Wie man maschinelles Lernen lernt
— Was ist Ihr Hintergrund, was haben Sie vor dem maschinellen Lernen gemacht? Wie
— Ich leite Sethis ServicegeschäftTechnologien. Wir bieten unseren Kunden Lösungen, die auf maschinellem Lernen und künstlicher Intelligenz basieren. In den letzten zwei Jahren haben wir mit einigen der größten Fortune-500-Unternehmen zusammengearbeitet.
Daten haben mich schon immer fasziniert.Dies bestimmte meine Wahl – danach begann ich, durch projektbasiertes Lernen nach Kenntnissen, Fähigkeiten und Erfahrungen im Bereich des maschinellen Lernens zu suchen. Dies gab mir die Gelegenheit, ein Experte für maschinelles Lernen im Bildungsökosystem zu werden, einem dezentralisierten Lernökosystem, das Fachleuten und Studenten beibringt, echte Produkte zu entwickeln.
„Wenn Daten, Automatisierung und Algorithmen von Interesse sind, dann ist maschinelles Lernen eine profitable Berufswahl“
Wie lernen Menschen maschinelles Lernen? Ist dies nicht ein Bereich, in dem grundlegende Kenntnisse und eine langjährige Ausbildung erforderlich sind?
— Grundkenntnisse auf dem GebietProgrammierung sind ein zusätzlicher Vorteil, da sonst die Lernkurve zu steil wird. Maschinelles Lernen ist auch die Hauptkomponente der sich am schnellsten entwickelnden Bereiche – Big Data, Predictive Analytics, Data Mining und Computational Statistics.
Wenn Daten, Automatisierung und Algorithmen rufenInteresse, dann ist maschinelles Lernen eine lukrative Berufswahl. Die Teilnahme an einem strukturierten Programm oder Kurs ist eine der besten Möglichkeiten, maschinelles Lernen von Grund auf zu lernen. Die hohe Nachfrage in dieser Branche hat zu Hunderten von Präsenz- und Online-Kursen geführt.
— Was können Sie Entwicklern und Analysten raten, die in diesem Bereich entwickeln wollen?
– Maschinelles Lernen hat das Potenzial zu machenAnwendungen leistungsfähiger und reaktionsschneller auf die Bedürfnisse der Benutzer. Entwickler, die maschinelles Lernen in Anwendungen implementieren möchten, müssen einige wichtige Dinge wissen, die ihnen zum Erfolg verhelfen:
- Je mehr Daten ein Algorithmus hat, desto genauer wird er, also vermeiden Sie Subsampling, wann immer es möglich ist.
- Die Wahl der besten maschinellen Lernmethode für ein Problem ist entscheidend und entscheidet oft über Erfolg oder Misserfolg.
- Machine-Learning-Modelle können nur dann gut sein, wenn die Daten gut sind.
- Das Verständnis von Datenfunktionen und deren Verbesserung (indem neue erstellt und vorhandene entfernt werden) hat einen großen Einfluss auf die Vorhersagbarkeit.
- Wo kann man es lernen? Vielleicht in Kursen oder Schulen?
— Zum Glück gibt es heute viele PlattformenOnline-Lernen wie das Bildungsökosystem, in dem Sie verschiedene Konzepte des maschinellen Lernens und der künstlichen Intelligenz lernen können. Im Bildungsökosystem können Sie von erfahrenen Entwicklern durch Projekte lernen, die Tutorials und Projektressourcen umfassen. Zum Beispiel habe ich mehrere Projekte wie dieses erstellt:
- Bildabruf nach Ähnlichkeit mit Tensorflow und Keras
- Neuronale Stilübertragung mit Keras und Tensorflow
- So führen Sie eine Gesichtserkennung mit OpenCV-Haarkaskaden durch
Welches Unternehmen braucht und welches nicht KI
— Wie „verkauft“ man KI und maschinelles Lernen an Unternehmen und wie verbessern sie ihre Arbeit? Warum ist die Wirtschaft Ihrer Meinung nach wissenschaftlicher geworden?
— Algorithmen für maschinelles Lernen können wiederholtanhand des bereitgestellten Datensatzes lernen, Muster verstehen, Verhalten. Dieser Prozess ist iterativ und verbessert sich ständig, was Unternehmen dabei hilft, sich ständig an die Bedürfnisse von Unternehmen und Kunden anzupassen.
"Machine-Learning-Algorithmen können iterativ aus einem gegebenen Datensatz lernen"
Welche Unternehmen passen und welche nicht? Welche Probleme lassen sich mit ihrer Hilfe lösen?
— Maschinelles Lernen wird vor allem von Unternehmen benötigt,die sich mit Bildklassifikation, Textparsing oder Predictive Modeling beschäftigt. Für andere Arten von Unternehmen können Algorithmen darauf trainiert werden, dem Benutzer etwas zu empfehlen, Daten zu sammeln, Deep Learning und neuronale Netze zu verwenden. In der Dienstleistungsbranche können Algorithmen wie ein Helpdesk-Manager durch Verarbeitung natürlicher Sprache auf der Grundlage häufiger Kundenbeschwerden trainiert werden.
— In diesem Bereich erscheint fast jeden Tag etwas Neues. Wie behält man den Überblick, worauf sollte man besonders achten?
– Ein aktueller Indeed-Bericht ergab, dass es offene Stellen gibtIngenieure für maschinelles Lernen sind allen anderen in Bezug auf Gehalt, Nachfrage und Wachstum voraus. Das Dokument stellte außerdem fest, dass die Nachfrage nach Ingenieuren für maschinelles Lernen um 344 % gestiegen ist.
Dieser Bereich ist so wichtig, weil erermöglicht es Unternehmen, Trends im Kundenverhalten und in Geschäftsabläufen zu erkennen, fördert die Entwicklung neuer Produkte. Viele der führenden Unternehmen wie Facebook, Google und Uber machen maschinelles Lernen zu einem zentralen Bestandteil ihrer Geschäftstätigkeit. Kontinuierliche berufliche Weiterentwicklung wird Fachleuten helfen, die hohe Nachfrage und das geringe Angebot in dieser Branche zu nutzen.
— Maschinelles Lernen wird häufig in der Big-Data-Analyse eingesetzt. Welche bahnbrechenden Produkte werden hier erscheinen?
Big Data ist so wichtig geworden wie vieleSowohl öffentliche als auch private Organisationen sammeln riesige Mengen an Informationen in bestimmten Bereichen. Die Zusammenführung von maschinellem Lernen und Big Data ist ein nie endender Prozess. Wir werden sehen, wie Algorithmen für maschinelles Lernen auf alle Elemente der Arbeit mit Big Data angewendet werden, einschließlich Segmentierung, Datenanalyse und Modellierung.
— Welche freien Marktnischen sind mit der Entwicklung von maschinellem Lernen und KI verbunden?
- Künstliche Intelligenz ist ein Durchbruchneuere Technologie. Es gibt viele Nischenbereiche, in denen KI einen signifikanten Einfluss hat. Es gibt andere Nischenanwendungen, die nicht in den Medien behandelt werden, aber in wissenschaftlichen Publikationen vorkommen. In den kommenden Jahren werden sie die größte Entwicklung erfahren, das sind Bildung, Bau und Planung, Unterhaltung und Sportanalyse.
— Wie sehen Sie die Entwicklung des maschinellen Lernens? Wie kann es Menschen, Unternehmen, Staaten helfen?
— Maschinelles Lernen hilft UnternehmenVerwenden Sie vorbeugende Wartung, um Geräteausfälle zu reduzieren und den Gewinn zu steigern. Da die Nachfrage nach großen und komplexen Datenverarbeitungsfunktionen wächst, wird maschinelles Lernen Unternehmen dabei unterstützen, Verbraucherdaten zu nutzen, um nützliche Kundenprofile zu erstellen, den Umsatz zu steigern und die Markentreue aufzubauen.
Maschinelles Lernen steht erst am Anfang seiner Entwicklung. Die interessantesten Dinge liegen vor uns
Was sind die größten Missverständnisse über Big Data und maschinelles Lernen?
- Das größte Missverständnis istdass maschinelle Lernmodelle alle Probleme dieser Welt lösen können. Eines der bekanntesten Zitate über maschinelles Lernen stammt von Dave Waters: „Ein Baby lernt zu krabbeln, zu gehen und dann zu laufen. Im Bereich Machine Learning befinden wir uns in der Crawl-Phase.“
Im Prozess des maschinellen Lernens wird es immer welche gebenbetroffene Person. Aber hier gibt es eine Einschränkung. Mit verbesserten Algorithmen werden wir in der Lage sein, die menschliche Beteiligung vollständig zu eliminieren, nachdem wir ein bestimmtes maschinelles Lernmodell trainiert haben.
- Nicht jeder hält mit Durchbrüchen in diesem Bereich Schritt - worauf sollten wir achten?
— Neueste Entwicklungen im MaschinenbereichLernen ist heute automatisiertes maschinelles Lernen (AutoML), Machine Learning Operationalization Management (MLOps), No-Code Machine Learning und Low-Code Machine Learning Development. Konzepte, die in den kommenden Jahren zu vielversprechenden Projekten führen werden.
— Was sind die kurz- und langfristigen Probleme von ML? Was ist mit Entwicklervoreingenommenheit, schlechten Absichten und ethischen Standards, die nicht niedergeschrieben und formalisiert werden können?
— Die größten Herausforderungen beim maschinellen Lernen —Es fehlt an qualifizierten Ressourcen, an qualitativ hochwertigen Daten und an einem Verständnis dafür, welche Prozesse automatisiert werden müssen. Bis wir über saubere und zuverlässige Daten verfügen, werden Fachleute für maschinelles Lernen weiterhin vor Herausforderungen bei der Entwicklung von Algorithmen und Systemen stehen, die genau die Anforderungen erfüllen, für die sie entwickelt wurden.
- Wann und in welchem Bereich wird sich künstliche Intelligenz am interessantesten zeigen?
— Künstliche Intelligenz gestaltet die ZukunftMenschlichkeit in fast allen Bereichen. Es ist bereits ein wichtiger Treiber für neue Technologien wie Big Data, Robotik und IoT und wird auch in absehbarer Zukunft ein technologischer Innovator bleiben. Heutzutage ist es schwierig, einen bestimmten Bereich herauszugreifen, da alle Branchen heute mit großen Datenmengen arbeiten und unterschiedliche Automatisierungsanforderungen haben.
Weiter lesen:
Archäologen haben die Legenden aus der Bibel offiziell bestätigt
Das Grab der "Priesterin" von Aphrodite wurde gefunden: Wissenschaftler zeigten, was sie dort fanden
Wissenschaftler haben gesehen, was sich auf dem Territorium der Maya-Hauptstadt befindet. Der Fund überraschte sie.