Машинное обучение сейчас является модным словом в мире технологий, и по уважительной причине оно представляет собой важный шаг вперед в том, как компьютеры могут учиться. Потребность в инженерах по машинному обучению высока, и этот всплеск связан с развитием технологий и генерацией огромных объемов данных. В среднем инженер машинного обучения может рассчитывать на зарплату в размере 719 646 фунтов стерлингов (Индия) или 111 490 долларов США (США). Итак, давайте обсудим некоторые приложения машинного обучения.
Я буду обсуждать следующие приложения машинного обучения один за другим:
- Оповещения о дорожном движении
- Социальные медиа
- Транспорт и поездки
- Продукты Рекомендации
- Виртуальные личные помощники
- Самоуправляемые автомобили
- Динамическое ценообразование
- переводчик Google
- Потоковое онлайн-видео
- Обнаружение мошенничества
Оповещения о дорожном движении (карты)
Теперь Карты Google, вероятно, являются САМЫМ приложением, которое мы используем, когда выходим из дома и нуждаемся в помощи в определении направления и пробок. На днях я ехал в другой город и ехал по скоростной автомагистрали, и Карты подсказали: «Несмотря на интенсивное движение, вы находитесь на самом быстром маршруте». Но Откуда он это знает?
Что ж, это комбинация людей, которые в настоящее время пользуются сервисом, исторических данных об этом маршруте, собранных с течением времени, и нескольких трюков, полученных от других компаний. Каждый, кто использует карты, предоставляет свое местоположение, среднюю скорость, маршрут, по которому они путешествуют, что, в свою очередь, помогает Google собирать массивные данные о трафике, что позволяет им прогнозировать предстоящий трафик и корректировать ваш маршрут в соответствии с ним.
Социальные сети (Фейсбук)
Одним из наиболее распространенных применений машинного обучения является автоматическая пометка друзей на Facebook или любой другой платформе социальных сетей. Facebook использует обнаружение лиц и распознавание изображений, чтобы автоматически находить лицо человека, которое соответствует его базе данных, и, следовательно, предлагает нам пометить этого человека на основе DeepFace.
Проект глубокого обучения Facebook DeepFace отвечает за распознавание лиц и определение человека на картинке. Он также предоставляет Alt Tags (альтернативные теги) для изображений, уже загруженных на Facebook. Например, если мы проверим следующее изображение на Facebook, у тега alt есть описание.
Транспорт и поездки (Uber)
Если вы использовали приложение для заказа такси, вы уже в определенной степени используете машинное обучение. Он предоставляет персонализированное приложение, уникальное для вас. Автоматически определяет ваше местоположение и предлагает варианты перехода домой, на работу или в любое другое часто посещаемое место на основе вашей Истории и шаблонов.
Он использует алгоритм машинного обучения, наложенный поверх исторических данных о поездках, чтобы сделать более точный прогноз ожидаемого времени прибытия. С внедрением машинного обучения они добились 26% точности при доставке и самовывозе.
Продукты Рекомендации
Предположим, вы проверяете товар на Amazon, но не покупаете его тут же. Но на следующий день вы смотрите видео на YouTube и вдруг видите рекламу того же товара. Переключаешься на Facebook, там тоже видишь ту же рекламу. Так как же это происходит?
Это происходит потому, что Google отслеживает вашу историю поиска и рекомендует рекламу на основе вашей истории поиска. Это одно из самых крутых приложений машинного обучения. На самом деле, 35% дохода Amazon приходится на рекомендации по продуктам.
Виртуальные личные помощники
Как следует из названия, виртуальные личные помощники помогают находить полезную информацию, когда их запрашивают с помощью текста или голоса. Вот некоторые из основных приложений машинного обучения:
- Распознавание речи
- Преобразование речи в текст
- Обработка естественного языка
- Преобразование текста в речь
Все, что вам нужно сделать, это задать простой вопрос, например «Какое у меня расписание на завтра?» или «Показать мои предстоящие рейсы». Для ответа ваш личный помощник ищет информацию или вспоминает ваши связанные запросы для сбора информации. В последнее время личные помощники используются в чат-ботах, которые внедряются в различные приложения для заказа еды, веб-сайты онлайн-обучения, а также в приложения для поездок на работу.
Самоуправляемые автомобили
Что ж, вот одно из самых крутых приложений машинного обучения. Он здесь, и люди уже используют его. Машинное обучение играет очень важную роль в беспилотных автомобилях, и я уверен, что вы, ребята, могли слышать о Tesla. Лидером в этом бизнесе и их нынешним искусственным интеллектом является производитель оборудования NVIDIA, который основан на алгоритме обучения без учителя.
NVIDIA заявила, что не обучала свою модель обнаружению людей или любых объектов как таковых. Модель работает на основе глубокого обучения и собирает данные обо всех своих транспортных средствах и водителях. Он использует внутренние и внешние датчики, которые являются частью IoT. Согласно данным, собранным McKinsey, автомобильные данные будут иметь огромную ценность в 750 миллиардов долларов США.
Динамическое ценообразование
Установление правильной цены на товар или услугу — старая проблема экономической теории. Существует огромное количество стратегий ценообразования, которые зависят от преследуемой цели. Будь то билет в кино, билет на самолет или проезд в такси, все динамично оценивается. В последние годы искусственный интеллект позволил ценовым решениям отслеживать тенденции покупок и определять более конкурентоспособные цены на продукты.
Как Uber определяет стоимость вашей поездки?
Uber чаще всего использует машинное обучение в форме повышения цен, модели машинного обучения, получившей название «Geosurge». Если вы опаздываете на встречу и вам нужно заказать Uber в людном месте, будьте готовы заплатить вдвое больше обычного тарифа. Даже на авиабилеты, если вы путешествуете в праздничный сезон, скорее всего, цены будут в два раза выше первоначальной цены.
переводчик Google
Вспомните время, когда вы путешествовали в новое место, и вам было трудно общаться с местными жителями или находить местные места, где все написано на другом языке.
Что ж, теперь те времена прошли. GNMT (Google Neural Machine Translation) от Google – это система нейронного машинного обучения, которая работает с тысячами языков и словарей и использует обработку естественного языка для предоставления самый точный перевод любого предложения или слова. Поскольку тон слов также имеет значение, он использует другие методы, такие как тегирование POS, NER (распознавание именованных сущностей) и фрагментирование. Это одно из лучших и наиболее часто используемых приложений машинного обучения.
Потоковое онлайн-видео (Netflix)
Нет сомнений в том, что с более чем 100 миллионами подписчиков Netflix является отцом мира потокового онлайн-вещания. Стремительный рост Netflix ошеломил всех кинопромышленников, заставив их задаться вопросом: «Как, черт возьми, один-единственный веб-сайт может конкурировать с Голливудом?». Ответ — машинное обучение.
Алгоритм Netflix постоянно собирает огромные объемы данных о действиях пользователей, таких как:
- При паузе, перемотке назад или вперед
- В какой день вы смотрите контент (телешоу по будням и фильмы по выходным)
- Дата и время просмотра
- Когда вы делаете паузу и покидаете контент (и если вы когда-нибудь вернетесь)
- Рейтинги Данные (около 4 млн в день), Поиски (около 3 млн в день)
- Просмотр и прокрутка
И многое другое. Они собирают эти данные для каждого подписчика, который у них есть, и используют свою систему рекомендаций и множество приложений машинного обучения. Вот почему у них такой огромный коэффициент удержания клиентов.
Обнаружение мошенничества
Эксперты прогнозируют, что в 2020 году мошенничество с кредитными картами в Интернете вырастет до колоссальных 32 долларов США млрд. Это больше, чем прибыль Coca Cola и JP Morgan Chase вместе взятых. Это повод для беспокойства. Обнаружение мошенничества — одно из самых необходимых приложений машинного обучения. Количество транзакций увеличилось за счет множества платежных каналов — кредитных/дебетовых карт, смартфонов, многочисленных кошельков, UPI и многого другого. В то же время ряд преступников научился находить лазейки.
На этом мы подошли к концу этой статьи. Если у вас есть какие-либо вопросы по этой теме, оставьте комментарий ниже, и мы свяжемся с вами. Если вы хотите прочитать больше статей о самых популярных на рынке технологиях, таких как Python, DevOps, Ethical Hacking, вы можете обратиться к официальному сайту Edureka.
Обратите внимание на другие статьи из этой серии, в которых объясняются различные другие аспекты науки о данных.
17. R против Python
18.Искусственный интеллект, машинное обучение и глубокое обучение
21.Наука о данных и инструменты машинного обучения для непрограммистов
Первоначально опубликовано на https://www.edureka.co 28 января 2019 г.
