Почему машинное обучение?

Машинное обучение, искусственный интеллект, глубокое обучение… в данный момент эти слова не нуждаются в представлении! У всех нас есть мнение, а иногда даже фантазии о том, что ИИ захватит мир, благодаря многочисленным фильмам и сериалам.

Но что делает искусственный интеллект и машинное обучение такой популярной темой? Почему так много людей заинтересованы в этом? Вот пять причин, по которым я так люблю машинное обучение и хочу начать в нем карьеру!

Моя любовь к математике!

С детства я любил математику. Причина была частично в том, что у меня это хорошо получалось, а частично в том, что это было так интересно. Я хотел бы процитировать Нила деГрасса Тайсона из его знаменитой книги Астрофизика для спешащих людей. Он начинает книгу со слов Вселенная не обязана иметь для вас смысл!. Это правда, но мы потратили 3 фунта серого вещества в голове, чтобы изобрести математику. А математика - это язык Вселенной. Все наши достижения как коллективного человечества были бы невозможны без нашего понимания математики.

Без сюрпризов, каждая концепция машинного обучения имеет глубокие корни в понятиях математики. Фактически, любой другой алгоритм в информатике на самом деле является разновидностью океана, то есть математики.

Появление данных

В человеческой цивилизации, которой от 50 000 до 300 000 лет, данные или информация никогда не были легкодоступными, как сейчас. За последние полвека нам удалось собрать больше данных, чем за предыдущие 50 веков. Существует не только такие огромные объемы данных, но и огромное количество разнообразных данных.

Настоящий вопрос в том, что нам удалось сделать с таким объемом информации? Вот тогда на сцену выходит наука о данных и машинное обучение. С таким большим количеством данных и таким количеством различных типов данных, это был лишь вопрос времени, когда мы начали думать о том, чтобы сделать с ними что-нибудь полезное. И понимание, которое мы получаем из данных, помогло нам принимать обоснованные решения во многих важных местах.

Крикет (спорт) и наука о данных

Я живу в Индии, и здесь очень мало вещей, которые имеют такое же влияние на общество, как крикет. Количество людей, которые сидят и смотрят матч чемпионата мира в Индии, легко исчисляется миллиардами. Крикет действительно оказал на меня влияние. Я вырос, наблюдая за крикетом, и даже представлял себя частью национальной сборной, хотя для меня это оставалось мечтой.

Я изучал информатику в качестве младшего специалиста, и примерно в то время, когда я был на первом курсе колледжа, я узнал о действительно классной работе. Я узнал, что в каждой команде IPL есть специалист по данным, который анализирует данные игроков и придумывает план игры или стратегию для улучшения команды. Для меня это стало откровением, так как я думал, что решения принимают только тренеры, вспомогательный персонал и капитан. Небольшое исследование помогло мне понять, что в индийской команде по крикету есть специалист по анализу данных, а специалисты по анализу данных на самом деле играют решающую роль в каждой спортивной команде в мире. Это усилило мой интерес к машинному обучению, так как я мог объединить две вещи, которые мне нравятся, и начать с этого карьеру. Как круто!

Возможности безграничны

Когда я начал заниматься наукой о данных, я начал изучать различные алгоритмы и методы. Больше всего меня поразило то, что не существовало фиксированного алгоритма для конкретной области. Количество параметров, которые вы можете настроить, чтобы улучшить свой алгоритм, бесконечно. Это дает нам игровую площадку для изучения множества безграничных возможностей, учитывая объем имеющихся у нас данных. Вы хотите повысить свою точность? Попробуйте получить больше данных. Вы не можете получить больше данных? Попробуйте расширить данные, которые у вас уже есть. Вы думаете, что этот алгоритм не соответствует данным? Попробуйте другой. Вы думаете, что это лучший алгоритм, который может соответствовать этим данным? Попробуйте настроить параметры, чтобы улучшить его. Это дает интерес к построению алгоритмов.

Есть также безграничные возможности в областях, в которых вы можете применить машинное обучение. Поскольку данные вездесущи и в таких огромных объемах, машинное обучение нельзя ограничивать какой-либо конкретной частью нашей жизни. Это привело к тому, что люди стали использовать машинное обучение в спорте, прогнозировании погоды, прогнозировании фондового рынка, роботах и машинах на основе искусственного интеллекта, здравоохранении, распознавании изображений, распознавании речи и т. Д. Мир - ваша устрица!

… Потому что это действительно интересно!

В наши дни машинное обучение стало модным словом только потому, что оно чертовски интересно. И для меня самой интересной частью машинного обучения была обработка изображений! Здесь мы переходим к глубокому обучению. Различные алгоритмы глубокого обучения пытаются имитировать работу человеческого мозга.

Мы все учимся на собственном опыте. Алгоритмы глубокого обучения ничем не отличаются. Имея достаточное количество примеров определенного класса изображений, алгоритм может изучить различные особенности изображения и спрогнозировать совершенно новое изображение в том же классе. Если мы понимаем линейную алгебру, математика, лежащая в основе этого, довольно проста, но тот факт, что мы каким-то образом применили ее к изображениям, чтобы на самом деле построить различные алгоритмы, очень интересен и увлекателен. И поверьте мне, обработка изображений фактически заняла нашу повседневную жизнь. Системы распознавания лиц доступны в наших телефонах, в наших офисах, и они используются при расследовании преступлений (мы все видели в фильмах: P). Более того, идеи, которые мы получаем в результате анализа данных и процесса, которым мы следуем, чтобы их получить, очень интересны.

И вот так. Вот некоторые из причин, по которым я люблю науку о данных и машинное обучение!

Я верю, что машинное обучение и искусственный интеллект будут править в будущем, поскольку мы еще не добыли все данные и информацию, которые производим. И, как следствие, в ближайшем будущем будет потребность в большем количестве специалистов по данным. Я надеюсь увидеть огромные успехи в машинном обучении в следующем десятилетии!

Вот несколько полезных курсов, чтобы начать свое путешествие по машинному обучению:

Удачного обучения! : D