Come iniziare con l’apprendimento automatico

I tentativi di progettare macchine più intelligenti degli umani non sono nuovi. Uno dei primissimi attacchi che l’informatica fece sull’intelligenza umana fu attraverso partita a scacchi. Gli scacchi sono (o dovremmo dire che erano?) Assunti da molti come la prova finale dell’intelletto e della creatività umana, e negli anni ’60 -’70 c’erano diverse scuole di pensiero all’interno dell’informatica.


Alcuni sostenevano che era solo questione di tempo prima che i computer superassero gli umani giocando a scacchi, mentre altri credevano che ciò non sarebbe mai accaduto.

Kasparov contro Deep Blue

L’evento più sensazionale con l’uomo contro la macchina nella battaglia del pensiero è stata la partita di scacchi del 1996 tra l’allora campione del mondo Garry Kasparov (e probabilmente il miglior giocatore di scacchi di sempre) e Profondo blu, un supercomputer progettato da IBM proprio per questo evento.

Credito d’immagine: Wikipedia

Per farla breve, Kasparov ha vinto la partita del 1996 in modo convincente (4-2), ma ha perso la rivincita del 1997 (4.5-3.5), nonostante controversia e le accuse di imbrogli diretti di Kasparov contro l’IBM.

Indipendentemente da ciò, era finita l’era degli scacchi e dell’informatica. I computer avevano il diritto di essere più intelligenti di qualsiasi essere umano vivente possibile. IBM, felice della vendetta, smantellò Deep Blue e proseguì.

Oggi è impossibile per qualsiasi grande maestro battere qualsiasi normale motore di scacchi funzionante con hardware di merce.

Cosa non è l’apprendimento automatico

Prima di dare uno sguardo più approfondito all’apprendimento automatico, allontaniamo alcune idee sbagliate. L’apprendimento automatico non è, in alcun modo dell’immaginazione, un tentativo di replicare il cervello umano. Nonostante le credenze sensazionalistiche sostenute da artisti del calibro di Elon Musk, le ricerche di informatica sostengono che non sono alla ricerca di questo sacro grano, e certamente non in alcun luogo vicino ad esso.

In poche parole, l’apprendimento automatico è la pratica di applicare processi di apprendimento per esempio ai computer. Ciò contrasta con l’approccio tradizionale di fare affidamento su un programmatore umano per elaborare tutti gli scenari possibili e le regole del codice fisso per loro in un sistema.

Onestamente, si tratta di cos’è l’apprendimento automatico: alimentare tonnellate e tonnellate e tonnellate di dati su un computer in modo che possa imparare dagli esempi (prova → errore → confronto → miglioramento) piuttosto che fare affidamento sul codice sorgente.

Applicazioni dell’apprendimento automatico

Quindi, se l’apprendimento automatico non è magia nera e non sta per generare Terminator, a cosa serve?

L’apprendimento automatico aiuta nei casi in cui la programmazione tradizionale non funziona e questi casi rientrano generalmente in una delle due categorie.

  1. Classificazione
  2. Predizione

Come suggerisce il nome, la classificazione riguarda l’etichettatura corretta delle cose, mentre Prediction mira a correggere le proiezioni future, dato un set di dati sufficientemente ampio di valori passati.

Alcuni applicazioni interessanti dell’apprendimento automatico sono:

Filtro antispam

Lo spam tramite e-mail è pervasivo, ma cercare di fermarlo può essere un incubo. Come viene definito lo spam? È la presenza di parole chiave specifiche? O forse il modo in cui è scritto? È difficile pensare a un insieme esaustivo di regole, dal punto di vista del programma.

Ecco perché utilizziamo l’apprendimento automatico. Mostriamo al sistema milioni di messaggi spam e messaggi non spam, e facciamo capire il resto. Questo era il segreto dietro i filtri antispam incredibilmente buoni di Gmail che hanno scosso la posta elettronica personale nei primi anni 2000!

raccomandazioni

Oggi tutte le principali società di e-commerce dispongono di potenti sistemi di raccomandazione. A volte, la loro capacità di raccomandare cose che “potremmo” trovare utili è incredibilmente accurata, nonostante non abbiamo mai cliccato su quell’elemento prima.

Coincidenza? Affatto!

L’apprendimento automatico è al lavoro qui, divorando terabyte dopo terabyte di dati e cercando di prevedere i nostri umori e preferenze volatili.

chatbots

Ti sei mai imbattuto in un’assistenza clienti di primo livello che sembrava stranamente robotica e tuttavia è stata in grado di fare chiacchiere interessanti?

Bene, allora sei stato sostenuto dall’apprendimento automatico!

Imparare dalle conversazioni e determinare cosa dire quando è un’imminente ed eccitante area dell’applicazione chatbot.

Rimozione dell’erbaccia

In agricoltura, i robot alimentati da Machine Learning vengono utilizzati per spruzzare erbacce e altre piante indesiderate tra le colture in modo selettivo.

Altrimenti ciò dovrebbe essere fatto a mano o sarebbe estremamente dispendioso poiché il sistema spruzzava anche i prodotti con il liquido killer!

Ricerca vocale

L’interazione vocale con i sistemi informatici non è più fantascienza. Oggi abbiamo assistenti digitali come Alexa, Siri e Google Home, che possono prendere comandi verbalmente e non sbagliare (beh, quasi!).

Alcuni potrebbero obiettare che è un’invenzione da evitare in quanto rende la razza umana più pigra che mai, ma non si può discutere con l’efficacia. Ad esempio, in Google I / O 2018, la società ha dato a demo straordinaria di ciò che stava facendo il suo gruppo di ricerca.

Diagnosi medica

Siamo sull’orlo di una rivoluzione nella diagnosi medica, poiché i sistemi basati sull’apprendimento automatico stanno iniziando a sovraperformare i medici esperti diagnosi attraverso i raggi X, ecc.

Si noti che ciò non significa che i medici non saranno presto necessari, ma che la qualità delle cure mediche aumenterà notevolmente, mentre i costi subiranno un forte calo (a meno che i cartelli aziendali non impongano diversamente!).

Questo era solo un esempio di ciò per cui Machine Learning è utilizzato. Auto a guida autonoma, robot strategici, piegatrici per magliette, rottura del captcha, colorazione di foto in bianco e nero: al giorno d’oggi stanno accadendo molte cose.

Tipi di apprendimento automatico

Le tecniche di apprendimento automatico sono di due tipi.

Apprendimento supervisionato, in cui il sistema è diretto dal giudizio umano, e Apprendimento senza supervisione, in cui il sistema è lasciato a imparare tutto da solo. Un altro modo di dire la stessa cosa sarebbe che nell’apprendimento supervisionato, abbiamo un set di dati contenente sia gli input che l’output atteso, che il sistema utilizza per confrontare e correggere automaticamente. Nell’apprendimento non supervisionato, tuttavia, non esiste un output esistente su cui misurare e, quindi, i risultati possono variare notevolmente.

Un’applicazione emozionante e agghiacciante di Machine Learning senza supervisione?

Si tratterebbe di robot che giocano a giochi da tavolo, in cui al programma vengono insegnate le regole del gioco e le condizioni vincenti, e quindi lasciate a se stesse. Il programma gioca quindi milioni di partite contro se stesso, imparando dai suoi errori e rafforzando le decisioni vantaggiose.

Se sei su un computer abbastanza potente, un’IA che gioca a livello mondiale può essere preparata in poche ore!

Le seguenti immagini illustrano queste idee in modo succinto (fonte: media):

Risorse per iniziare a Machine Learning

Quindi, ora che sei entusiasta di Machine Learning e di come può aiutarti a conquistare il mondo, da dove cominciare?

Di seguito ho elencato alcune fantastiche risorse sul Web che possono aiutarti a ottenere fluidità nell’apprendimento automatico senza dover ottenere un dottorato di ricerca. in informatica! Se non sei un ricercatore di Machine Learning, troverai il dominio di Machine Learning pratico e divertente come la programmazione in generale.

Quindi, non preoccuparti, indipendentemente dal tuo livello attuale, puoi, come un buon programma di Machine Learning, insegnare a te stesso e migliorare. ��

Programmazione

Il primo requisito per entrare in Machine Learning è imparare a programmare. Questo perché i sistemi di Machine Learning si presentano sotto forma di librerie per vari linguaggi di programmazione.

Python è il più raccomandato, in parte perché è incredibilmente piacevole da imparare, e in parte perché ha un enorme ecosistema di librerie e risorse.

Il ufficiale La Guida per principianti è un ottimo punto di partenza, anche se hai familiarità con Python. Oppure prendi questo Corso Bootcamp diventare un eroe da zero.

Pensa alle statistiche

Una volta terminate le basi di Python, la mia seconda raccomandazione sarebbe quella di leggere due libri incredibilmente buoni. Loro sono 100% gratuito e disponibile come PDF per il download. Pensa alle statistiche e Pensa a Bayes sono due classici moderni che ogni aspirante ingegnere del Machine Learning dovrebbe interiorizzare.

Udemy

A questo punto, ti consiglio di seguire un paio di corsi da Udemy. Il formato interattivo e personalizzato ti aiuterà a entrare nel nocciolo della questione e a creare sicurezza.

Assicurati di controllare l’anteprima del corso, le recensioni (soprattutto quelle negative!) E la sensazione generale del corso prima di iniziare.

Puoi anche trovare fantastici tutorial su YouTube gratuitamente. Sentdex è uno di questi canali che posso consigliare, dove ci sono sempre tantissimi divertimenti, ma l’approccio da lui adottato non è adatto ai principianti.

Andrew Ng

Corso tenuto da Andrew Ng il Coursera è senza dubbio la risorsa di apprendimento più popolare per i fondamenti di Machine Learning.

Sebbene utilizzi il linguaggio di programmazione R, rimane impareggiabile nel trattamento della materia e nelle spiegazioni lucide. A causa di questo corso, Andrew Ng ha raggiunto una certa statura divina nei circoli ML e le persone lo guardano per la massima saggezza (non sto scherzando!).

Questo non è certamente un corso per principianti, ma se sei già bravo a gestire i dati e non ti dispiace fare qualche ricerca secondaria mentre vai avanti, questo corso è la migliore raccomandazione.

Non c’è fine alle risorse su Internet e puoi facilmente perderti all’inizio. La maggior parte dei tutorial e delle discussioni là fuori sono matematicamente difficili o mancano di una struttura e possono rompere la fiducia prima ancora di iniziare.

Quindi, vorrei metterti in guardia dall’autodistruzione: mantieni il tuo obiettivo modesto e muoviti in passi minimi. L’apprendimento automatico non è qualcosa che puoi trovare comodo in un giorno o due, ma molto presto inizierai a divertirti e, chissà, forse creerai anche qualcosa di spaventoso!

Divertiti! ��

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