Hoe machine learning te leren
— Wat is je achtergrond, wat deed je vóór machine learning? Hoe
— Ik leid Sethi's servicebedrijftechnologieën. We bieden onze klanten oplossingen op basis van machine learning en kunstmatige intelligentie. De afgelopen twee jaar hebben we samengewerkt met enkele van de grootste Fortune 500-bedrijven.
Ik ben altijd al gefascineerd geweest door data.Dit bepaalde mijn keuze - daarna ben ik via projectmatig leren op zoek gegaan naar kennis, kunde en ervaring op het gebied van machine learning. Dit gaf me de kans om machine learning-expert te worden in het Education Ecosystem, een gedecentraliseerd leerecosysteem dat professionals en studenten leert om echte producten te bouwen.
“Als data, automatisering en algoritmen interessant zijn, dan is machine learning een winstgevende carrièrekeuze”
Hoe beginnen mensen machine learning te leren? Is dit niet een gebied waar fundamentele kennis en vele jaren onderwijs nodig zijn?
— Fundamentele kennis in het veldprogrammeren zijn een bijkomend voordeel, anders wordt de leercurve te steil. Machine learning is ook het belangrijkste onderdeel van de zich snelst ontwikkelende gebieden: Big Data, Predictive Analytics, Data Mining en Computational Statistics.
Als data, automatisering en algoritmen belleninteresse, dan is machine learning een winstgevende carrièrekeuze. Een gestructureerd programma of cursus volgen is een van de beste manieren om machine learning helemaal opnieuw te leren. De grote vraag in deze branche heeft geresulteerd in honderden face-to-face en online cursussen.
— Wat kun je ontwikkelaars en analisten adviseren die zich op dit gebied willen ontwikkelen?
– Machine learning heeft het potentieel om te makenapplicaties krachtiger en beter inspelend op de behoeften van de gebruiker. Ontwikkelaars die machine learning in applicaties willen implementeren, moeten een paar belangrijke dingen weten om ze te helpen slagen:
- Hoe meer gegevens een algoritme heeft, hoe nauwkeuriger het wordt, dus vermijd waar mogelijk subsampling.
- Het kiezen van de beste machine learning-methode voor een probleem is essentieel en bepaalt vaak succes of falen.
- Machine learning-modellen kunnen alleen goed zijn als de gegevens goed zijn.
- Het begrijpen en verbeteren van datakenmerken (door nieuwe functionaliteiten te creëren en bestaande functionaliteiten te elimineren) heeft een grote impact op de voorspelbaarheid.
-Waar kun je dit leren? Misschien op cursussen of op scholen?
— Gelukkig zijn er tegenwoordig veel platformsonline leerprogramma's zoals Education Ecosystem, waar u verschillende machine learning- en kunstmatige intelligentieconcepten kunt leren. Op het Education Ecosystem kun je leren van deskundige ontwikkelaars via projecten die tutorials en projectbronnen bevatten. Ik heb bijvoorbeeld verschillende projecten zoals deze gemaakt:
- Beeld ophalen door gelijkenis met behulp van Tensorflow en Keras
- Neurale stijloverdracht met behulp van Keras en Tensorflow
- Gezichtsdetectie uitvoeren met OpenCV Haar Cascades
Welke bedrijven hebben AI nodig en welke niet?
— Hoe ‘verkoop’ je AI en machine learning aan bedrijven en hoe verbeteren zij hun werk? Waarom denk je dat het bedrijfsleven wetenschappelijker is geworden?
— Machine learning-algoritmen kunnen dat herhaaldelijk doenleren op basis van de verstrekte dataset, patronen en gedrag begrijpen. Het proces is iteratief en wordt voortdurend verbeterd, waardoor bedrijven voortdurend kunnen veranderen om aan de bedrijfs- en klantbehoeften te voldoen.
“Machine learning-algoritmen kunnen iteratief leren van een bepaalde dataset.”
— Voor welke bedrijven is het wel en niet geschikt? Welke problemen kunnen met hun hulp worden opgelost?
— Het bedrijfsleven heeft vooral machine learning nodig,die zich bezighoudt met beeldclassificatie, tekstparsering of voorspellende modellering. Voor andere soorten bedrijven kunnen algoritmen worden getraind om de gebruiker iets aan te bevelen, gegevens te verzamelen, deep learning en neurale netwerken te gebruiken. In de dienstensector kunnen algoritmen worden getraind als een helpdeskmedewerker door natuurlijke taal te verwerken op basis van veelvoorkomende klachten van klanten.
— Op dit gebied verschijnen bijna elke dag nieuwe dingen. Hoe kunt u controleren wat er gebeurt, waar moet u speciale aandacht aan besteden?
— Uit een recent Indeed-rapport bleek dat er vacatures zijnmachine learning-ingenieurs lopen voor op alle anderen wat betreft salaris, vraag en groei. In het document werd ook opgemerkt dat de vraag naar machine learning-ingenieurs met 344% steeg.
Dit gebied is zo belangrijk omdat hetStelt bedrijven in staat trends in klantgedrag en bedrijfspatronen te zien, en vergemakkelijkt de ontwikkeling van nieuwe producten. Veel van de toonaangevende bedrijven, zoals Facebook, Google en Uber, maken machine learning tot een centraal onderdeel van hun activiteiten. Door voortdurende bijscholing kunnen professionals profiteren van de grote vraag en het lage aanbod in deze branche.
— Machine learning wordt vaak gebruikt bij big data-analyse. Welke baanbrekende producten zullen hier verschijnen?
— Big data zijn belangrijk geworden omdat er veel zijnOrganisaties, zowel publieke als private, verzamelen enorme hoeveelheden informatie over specifieke gebieden. Het samengaan van machine learning en big data is een proces dat nooit stopt. We zullen zien hoe machine learning-algoritmen worden toegepast op elk element van big data, inclusief segmentatie, data-analyse en modellering.
— Welke vrije niches in de markt worden geassocieerd met de ontwikkeling van machine learning en AI?
— Kunstmatige intelligentie is een doorbraaknieuwste technologie. Er zijn veel nichegebieden waar AI een aanzienlijke impact heeft. Er zijn nog meer nichetoepassingen die geen aandacht krijgen in de media, maar wel in wetenschappelijke publicaties. De gebieden die de komende jaren de meeste ontwikkeling zullen doormaken zijn onderwijs, bouw en planning, entertainment en sportanalyse.
— Hoe zie jij de ontwikkeling van machine learning? Hoe kan het mensen, bedrijven en staten helpen?
— Machine learning helpt bedrijvenGebruik preventief onderhoud om uitval van apparatuur te verminderen en de winst te verhogen. Naarmate de behoefte aan grotere, complexere datamogelijkheden groeit, zal machine learning bedrijven helpen consumentendata te benutten om nuttige klantprofielen op te bouwen, de omzet te verhogen en merkloyaliteit op te bouwen.
Machine learning begint zich nog maar net te ontwikkelen. Alle meest interessante dingen staan voor de deur
— Wat zijn de grootste misvattingen over big data en machine learning?
– De grootste misvatting is datdat machine learning-modellen alle problemen van deze wereld kunnen oplossen. Een van de bekendste uitspraken over machine learning komt van Dave Waters: “Een baby leert kruipen, lopen en rennen. We bevinden ons in een kruipende fase op het gebied van machine learning."
In het machine learning-proces zal er altijd sprake zijn vanpersoon betrokken. Maar er is hier een kanttekening. Met verbeterde algoritmen kunnen we menselijke input volledig elimineren na het trainen van een specifiek machine learning-model.
— Niet iedereen houdt de doorbraken op dit gebied bij - waar moeten we op letten?
— Laatste ontwikkelingen op machinegebiedLeren vandaag de dag is geautomatiseerd machine learning (AutoML), beheerde machine learning-operationalisatie (MLOps), No-Code Machine Learning en Low-Code Machine Learning Development. Het zijn concepten die de komende jaren tot veelbelovende projecten zullen leiden.
— Wat zijn de problemen van ML op de korte en lange termijn? Hoe zit het met de vooringenomenheid van ontwikkelaars, slechte bedoelingen en ethische normen die niet kunnen worden opgeschreven of geformaliseerd?
— De grootste uitdagingen op het gebied van machinaal leren zijn —dit is een gebrek aan gekwalificeerde middelen, gebrek aan kwaliteitsgegevens en inzicht in welke processen moeten worden geautomatiseerd. Totdat we over schone, betrouwbare gegevens beschikken, zullen wetenschappers op het gebied van machine learning voor uitdagingen blijven staan bij het ontwikkelen van algoritmen en systemen die precies voldoen aan de behoeften waarvoor ze zijn ontworpen.
— Wanneer en op welk gebied zal kunstmatige intelligentie zich op de meest interessante manier manifesteren?
— Kunstmatige intelligentie geeft de toekomst vormmenselijkheid in vrijwel alle sectoren. Het is nu al een belangrijke aanjager van opkomende technologieën zoals big data, robotica en IoT, en zal in de nabije toekomst een technologische innovator blijven. Het is tegenwoordig moeilijk om één specifiek gebied te kiezen, aangezien alle industrieën tegenwoordig met grote hoeveelheden data werken en verschillende automatiseringsbehoeften hebben.
Lees verder:
Archeologen hebben de legendes uit de Bijbel officieel bevestigd
Het graf van de "priesteres" van Aphrodite werd gevonden: wetenschappers lieten zien wat ze daar vonden
Wetenschappers hebben gezien wat zich op het grondgebied van de Maya-hoofdstad bevindt. De vondst verraste hen.