Comment apprendre l'apprentissage automatique
— Quel est votre parcours, que faisiez-vous avant le machine learning ? Comment
— Je dirige l'entreprise de services de Sethiles technologies. Nous fournissons à nos clients des solutions basées sur l'apprentissage automatique et l'intelligence artificielle. Au cours des deux dernières années, nous avons travaillé avec certaines des plus grandes entreprises du Fortune 500.
J'ai toujours été fasciné par les données.Cela a déterminé mon choix - après cela, j'ai commencé à rechercher des connaissances, des compétences et de l'expérience dans le domaine de l'apprentissage automatique par le biais de l'apprentissage par projet. Cela m'a donné l'opportunité de devenir un expert en apprentissage automatique dans l'écosystème de l'éducation, un écosystème d'apprentissage décentralisé qui enseigne aux professionnels et aux étudiants à créer de vrais produits.
"Si les données, l'automatisation et les algorithmes vous intéressent, alors l'apprentissage automatique est un choix de carrière rentable"
Comment les gens commencent-ils à apprendre l'apprentissage automatique ? N'est-ce pas un domaine où des connaissances fondamentales et de nombreuses années d'études sont nécessaires?
— Connaissances fondamentales dans le domaineprogrammation sont un avantage supplémentaire, sinon la courbe d'apprentissage sera trop raide. L'apprentissage automatique est également la principale composante des domaines qui se développent le plus rapidement - Big Data, Predictive Analytics, Data Mining et Computational Statistics.
Si les données, l'automatisation et les algorithmes appellentintérêt, alors l'apprentissage automatique est un choix de carrière rentable. Suivre un programme ou un cours structuré est l'un des meilleurs moyens d'apprendre l'apprentissage automatique à partir de zéro. La forte demande dans ce secteur a donné lieu à des centaines de cours en face à face et en ligne.
— Que pouvez-vous conseiller aux développeurs et analystes qui souhaitent évoluer dans ce domaine ?
– L'apprentissage automatique a le potentiel de faireapplications plus puissantes et plus réactives aux besoins des utilisateurs. Les développeurs qui souhaitent implémenter l'apprentissage automatique dans les applications doivent connaître quelques éléments clés qui les aideront à réussir :
- Plus un algorithme contient de données, plus il devient précis, évitez donc le sous-échantillonnage dans la mesure du possible.
- Choisir la meilleure méthode d'apprentissage automatique pour un problème est essentiel et détermine souvent le succès ou l'échec.
- Les modèles d'apprentissage automatique ne peuvent être bons que lorsque les données sont bonnes.
- Comprendre les fonctionnalités des données et les améliorer (en en créant de nouvelles et en supprimant celles qui existent) a un impact important sur la prévisibilité.
- Où pouvez-vous l'apprendre? Peut-être dans des cours ou des écoles ?
— Heureusement, il existe aujourd'hui de nombreuses plateformesl'apprentissage en ligne tel que l'écosystème de l'éducation où vous pouvez apprendre différents concepts d'apprentissage automatique et d'intelligence artificielle. Dans l'écosystème de l'éducation, vous pouvez apprendre des développeurs experts à travers des projets qui incluent des didacticiels et des ressources de projet. Par exemple, j'ai créé plusieurs projets comme celui-ci :
- Récupération d'images par similarité à l'aide de Tensorflow et Keras
- Transfert de style neuronal à l'aide de Keras et de Tensorflow
- Comment faire la détection de visage à l'aide d'OpenCV Haar Cascades
Quelle entreprise a besoin et laquelle n'a pas besoin d'IA
— Comment « vendez-vous » l'IA et l'apprentissage automatique aux entreprises et comment améliorent-elles leur travail ? Pourquoi pensez-vous que les affaires sont devenues plus scientifiques ?
— Les algorithmes d'apprentissage automatique peuventapprendre sur la base de l'ensemble de données fourni, comprendre les modèles, le comportement. Ce processus est itératif et en constante amélioration, ce qui aide les entreprises à changer constamment pour répondre aux besoins des entreprises et des clients.
"Les algorithmes d'apprentissage automatique peuvent apprendre de manière itérative à partir d'un ensemble de données donné"
Quelles entreprises conviendront et ne conviendront-elles pas ? Quels problèmes peuvent être résolus avec leur aide?
— Surtout, l'apprentissage automatique est nécessaire aux entreprises,qui traite de la classification d'images, de l'analyse de texte ou de la modélisation prédictive. Pour d'autres types d'entreprises, les algorithmes peuvent être formés pour recommander quelque chose à l'utilisateur, collecter des données, utiliser l'apprentissage en profondeur et les réseaux de neurones. Dans le secteur des services, les algorithmes peuvent être formés comme un gestionnaire de service d'assistance grâce au traitement du langage naturel basé sur les plaintes courantes des clients.
— Dans ce domaine, quelque chose de nouveau apparaît presque chaque jour. Comment garder une trace de ce qui se passe, à quoi faire particulièrement attention ?
— Un récent rapport Indeed a révélé que les offres d'emploiLes ingénieurs en apprentissage automatique sont en avance sur tous les autres en termes de salaire, de demande et de croissance. Le document indique également que la demande d'ingénieurs en apprentissage automatique a augmenté de 344 %.
Ce domaine est si important parce qu'ilpermet aux entreprises de voir les tendances dans le comportement des clients et les modèles d'exploitation des entreprises, favorise le développement de nouveaux produits. De nombreuses entreprises leaders telles que Facebook, Google et Uber font de l'apprentissage automatique un élément central de leurs opérations. Le développement professionnel continu aidera les professionnels à tirer parti de la forte demande et de la faible offre dans cette industrie.
— L'apprentissage automatique est souvent utilisé dans l'analyse de mégadonnées. Quels produits révolutionnaires apparaîtront ici ?
Les mégadonnées sont devenues importantes car de nombreuxLes organisations, tant publiques que privées, collectent de grandes quantités d'informations dans des domaines spécifiques. La fusion de l'apprentissage automatique et du big data est un processus sans fin. Nous verrons comment les algorithmes d'apprentissage automatique sont appliqués à chaque élément du travail avec le Big Data, y compris la segmentation, l'analyse des données et la modélisation.
— Quelles niches de marché libre sont associées au développement de l'apprentissage automatique et de l'IA ?
- L'intelligence artificielle est une percéetechnologie récente. Il existe de nombreux créneaux où l'IA a un impact significatif. Il existe d'autres applications de niche qui ne sont pas couvertes dans les médias, mais elles le sont dans des publications scientifiques. Dans les années à venir, ils recevront le plus grand développement, ce sont l'éducation, la construction et la planification, le divertissement et l'analyse sportive.
— Comment voyez-vous le développement du machine learning ? Comment peut-elle aider les personnes, les entreprises, les États ?
— L'apprentissage automatique aide les entreprisesutiliser la maintenance préventive pour réduire les pannes d'équipement et augmenter les profits. À mesure que la demande de capacités de traitement de données importantes et complexes augmente, l'apprentissage automatique aidera les entreprises à utiliser les données des consommateurs pour créer des profils de clients utiles, augmenter les ventes et fidéliser la marque.
L’apprentissage automatique commence tout juste à se développer. Toutes les choses les plus intéressantes sont à venir
Quelles sont les plus grandes idées fausses sur le Big Data et l'apprentissage automatique ?
- La plus grande idée fausse estque les modèles d'apprentissage automatique peuvent résoudre tous les problèmes de ce monde. L'une des citations les plus célèbres sur l'apprentissage automatique vient de Dave Waters : « Un bébé apprend à ramper, à marcher, puis à courir. Dans le domaine du machine learning, nous sommes en phase de crawl.
Dans le processus d'apprentissage automatique, il y aura toujourspersonne impliquée. Mais il y a une mise en garde ici. Grâce à des algorithmes améliorés, nous serons en mesure d'éliminer complètement l'implication humaine après avoir formé un modèle d'apprentissage automatique spécifique.
- Tout le monde ne suit pas les percées dans ce domaine - à quoi devons-nous faire attention ?
— Derniers développements dans le domaine de la machinel'apprentissage aujourd'hui est l'apprentissage automatique automatisé (AutoML), la gestion de l'opérationnalisation de l'apprentissage automatique (MLOps), l'apprentissage automatique sans code et le développement de l'apprentissage automatique à faible code. Ce sont des concepts qui donneront lieu à des projets très prometteurs dans les années à venir.
— Quels sont les problèmes à court et à long terme du ML ? Qu'en est-il des préjugés des développeurs, des mauvaises intentions et des normes éthiques qui ne peuvent être écrites et formalisées ?
— Les plus grands défis de l'apprentissage automatique —c'est un manque de ressources qualifiées, un manque de données de qualité et une compréhension des processus qui doivent être automatisés. Jusqu'à ce que nous disposions de données propres et fiables, les professionnels de l'apprentissage automatique continueront à être confrontés à des défis dans le développement d'algorithmes et de systèmes qui répondent aux besoins exacts pour lesquels ils ont été créés.
- Quand et dans quel domaine l'intelligence artificielle se montrera-t-elle de la manière la plus intéressante ?
— L'intelligence artificielle façonne l'avenirl'humanité dans presque tous les secteurs. Il est déjà un moteur majeur des technologies émergentes telles que le big data, la robotique et l'IoT, et continuera d'être un innovateur technologique dans un avenir prévisible. Aujourd'hui, il est difficile de choisir un domaine spécifique, étant donné que toutes les industries travaillent aujourd'hui avec de grandes quantités de données et ont des besoins d'automatisation différents.
Lire la suite:
Les archéologues ont officiellement confirmé les légendes de la Bible
La tombe de la "prêtresse" d'Aphrodite a été retrouvée: les scientifiques ont montré ce qu'ils y ont trouvé
Les scientifiques ont vu ce qui se trouve sur le territoire de la capitale maya. La découverte les a surpris.