Kaip išmokti mašininio mokymosi
— Koks jūsų išsilavinimas, ką veikėte prieš mašininį mokymąsi? Kaip
— Aš vadovauju Sethi paslaugų versluitechnologijas. Savo klientams teikiame sprendimus, pagrįstus mašininiu mokymusi ir dirbtiniu intelektu. Per pastaruosius dvejus metus dirbome su didžiausiomis „Fortune 500“ įmonėmis.
Mane visada žavėjo duomenys.Tai nulėmė mano pasirinkimą – po to ėmiau ieškoti žinių, įgūdžių ir patirties mašininio mokymosi srityje per projektinį mokymąsi. Tai suteikė man galimybę tapti mašininio mokymosi ekspertu švietimo ekosistemoje – decentralizuotoje mokymosi ekosistemoje, kuri moko profesionalus ir kolegijų studentus kurti tikrus produktus.
„Jei domina duomenys, automatizavimas ir algoritmai, mašininis mokymasis yra pelningas karjeros pasirinkimas“
Kaip žmonės pradeda mokytis mašininio mokymosi? Ar tai ne ta sritis, kur reikalingos fundamentalios žinios ir ilgametis išsilavinimas?
- Pagrindinės žinios šioje srityjeprogramavimas yra papildomas privalumas, kitaip mokymosi kreivė bus per staigi. Mašininis mokymasis taip pat yra pagrindinis sparčiausiai besivystančių sričių – didelių duomenų, nuspėjamosios analizės, duomenų gavybos ir skaičiavimo statistikos – komponentas.
Jei skambina duomenys, automatika ir algoritmaisusidomėjimas, mašininis mokymasis yra pelningas karjeros pasirinkimas. Struktūrinės programos ar kurso lankymas yra vienas geriausių būdų išmokti mašininio mokymosi nuo nulio. Didelė paklausa šioje pramonės šakoje lėmė šimtus tiesioginių ir internetinių kursų.
— Ką galėtumėte patarti kūrėjams ir analitikams, norintiems vystytis šioje srityje?
– Mašininis mokymasis turi potencialoprogramos yra galingesnės ir labiau reaguoja į vartotojų poreikius. Kūrėjai, norintys įdiegti mašininį mokymąsi programose, turi žinoti kelis pagrindinius dalykus, kurie jiems padės sėkmingai:
- Kuo daugiau duomenų turi algoritmas, tuo jis tikslesnis, todėl, kai tik įmanoma, venkite imties.
- Svarbiausia yra pasirinkti geriausią mašininio mokymosi metodą problemai spręsti ir dažnai nulemia sėkmę ar nesėkmę.
- Mašininio mokymosi modeliai gali būti geri tik tada, kai duomenys yra geri.
- Duomenų funkcijų supratimas ir jų tobulinimas (kuriant naujas ir pašalinant esamas) turi didelę įtaką nuspėjamumui.
– Kur to galima išmokti? Gal kursuose ar mokyklose?
— Laimei, šiandien platformų yra daugmokymasis internetu, pvz., švietimo ekosistema, kurioje galite išmokti įvairių mašininio mokymosi ir dirbtinio intelekto sąvokų. Švietimo ekosistemoje galite mokytis iš ekspertų kūrėjų vykdydami projektus, kuriuose yra mokymo priemonių ir projekto išteklių. Pavyzdžiui, sukūriau kelis tokius projektus:
- Vaizdo gavimas pagal panašumą naudojant Tensorflow ir Keras
- Neuroninio stiliaus perkėlimas naudojant Keras ir Tensorflow
- Kaip atlikti veido aptikimą naudojant OpenCV Haar kaskadas
Kuriam verslui reikia, o kuriam ne AI
— Kaip „parduodate“ AI ir mašininį mokymąsi įmonėms ir kaip jos gerina savo darbą? Kaip manote, kodėl verslas tapo moksliškesnis?
— Mašininio mokymosi algoritmai gali pakartotinaimokytis pagal pateiktą duomenų rinkinį, suvokti modelius, elgesį. Šis procesas yra kartotinis ir nuolat tobulinamas, o tai padeda įmonėms nuolat keistis, kad atitiktų verslo ir klientų poreikius.
„Mašininio mokymosi algoritmai gali mokytis kartoti iš tam tikro duomenų rinkinio“
Kurios įmonės yra tinkamos ir netinkamos? Kokias problemas galima išspręsti jų pagalba?
— Mašininio mokymosi labiausiai reikia verslui,kuri susijusi su vaizdų klasifikavimu, teksto analizavimu arba nuspėjamuoju modeliavimu. Kitų tipų verslui algoritmai gali būti išmokyti ką nors rekomenduoti vartotojui, rinkti duomenis, naudoti giluminį mokymąsi ir neuroninius tinklus. Paslaugų pramonėje algoritmai gali būti mokomi kaip pagalbos tarnybos vadovas, naudojant natūralios kalbos apdorojimą, pagrįstą įprastais klientų skundais.
— Šioje srityje kone kasdien atsiranda kažkas naujo. Kaip sekti, kas vyksta, į ką atkreipti ypatingą dėmesį?
— Neseniai paskelbtoje „Indeed“ ataskaitoje nustatyta, kad yra laisvų darbo vietųmašininio mokymosi inžinieriai lenkia visus kitus atlyginimų, paklausos ir augimo srityse. Dokumente taip pat pažymėta, kad mašininio mokymosi inžinierių paklausa padidėjo 344%.
Ši sritis tokia svarbi, nesleidžia įmonėms matyti klientų elgsenos ir verslo veiklos modelių tendencijas, skatina naujų produktų kūrimą. Daugelis pirmaujančių kompanijų, tokių kaip Facebook, Google ir Uber, mašininį mokymąsi daro pagrindine savo veiklos dalimi. Nuolatinis mokymas padės specialistams pasinaudoti didelės paklausos ir mažos pasiūlos pranašumais šioje pramonės šakoje.
— Mašininis mokymasis dažnai naudojamas didelių duomenų analizei. Kokie proveržio produktai čia pasirodys?
Dideli duomenys tapo svarbūs kaip ir daugelisorganizacijos, tiek valstybinės, tiek privačios, renka didžiulius kiekius informacijos konkrečiose srityse. Mašininio mokymosi ir didelių duomenų sujungimas yra nesibaigiantis procesas. Pamatysime, kaip mašininio mokymosi algoritmai taikomi kiekvienam darbo su dideliais duomenimis elementui, įskaitant segmentavimą, duomenų analizę ir modeliavimą.
— Kokios laisvosios rinkos nišos yra susijusios su mašininio mokymosi ir AI plėtra?
– Dirbtinis intelektas yra proveržisnaujausia technologija. Yra daug nišinių sričių, kuriose AI daro didelę įtaką. Yra ir kitų nišinių programų, apie kurias žiniasklaidoje nekalbama, tačiau jos yra moksliniuose leidiniuose. Ateinančiais metais jos sulauks didžiausios plėtros – tai švietimas, statyba ir planavimas, pramogų ir sporto analitika.
– Kaip matote mašininio mokymosi plėtrą? Kaip tai gali padėti žmonėms, verslui, valstybėms?
— Mašininis mokymasis padeda įmonėmsnaudokite profilaktinę priežiūrą, kad sumažintumėte įrangos gedimus ir padidintumėte pelną. Didėjant didelių ir sudėtingų duomenų apdorojimo galimybių paklausai, mašininis mokymasis padės įmonėms naudoti vartotojų duomenis naudingiems klientų profiliams kurti, padidinti pardavimus ir didinti lojalumą prekės ženklui.
Mašininis mokymasis tik pradeda vystytis. Visi įdomiausi dalykai laukia
Kokios yra didžiausios klaidingos nuomonės apie didelius duomenis ir mašininį mokymąsi?
– Didžiausias klaidingas supratimas yrakad mašininio mokymosi modeliai gali išspręsti visas šio pasaulio problemas. Viena žinomiausių citatų apie mašininį mokymąsi kilusi iš Dave'o Waterso: „Kūdikis išmoksta šliaužioti, vaikščioti ir tada bėgti. Mašininio mokymosi srityje esame tikrinimo etape.
Mašininio mokymosi procese visada busdalyvaujantis asmuo. Tačiau čia yra įspėjimas. Naudodami patobulintus algoritmus galėsime visiškai pašalinti žmogaus dalyvavimą, kai išmokysime konkretų mašininio mokymosi modelį.
– Ne visi suspėja su proveržiais šioje srityje – į ką reikėtų atkreipti dėmesį?
— Naujausi pokyčiai mašinų srityjeŠiandien mokymasis yra automatizuotas mašininis mokymasis (AutoML), mašininio mokymosi operacijų valdymas (MLOps), be kodo mašininis mokymasis ir žemo kodo mašininio mokymosi kūrimas. Tai yra koncepcijos, dėl kurių ateinančiais metais bus sukurti labai perspektyvūs projektai.
— Kokios trumpalaikės ir ilgalaikės ML problemos? O kūrėjų šališkumas, blogi ketinimai ir etikos standartai, kurių negalima užrašyti ir įforminti?
— Didžiausi iššūkiai mašininio mokymosi srityje —tai kvalifikuotų išteklių trūkumas, kokybiškų duomenų trūkumas ir supratimas, kokius procesus reikia automatizuoti. Kol neturėsime švarių ir patikimų duomenų, mašininio mokymosi specialistai ir toliau susidurs su iššūkiais kurdami algoritmus ir sistemas, atitinkančias konkrečius poreikius, kuriems jie buvo sukurti.
– Kada ir kokioje srityje dirbtinis intelektas pasireikš įdomiausiai?
— Dirbtinis intelektas formuoja ateitįžmonija beveik visuose sektoriuose. Tai jau dabar yra pagrindinis naujų technologijų, tokių kaip dideli duomenys, robotika ir daiktų internetas, varomoji jėga ir artimiausioje ateityje išliks technologijų novatorius. Šiandien sunku pasirinkti vieną konkrečią sritį, nes visos pramonės šakos šiandien dirba su dideliu duomenų kiekiu ir turi skirtingus automatizavimo poreikius.
Skaityti daugiau:
Archeologai oficialiai patvirtino Biblijos legendas
Buvo rastas Afroditės „kunigienės“ kapas: mokslininkai parodė, ką ten rado
Mokslininkai matė, kas yra majų sostinės teritorijoje. Radinys juos nustebino.