До появления Covid-19 я думал, что наука о данных и, если быть точным, модели машинного обучения могут обрабатывать почти все случаи, но, к сожалению, это не так, и вскоре мы осознали реальность.

Но когда я тесно взаимодействовал с наукой о данных, я узнал, что мы не просто вводим какие-либо данные в модели машинного обучения, и это дает нам причудливые результаты. Возможно, в будущем мы сможем это увидеть, но это не представляется возможным в ближайшие 4–5 лет (если вы думаете, что автообучение — это ответ на мой вопрос, то это большое «нет», и я обсужу это в другой день). Теперь давайте вернемся к нашей постановке задачи.

Если вы знакомы с машинным обучением, то вы, должно быть, слышали (из книг и от тренеров), что разработка функций и выбор функций являются наиболее важными этапами цикла разработки модели машинного обучения. Давайте вернемся на шаг назад и поймем, действительно ли это самый важный шаг???

Я думаю, что наиболее важным шагом является сбор данных и стратегии сбора данных, потому что, если данные сами по себе не в состоянии зафиксировать максимальную дисперсию предмета, то почти невозможно извлечь признаки и выполнить проектирование на этом.

Давайте вернемся еще на один шаг назад и поймем, какие факторы делают сбор данных эффективным, на примере системы анализа и рекомендаций по рискам (рекомендация продукта ecom).

Каково твое мнение? почему эти варианты использования были успешно реализованы?

Ответ, на мой взгляд, заключается в понимании Темы, и это приходит к нам с помощью экспертов в предметной области. В приведенных выше случаях, особенно в продуктах ecom , мы фиксируем каждое движение субъекта с момента входа в систему до выхода из системы. Если мы не можем получить информацию, эксперты в области предметной области предлагают нам внести изменения во взаимодействие веб-сайта и субъекта. (взаимодействие на стороне магазина), и мы вносим изменения в процесс взаимодействия веб-сайта/магазина, чтобы получить больше данных о предмете. Поскольку у нас есть почти вся информация о предмете в этих случаях, поэтому извлечение информации из данных не является сложной задачей в этих случаях.

Вернемся к нашей постановке задачи. Таким образом, мы поняли, что опыт предметной области и информация о предмете являются важной частью сбора данных, и, к счастью, у нас есть и то, и другое в приведенных выше случаях использования. Но, к сожалению, в случае #Covid-19 мы упускаем из виду и то, и другое, т.е. у нас нет ни знаний в предметной области, ни понимания предмета.

Машинное обучение пытается имитировать человеческий мозг, и, к сожалению, в этой области пока не произошло большого развития. Наш субъект (то есть Covid19) атакует нас и влияет на наше тело, включая мозг и другие части тела. Поскольку наши алгоритмы сами по себе не способны расшифровать мозг (нейроны) и поведение нейронов в теле, было бы несправедливо предполагать, что МО сможет расшифровать воздействие субъекта на наше тело.

Теперь на сцену выходят две вещи: во-первых, как наш субъект влияет на вещи внутри нашего тела, а во-вторых, как наш субъект ведет себя вне тела (т.е. в окружающей среде).

К сожалению, в обоих случаях у нас мало информации, потому что в Европе наш объект ведет себя иначе, а в Китае, Индии, США и других частях мира он ведет себя иначе.

У нас также нет технологии, которая улавливает непрерывное поведение нашего субъекта внутри тела.

Если у нас нет хороших данных, то как мы можем извлечь функцию, объясняющую поведение субъекта, а при ее отсутствии почти сложно предсказать поведение или тенденцию субъекта.

Теперь, когда мы оцениваем тенденцию, что в следующие 10 дней Covid-19 затронет 20 000 или 30 000 человек, тогда аналитики предполагают, что все остальные факторы, включая поведение субъекта, поведение общества (и государственных органов) и каждый человек.

Теперь, я надеюсь, вы поняли, что считать поведение субъекта постоянным не кажется правильным. Каждую секунду движение государственных органов и общества (и человека) также имеет решающее значение, потому что, если субъект непредсказуем, мы должны убедиться, что другие факторы должны оставаться постоянными, и только так можно добиться точности прогноза в этом случае.

Ваши предложения и комментарии приветствуются!!!!

Оставайтесь дома, оставайтесь в безопасности. Мы знаем, что выйдем из этого. Это просто плохое время, и, как и другие плохие времена, это тоже пройдет.