Como começar com o Machine Learning

Tentativas de projetar máquinas mais inteligentes que os humanos não são novas. Um dos primeiros ataques que a ciência da computação fez à “inteligência” humana foi através do jogo de xadrez. O xadrez é (ou deveríamos dizer, foi?) Assumido por muitos como o teste final do intelecto e da criatividade humanos e, nos anos 1960-70, havia diferentes escolas de pensamento na ciência da computação.


Alguns sustentaram que era apenas uma questão de tempo até que os computadores ultrapassassem os seres humanos jogando xadrez, enquanto outros acreditavam que isso nunca aconteceria.

Kasparov vs. Deep Blue

O evento mais sensacional que caracterizou homem x máquina na batalha do pensamento foi a partida de xadrez de 1996 entre o então campeão mundial Garry Kasparov (e, sem dúvida, o melhor jogador de xadrez de todos os tempos) e Azul profundo, um supercomputador que a IBM projetou para este mesmo evento.

Crédito de imagem: Wikipedia

Para encurtar a história, Kasparov venceu a partida de 1996 de forma convincente (4-2), mas perdeu a revanche de 1997 (4,5-3,5), em meio a muita controvérsia e as acusações de trapaça direta de Kasparov contra a IBM.

Independentemente disso, uma era no xadrez e na ciência da computação terminou. Os computadores eram mais inteligentes do que qualquer ser humano possível. A IBM, feliz com a vingança, desmontou o Deep Blue e seguiu em frente.

Hoje, é impossível para qualquer grande mestre vencer qualquer mecanismo regular de xadrez rodando em hardware comum.

O que o Machine Learning não é

Antes de analisarmos mais profundamente o Machine Learning, vamos desvendar alguns conceitos errados. O Aprendizado de Máquina não é, de forma alguma, uma tentativa de replicar o cérebro humano. Apesar das crenças sensacionalistas mantidas por pessoas como Elon Musk, as pesquisas em ciência da computação sustentam que eles não estão em busca desse grão sagrado e certamente não estão nem perto dele.

Simplificando, o aprendizado de máquina é a prática de aplicar processos de aprendizado por exemplo em computadores. Isso contrasta com a abordagem tradicional de confiar em um programador humano para pensar em todos os cenários possíveis e regras de código rígido para eles em um sistema..

Honestamente, é sobre o que é o aprendizado de máquina: fornecer toneladas e toneladas e toneladas de dados a um computador para que ele possa aprender com exemplos (tentativa → erro → comparação → melhoria) em vez de confiar no código-fonte.

Aplicações de Machine Learning

Portanto, se o Machine Learning não é magia negra e não é algo que irá gerar Terminadores, para que serve?

O Aprendizado de Máquina ajuda nos casos em que a programação tradicional cai horizontalmente, e esses casos geralmente caem em uma das duas categorias.

  1. Classificação
  2. Predição

Como o nome indica, a Classificação se preocupa em rotular as coisas corretamente, enquanto a Previsão visa corrigir projeções futuras, dado um conjunto de dados grande o suficiente de valores passados.

Alguns aplicações interessantes do Machine Learning são:

Filtragem de spam

O spam de email é generalizado, mas tentar impedi-lo pode ser um pesadelo. Como é definido o spam? É a presença de palavras-chave específicas? Ou talvez do jeito que está escrito? É difícil pensar em um conjunto exaustivo de regras, em termos de programa.

É por isso que usamos o Machine Learning. Mostramos ao sistema milhões de mensagens de spam e não-spam e deixamos que ele descubra o resto. Esse foi o segredo por trás dos incrivelmente bons filtros de spam do Gmail que abalaram os emails pessoais no início dos anos 2000!

Recomendações

Atualmente, todas as principais empresas de comércio eletrônico possuem poderosos sistemas de recomendação. Às vezes, a capacidade de recomendar coisas que “podemos” achar úteis é incrivelmente precisa, apesar de nunca termos clicado nesse item antes.

Coincidência? De modo nenhum!

O Machine Learning é um trabalho árduo aqui, devorando terabytes após terabytes de dados e tentando prever nossos humores e preferências voláteis.

Chatbots

Você encontrou o suporte ao cliente de primeiro nível que parecia estranhamente robótico e, no entanto, conseguiu fazer pequenas conversas interessantes?

Bem, então você foi pwned pelo Machine Learning!

Aprendendo com conversas e determinando o que dizer quando é uma área próxima e empolgante do aplicativo chatbot.

Remoção de ervas daninhas

Na agricultura, os robôs movidos pelo Machine Learning são usados ​​para pulverizar ervas daninhas e outras plantas indesejadas em meio às lavouras seletivamente.

Caso contrário, isso teria que ser feito à mão ou seria um grande desperdício, pois o sistema pulverizaria o produto também com o líquido assassino!

Pesquisa por voz

A interação baseada em voz com sistemas de computador não é mais ficção científica. Hoje, temos assistentes digitais como Alexa, Siri e Google Home, que podem receber comandos verbalmente e não atrapalhar (bem, quase!).

Alguns podem argumentar que é uma invenção melhor evitada, pois torna a raça humana mais preguiçosa do que nunca, mas você não pode argumentar com a eficácia. Por exemplo, no Google I / O 2018, a empresa deu uma demonstração impressionante do que sua equipe de pesquisa estava tramando.

Diagnóstico médico

Estamos à beira de uma revolução no diagnóstico médico, pois os sistemas baseados no Machine Learning estão começando a superar médicos experientes em diagnóstico através de raios-x, etc.

Observe que isso não significa que os médicos não serão necessários em breve, mas que a qualidade dos cuidados médicos aumentará drasticamente, enquanto os custos sofrerão uma queda (a menos que os cartéis comerciais determinem o contrário!).

Esta foi apenas uma amostra do uso do Machine Learning. Carros autônomos, bots de estratégia, máquinas de dobrar camisetas, quebra de captcha, coloração de fotos em preto e branco – muita coisa está acontecendo nos dias de hoje.

Tipos de aprendizado de máquina

As técnicas de aprendizado de máquina são de dois tipos.

Aprendizado supervisionado, em que o sistema é dirigido por julgamento humano, e Aprendizagem não supervisionada, em que o sistema é deixado para aprender sozinho. Outra maneira de dizer o mesmo seria que, no Aprendizado Supervisionado, temos um conjunto de dados contendo as entradas e a saída esperada, que o sistema usa para comparar e corrigir automaticamente. No Aprendizado Não Supervisionado, no entanto, não há resultados a serem comparados e, portanto, os resultados podem variar bastante.

Uma aplicação emocionante e arrepiante de aprendizado de máquina não supervisionado?

Isso seria bots jogando jogos de tabuleiro, em que o programa é ensinado as regras do jogo e as condições de vitória e depois deixado por conta própria. O programa então joga milhões de jogos contra si mesmo, aprendendo com seus erros e reforçando as decisões vantajosas.

Se você estiver em um computador poderoso o suficiente, uma IA de jogo de ponta pode ser preparada em questão de poucas horas!

As imagens a seguir ilustram essas idéias de forma sucinta (fonte: Medium):

Recursos para começar no Machine Learning

Então, agora que você está entusiasmado com o Machine Learning e como ele pode ajudá-lo a conquistar o mundo, por onde começar?

Abaixo, listei alguns recursos fantásticos na Web que podem ajudá-lo a obter fluência no Machine Learning sem precisar obter um Ph.D. em ciência da computação! Se você não é um pesquisador de Machine Learning, encontrará o domínio do Machine Learning tão prático e agradável quanto a programação em geral.

Portanto, não se preocupe, não importa qual seja o seu nível atualmente, você pode, como um bom programa de Machine Learning, ensinar a si mesmo e melhorar. ��

Programação

O primeiro requisito para ingressar no Machine Learning é aprender a programar. Isso ocorre porque os sistemas de aprendizado de máquina vêm na forma de bibliotecas para várias linguagens de programação.

Python é o mais recomendado, em parte porque é incrivelmente agradável de aprender e em parte porque possui um ecossistema maciço de bibliotecas e recursos.

o oficial O Guia do Iniciante é um ótimo lugar para começar, mesmo se você estiver um pouco familiarizado com o Python. Ou, pegue isso Curso Bootcamp se tornar um herói do zero.

Think Stats

Depois de concluir o básico do Python, minha segunda recomendação seria passar por dois livros incrivelmente bons. Eles são 100% grátis e disponível como PDF para download. Think Stats e Think Bayes Existem dois clássicos modernos que todo aspirante a engenheiro de Machine Learning deve internalizar.

Udemy

Nesse momento, recomendo que você faça alguns cursos de Udemy. O formato interativo e individualizado ajudará você a entrar no âmago da questão e a criar confiança.

Verifique a visualização do curso, as análises (especialmente as negativas!) E a sensação geral do curso antes de começar.

Você também pode encontrar tutoriais incríveis no YouTube gratuitamente. Sentdex é um desses canais que eu posso recomendar, onde muita diversão está sempre acontecendo, mas a abordagem que ele adota não é fácil para iniciantes.

Andrew Ng

Curso ministrado por Andrew Ng em Coursera é sem dúvida o recurso de aprendizado mais popular para os fundamentos do Machine Learning.

Embora utilize a linguagem de programação R, permanece incomparável no tratamento do assunto e nas explicações lúcidas. Por causa desse curso, Andrew Ng alcançou uma espécie de estatura divina nos círculos da ML, e as pessoas o admiram em busca de uma sabedoria suprema (não estou brincando!).

De fato, este não é um curso para iniciantes, mas se você já é bom em lidar com dados e não se importa com pesquisas paralelas, esse curso é a melhor recomendação..

Os recursos da Internet não têm fim, e você pode se perder facilmente ao começar. A maioria dos tutoriais e discussões por aí são matematicamente desafiadores ou carecem de estrutura e podem quebrar sua confiança antes mesmo de você começar.

Então, eu gostaria de alertá-lo contra a autodestruição: mantenha seu objetivo modesto e siga em etapas mínimas. O Machine Learning não é algo que você possa se sentir confortável em um ou dois dias, mas logo você começará a se divertir e, quem sabe, talvez até crie algo assustador!

Diverta-se! ��

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