Bago basahin ang artikulong ito inirerekumenda namin na basahin mo Ano ang Data Science, kung ano ang ginagawa nito at kung anong mga layunin
Ang isang machine na na-animate ng isang machine learning algorithm, bago pumasok sa serbisyo, ay sumailalim sa isang yugto ng pag-aaral, iyon ay, pag-aaral, na mas kilala bilang pagsasanay. Sa yugtong ito, pinag-aaralan ng makina ang makasaysayang data na ginawang magagamit.
Bago pumunta sa mga merito ng machine learning, at ang mga pagkakaiba sa pagitan ng classical programming at machine learning, tingnan natin ang isang halimbawa na tiyak na makakatulong sa atin na mas maunawaan.
Ipagpalagay na nakikipag-usap kami sa isa sa aming impormasyon ng mga programa na may kaugnayan sa mga oras ng paglalakbay sa motorway sa pinakamahusay na mga kondisyon ng trapiko, upang magturo ng isang algorithm na may kakayahang tumugon sa amin na para bang ito ay isang voice assistant.
Para sa bawat landas, ipapaalam namin ang sumusunod na impormasyon sa algorithm:
Pagkatapos, sa pamamagitan ng voice assistant pupunta kami upang sabihin sa makina:
Habang ipinarating namin ang data sa pamamagitan ng voice assistant, ang aming programa ay magpapakain ng isang talahanayan ng ganitong uri:
Sa kalaunan, kung ang aming makina ay na-animate ng isang machine learning algorithm, ito ay natuto mula sa impormasyong ibinigay, at sa gayon ay mahulaan ang isang resulta sa anyo ng oras ng paglalakbay. Kaya't maaari tayong magtanong sa ating programa: "mula Turin hanggang Milan na may 1000 makinang sasakyan at diesel ... gaano katagal?"
Ang halimbawa ay hindi tumpak, ngunit sa halip ay makatotohanan. Gayunpaman, nakakatulong ang pagbubuod ng layunin ng Machine Learning.
Sa pagkuha ng isang cue mula sa halimbawa, subukan nating makita ang pagkakaiba sa pagitan ng classical programming at Machine Learning.
Ayon sa kaugalian, ang programmer na nagsusulat ng klasikong code ay dapat na:
Pagkatapos ang katalinuhan ng tao ay ginagamit upang isulat ang code ng programa na maaaring malutas ang problema.
Sa kasong ito, ang programmer ay kailangang mag-isip ng isang sistema para sa pag-iimbak at pagbubuo ng impormasyong natanggap. Kasunod nito, kapag ang operator ng application, na nakasulat gamit ang classical programming, ay nagtanong, ang makina ay tutugon sa pinakamalapit na kilalang impormasyon, na mas katulad sa nakaimbak.
Sa machine learning, ito ay angartipisyal na katalinuhan ng programa ay nakapag-aral ng makasaysayang data, upang lumikha ng modelong ilalapat upang malutas ang problema, at sa wakas ay ginagawang magagamit ng makina ang modelo sa programmer.
Sa isang machine animated sa pamamagitan ng machine learning, ang programa ay natututo sa kanyang sarili upang hulaan ang mga oras ng paglalakbay dahil bago pumasok sa serbisyo ang makina ay sumailalim sa isang yugto ng pag-aaral. Pagkatapos ay natutunan ng makina na tumugon sa pinaka-makatwirang impormasyon, na pinakamalapit sa katotohanan batay sa lohika na idinidikta at binibigyang-kahulugan ng modelo.
Sa machine learning, ang modelo ang nagiging puso ng proseso. Sa sandaling nabuo at pinag-aralan, maaari itong panatilihing magagamit. Ang bawat bagong query na may bagong data, ng parehong format tulad ng mga ginamit para sa pagsasanay, ay magbubunga ng bagong resulta.
Ang papel ng Data Scientist ay bahagyang nagbabago, iyon ay, kailangan niyang samahan ang programa sa pagbuo ng modelo, sa pamamagitan ng yugto ng pagsasanay. Upang gawin ito, siya ang bahala sa pagpili ng mga estratehiya, pagpaplano ng mga layunin, paghahanda ng data at higit sa lahat pagsubok sa modelo upang mapatunayan ang pagiging epektibo nito pati na rin ang anumang posibilidad ng pagpapabuti.
Ang prosesong ito ay maaaring ulitin, ulitin nang maraming beses na may layuning magdagdag ng mga pinahusay at tunay na elemento, sa bawat pag-ulit. Sa ganitong paraan maaari kang makakuha ng mas malapit sa pinakamainam na solusyon para sa mga kasunod na hakbang, pagpapabuti ng pagsasanay, pagpapabuti ng pagsubok, at samakatuwid ay ang makina.
Ang pangunahing layunin ay palaging lumikha ng isang modelo na nakakaalam ng makasaysayang data, nauunawaan ang lohika at mga pattern nito, at samakatuwid ay nahuhulaan ang kalalabasan ng mga sitwasyon sa hinaharap.
Ercole Palmeri: Adik sa inobasyon
Noong nakaraang Lunes, inihayag ng Financial Times ang isang deal sa OpenAI. Nilisensyahan ng FT ang world-class na pamamahayag nito...
Milyun-milyong tao ang nagbabayad para sa mga serbisyo ng streaming, na nagbabayad ng buwanang bayad sa subscription. Karaniwang opinyon na ikaw ay…
Ang Coveware ng Veeam ay patuloy na magbibigay ng mga serbisyo sa pagtugon sa insidente ng cyber extortion. Mag-aalok ang Coveware ng mga kakayahan sa forensics at remediation...
Binabago ng predictive maintenance ang sektor ng langis at gas, na may makabago at proactive na diskarte sa pamamahala ng halaman.…