Перед прочтением ознакомьтесь с предыдущей статьей Краткое введение в искусственный интеллект.
Азбука искусственного интеллекта
Алгоритм - это последовательность шагов, которые выполняются с использованием кода для работы с данными и вывода результатов.
Предубеждение - это склонность людей к определенным вещам.
Познание - это процесс приобретения знаний и понимания, обеспечивающих человеческое восприятие.
Посмотрите это интересное видео от Google:
Машинное обучение и человеческое предубеждение
Эффективность алгоритма, учет предвзятости и реализация познания определяют точность вывода.
Машинное обучение
Простыми словами, машинное обучение - это использование данных для имитации того, что мы делаем и понимаем.
Вот различные типы машинного обучения.
Посмотрите, как обучается модель машинного обучения.
Обучение с учителем
Это тип процесса обучения, в ходе которого разрабатывается прогнозная модель на основе как входных, так и выходных данных. Это требует, чтобы люди проверяли точность выходных данных.
Обучение без учителя
Это тип процесса обучения, который состоит из автоматической группировки, поиска закономерностей и интерпретации данных только на основе ввода, а не вывода.
Полу-контролируемое обучение
От некоторых помеченных данных зависит работа с огромным количеством немаркированных данных. Это экономит время на маркировку, а также повышает точность наклона.
Обучение с подкреплением
Программный агент предпринимает действия, чтобы найти наилучшее решение проблемы. Это похоже на игру в видеоигру: вы попадаете в ловушку или вас убивают. Позже вы научитесь избегать этого и перейти на следующий уровень.
Как работает машинное обучение?
Рассмотрим новорожденного ребенка. Весь мир для него в новинку. Он начинает учиться, когда начинает наблюдать за вещами вокруг себя. Глаза и уши принимают вход. Мозг это обрабатывает. Рот дает продукцию в виде звука, а глаза, руки и ноги - в виде действия. Ему требуется около 1 года, чтобы получить полное зрение. Постепенно он начинает реагировать на наши действия, такие как звание его по имени, говорение, и он выполняет собственные действия, такие как игра, ползание и указание нам вещей. То, что происходит вокруг него, служит данными для развития и роста. По мере взросления ребенок учится говорить, узнавать такие вещи, как яблоко, и такие живые существа, как кошка, собака и т. Д. Это обучение без учителя, поскольку здесь мы не рассказываем ребенку все, что он понимает. из наблюдения.
Рассмотрим компьютер. Это похоже на новорожденного ребенка. Итак, данные ему предоставлены. Когда он сталкивается с огромным объемом данных, он анализирует закономерности на основе алгоритмов машинного обучения и создает модель. Эту модель можно использовать для достижения цели, связав ее с предполагаемым приложением. Он может легко идентифицировать яблоко, кошку или собаку, но, в отличие от подрастающего ребенка, на это не требуется 2 или 3 года. Для этого не нужно много времени, нужны только релевантные данные и соответствующий алгоритм. Это пример контролируемого обучения.
Вот пример помеченных данных для процесса S контролируемого машинного обучения. Здесь мы уже знаем узор, т.е. автомобили. Это снимки, сделанные в разных условиях, с разными ракурсами, фоном и условиями освещения. Если вы предоставите достаточно данных об изображениях автомобилей, модель сможет определить, что объект является автомобилем, на основе некоторых общих характеристик, точно так же, как это делаем мы.
Глубокое обучение
Это процесс анализа неструктурированных данных (изображения, текст, аудио или видео), которые не имеют каких-либо меток для поиска совпадений и предоставления необходимой информации для выявления шаблонов. Это составная часть машинного обучения. Хотя обучение модели путем предоставления данных может быть контролируемым или неконтролируемым обучением, алгоритмы глубокого обучения в основном используются для задач бесконтрольного обучения.
Искусственная нейронная сеть
ИНС состоит из связанных блоков или узлов, называемых искусственными нейронами, которые моделируются на основе нейронов биологического мозга. Каждое соединение может использоваться для передачи сигнала между искусственными нейронами.
Нейронная сеть продолжает учиться и улучшаться на основе ввода и вывода.
Наука о данных
Наука о данных - это процесс использования различных инструментов, алгоритмов и целей обучения, позволяющий использовать необработанные данные для решения поставленной задачи. Людей, имеющих хороший опыт в области науки о данных, называют специалистами по данным.
Аналитика данных
Аналитика данных - это процесс анализа данных, получения практических сведений и их обработки для достижения необходимого результата. Данные можно обрабатывать с помощью алгоритма. Это относится к Data Science.
У компаний есть много данных о клиентах или клиентах, которые не используются. При правильном использовании это может принести пользу и изменить ситуацию.
Если упор делается на технические аспекты, то человек, выполняющий аналитику, является аналитиком данных, тогда как если упор делается на бизнес, он является бизнес-аналитиком.
Бизнес-аналитика
Аналитика данных может влиять на ключевые бизнес-решения, и этот процесс называется бизнес-аналитикой.
Его можно использовать для улучшения бизнеса разными способами:
· Знание клиентов и клиентов
· Маркетинг и контакты
· Принесите больше прибыли
· Решение проблем
· Прогноз
Чат-бот
Чат-бот - это чат-приложение на базе искусственного интеллекта. Он может давать автоматические ответы.
Он учится на существующих данных. Он также постоянно оптимизируется для обеспечения точности по мере поступления новых данных. По сути, он учится на прошлом, а также может выполнять прогнозы.
Пользовательский интерфейс - мессенджер, WhatsApp или отдельное веб / мобильное приложение.
Обработка естественного языка
Обработка естественного языка - это процесс преобразования текста в речь и наоборот. Он обрабатывает текст, чтобы понимать человеческий язык. Создание машины для изучения любого языка сродни тому, что ребенок изучает родной язык.
Раньше Google Translate выполнял дословный перевод, теперь он стал намного точнее, поскольку переводит все предложение в его контексте.
Вы можете задать свои вопросы и оставить отзыв, прокрутив вниз до раздела "Ответы", чтобы помочь мне писать более качественные статьи.
Вы также можете связаться со мной в LinkedIn.
Продолжайте следующей статьей: Мифы о расшифровке ИИ
