Com començar amb l’aprenentatge automàtic

Els intents de dissenyar màquines més intel·ligents que els humans no són nous. Un dels primers atacs que la informàtica va fer a la “intel·ligència” humana va ser a través del joc d’escacs. Per molts, els escacs (o hauríem de dir-ho?) Van ser assumits com la prova final de l’intel·lecte i la creativitat humana, i a la dècada de 1960-70 hi havia diferents escoles de pensament en informàtica..


Alguns van pensar que només era qüestió de temps abans que els ordinadors passessin els humans per jugar a escacs, mentre que d’altres creien que això no passaria mai.

Kasparov vs Deep Blue

L’esdeveniment més sensacional, que va representar l’home contra la màquina a la batalla del pensament, va ser el partit d’escacs de 1996 entre el llavors campió mundial Garry Kasparov (i, possiblement, el millor jugador d’escacs mai) i Blau profund, un supercomputador que l’IBM va dissenyar per a aquest esdeveniment.

Crèdit d’imatges: Viquipèdia

Per tallar una història curta, Kasparov va guanyar el partit de 1996 de manera convincent (4-2), però va perdre la revanxa de 1997 (4.5-3.5), enmig de molt controvèrsia i les denúncies de trampes directes de Kasparov contra IBM.

Independentment, es va acabar una era en els escacs i la informàtica. Els ordinadors tenien un títol més intel·ligent que qualsevol ésser humà viu. IBM, contenta de la venjança, va desmantellar Deep Blue i va continuar.

Avui és impossible que cap mestre derroti qualsevol motor regular d’escacs que funciona amb el maquinari de productes bàsics.

Què no és l’aprenentatge automàtic

Abans de revisar en profunditat l’aprenentatge automàtic, deixem fora del concepte algunes idees errònies. L’aprenentatge automàtic no és, per cap tram de la imaginació, un intent de replicar el cervell humà. Malgrat les creences sensacionalistes de Elon Musk, les investigacions informàtiques mantenen que no busquen aquest gran gra sagrat i, certament, que no es troben a prop d’ell.

En poques paraules, l’aprenentatge automàtic és la pràctica d’aplicar processos d’aprenentatge per exemple a ordinadors. Això contrasta amb l’enfocament tradicional de confiar en un programador humà per pensar tots els escenaris possibles i regles de codi dur per a ells en un sistema..

Sincerament, es tracta de què és l’aprenentatge automàtic: alimentar tones i tones i tones de dades a un ordinador perquè pugui aprendre amb exemples (prova → error → comparació → millora) en lloc de confiar en el codi font.

Aplicacions de l’aprenentatge automàtic

Per tant, si l’aprenentatge automàtic no és màgia negra i no serveix per generar Terminators, per a què serveix?

L’aprenentatge automàtic ajuda en els casos en què la programació tradicional es desmaia i, en general, en aquests casos es troba en una de les dues categories.

  1. Classificació
  2. Predicció

Com el seu nom indica, Classificació preocupa etiquetar les coses correctament, mentre que Prediction té l’objectiu de corregir les projeccions futures, donat un conjunt de dades prou gran de valors passats..

Alguns aplicacions interessants d’aprenentatge automàtic són:

Filtratge de correu brossa

El correu electrònic de correu brossa és general, però intentar aturar-lo pot ser un malson. Com es defineix el correu brossa? És la presència de paraules clau específiques? O potser de la manera com està escrit? És difícil pensar un conjunt exhaustiu de regles, segons el programa.

És per això que utilitzem Machine Learning. Mostrem al sistema milions de missatges de correu brossa i missatges no spam, i deixem constatar la resta. Aquest va ser el secret dels filtres de correu brossa increïblement bons de Gmail que van començar a generar correu electrònic personal a principis dels anys 2000!

Recomanacions

Totes les principals empreses de comerç electrònic disposen avui de potents sistemes de recomanació. De vegades, la seva capacitat de recomanar coses que “ens semblen útils” és increïblement precisa, malgrat no haver fet cap clic anteriorment sobre aquest tema.

Coincidència? No del tot!

L’aprenentatge automàtic es fa difícil treballar aquí, desbordant terabytes després de terabytes de dades i intentant predir els nostres instants d’ànim i preferències volàtils.

Chatbots

Heu topat amb el servei d’atenció al client de primer nivell que semblava estranyament robotitzat i, tot i així, ha pogut fer una xerrada interessant i petita?

Bé, aleshores us ha deixat anar a càrrec de Machine Learning!

Aprendre a partir de converses i determinar què dir quan és un àmbit proper i emocionant d’aplicació de xat.

Eliminació de males herbes

A l’agricultura, els robots alimentats per Machine Learning s’utilitzen per polvoritzar males herbes i altres plantes no desitjades enmig de les collites.

D’una altra manera, s’hauria de fer a mà o bé perdre malament ja que el sistema polvoritzaria també el producte amb el líquid assassí.!

Cerca per veu

La interacció basada en veu amb sistemes informàtics ja no és ciència ficció. Avui tenim assistents digitals com Alexa, Siri i Google Home, que poden agafar ordres de forma verbal i no desordenar-se (bé, gairebé!).

Alguns podrien argumentar que és una invenció que s’evita millor ja que fa que la raça humana sigui més feble que mai, però no es pot discutir amb l’efectivitat. Per exemple, a Google I / O 2018, l’empresa va donar un demostració impressionant del que era el seu equip de recerca.

Diagnòstic mèdic

Estem al cap d’una revolució en el diagnòstic mèdic, ja que els sistemes basats en l’aprenentatge automàtic comencen a superar els metges experimentats diagnòstic mitjançant radiografies, etc.

Tingueu en compte que això no significa que aviat no es necessitaran metges, sinó que la qualitat de l’assistència mèdica augmentarà de forma espectacular, mentre que els costos es produiran en picat (tret que els càrtels empresarials dictaminin el contrari!).

Aquesta era només una mostra del que s’utilitza Machine Learning. Cotxes autopropulsats, bots de joc d’estratègia, màquines plegables de samarretes, trencament de captcha, acoloriment de fotografies en blanc i negre – hi passen moltes coses en aquests dies.

Tipus d’aprenentatge automàtic

Les tècniques d’aprenentatge automàtic són de dos tipus.

Aprenentatge supervisat, en què el sistema està dirigit pel judici humà i Aprenentatge no vigilat, en què el sistema es deixa aprendre tot sol. Una altra manera de dir el mateix seria que a l’Aprenentatge Supervisat, tenim un conjunt de dades que conté tant les entrades com la sortida esperada, que el sistema utilitza per comparar i autocorrecció. Tanmateix, a l’aprenentatge no vigilat, no hi ha cap sortida existent a la qual contrastar i, per tant, els resultats poden variar de manera salvatge.

Una aplicació emocionant i refredadora d’os per a l’aprenentatge no controlat de màquines?

Això seria bots jugant a jocs de taula, en què el programa s’ensenya les regles del joc i les condicions de guanyar, i després es deixa als seus propis dispositius. Aleshores, el programa juga milions de jocs contra si mateix, aprenent dels seus errors i reforçant les decisions avantatjoses.

Si teniu un ordinador prou potent, en qüestió d’unes hores es pot preparar una reproducció automàtica de batuda mundial!

Les imatges següents il·lustren aquestes idees de forma succinta (font: Mitjana):

Recursos per iniciar-se en l’aprenentatge automàtic

Ara, ja que tots us heu referit a l’aprenentatge automàtic i com pot ajudar-vos a conquerir el món, per on començar?

A continuació, us detallo alguns recursos fantàstics al web que us poden ajudar a assolir fluïdesa en l’aprenentatge automàtic sense haver de obtenir un doctorat. en informàtica! Si no sou un investigador de Machine Learning, trobareu que el domini de l’aprenentatge automàtic és tan pràctic i agradable com la programació en general.

Així doncs, no us preocupeu, independentment del nivell que tingueu, podeu, com un bon programa d’aprenentatge automàtic, ensenyar-vos i millorar-vos. ��

Programació

El primer requisit per entrar a l’aprenentatge automàtic és aprendre a programar. Això passa perquè els sistemes d’aprenentatge automàtic tenen la forma de biblioteques per a diversos llenguatges de programació.

Python és el més recomanable, en part perquè és molt agradable d’aprendre, i en part perquè té un ecosistema massiu de biblioteques i recursos..

El oficial La Guia per a principiants és un lloc ideal per començar, fins i tot si coneixeu lleugerament Python. O, prengui això Curs Bootcamp convertir-se en un heroi de zero.

Think Stats

Un cop hagueu acabat els conceptes bàsics de Python, la meva segona recomanació seria passar per dos llibres increïblement bons. Ells són 100% gratuït i disponible en format PDF per a la seva descàrrega. Think Stats i Pensa Bayes Són dos clàssics moderns que tot aspirant d’enginyeria d’aprenentatge automàtic hauria d’interioritzar.

Udemy

En aquest moment, us recomanaria que feu un parell de cursos Udemy. El format interactiu i autèntic us ajudarà a endinsar-vos en el gust més gran i a crear confiança.

Assegureu-vos de veure la vista prèvia del curs, les ressenyes (especialment les negatives!) I la sensació general del curs abans de començar.

També podeu trobar tutorials sorprenents a YouTube de forma gratuïta. Sentdex és un canal d’aquest tipus que puc recomanar, on sempre es passen tones de diversió, però el plantejament que adopta no és agradable per als principiants.

Andrew Ng

Curs impartit per Andrew Ng el Coursera és sens dubte el recurs d’aprenentatge més popular per als fonaments fonamentals d’aprenentatge automàtic.

Tot i que utilitza el llenguatge de programació R, continua sent inigualable en el seu tractament del tema i les lúcides explicacions. A causa d’aquest curs, Andrew Ng ha assolit una mica de talla divina als cercles ML, i la gent mira cap a ell per obtenir una màxima saviesa (no tinc broma!).

De fet, aquest no és un curs per al principiant, però si ja teniu cap bona informació sobre la creació de dades i no us importa alguna investigació lateral a mesura que us acompanyi, aquest curs és la millor recomanació.

No hi ha cap finalitat de recursos a Internet i us podeu perdre fàcilment al començar. La majoria dels tutorials i les discussions que hi ha són pràcticament desafiants, o no tenen una estructura matemàtica, i poden trencar la seva confiança fins i tot abans de començar.

Per tant, vull advertir-vos que s’autodestrueix: mantingueu el vostre objectiu modest i mireu els passos mínims. L’aprenentatge automàtic no és una cosa que us pugui resultar còmode en un o dos dies, però ben aviat començareu a divertir-vos, i qui sap, potser fins i tot creareu alguna cosa temible!

Diverteix-te! ��

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