. Стратегии, инструменты, практики, перспективы». «Качество данных» – единственная в России конференция, полностью посвященная стратегии и практике обеспечения качества данных, гарантирующего высокий уровень бизнес-решений, сервисов и процессов. «Качество данных 2022» – это совершенно новые практические кейсы и проекты в развитии, привлекшие наибольший интерес участников предыдущих конференций.
    • Лучшие материалы Digital Enterprise за 2021 год
      Редакция Digital Enterprise поздравляет Вас с наступающим Новым годом! В этом посте мы собрали ТОП 5 авторских публикаций от экспертов Cleverics и 10 самых популярных статей портала в этом году.
    • Cleverics. Сколько курсов пройти, чтобы точно хватило?Сколько курсов пройти, чтобы точно хватило?
      В IT невозможно дойти до предела совершенства — всегда есть куда расти. Основная сложность в работе специалиста IT в том, что IT очень изменчивая область. Вам необходимо постоянно учиться, чтобы выжить во всем этом — и не остаться в колесе Сансары, когда оно будет делать новый оборот.
    • Почему запуск продукта проваливается (и как этого избежать)
      Сколько запусков новых продуктов происходит каждый год? По данным Nielsen около 30 000 среди товаров повседневного спроса. Для программного обеспечения гораздо труднее найти
    • Российскому стандарту ITAM быть!
      Управление ИТ-активами (ITAM), как дисциплина, существует уже не первое десятилетие. Однако в силу ряда причин именно сейчас ИТ-организации начинают проявлять к нему все больший практический интерес. Почему ИТ-менеджеры сейчас обращают на ITAM пристальное внимание?
    • Здравствуй, (VUCA) Новый год!
      Каждый раз, провожая уходящий год, хочется оглянуться назад, посмотреть на то, что было и попробовать помечтать и спрогнозировать то, что будет (или может быть) в новом году.
    • Возврат в системе канбан
      Что делать на доске канбан с задачей, по которой требуется переделка?
    • Записи вебинаров 21 сезона CleverTALK
      16 декабря завершился двадцать первый сезон вебинаров CleverTALK. Благодарим вас за интерес к нашим вебинарам и за то, что делитесь информацией о них!
    • Играйте в деловые игры ответственно
      Мы довольно давно проводим различные деловые игры. Надо сказать, что они действительно учат делать правильные выводы. И эти выводы рождаются благодаря приобретаемому опыту. Один
  •  
  • Вход

  • DevOps
    Kanban
    ITSM
    ITIL
    PRINCE2
    Agile
    Lean
    TOGAF
    COBIT