Это первая статья из серии под названием Машинное обучение — это не чудо, в которой рассказывается, как начать работу с машинным обучением с помощью знакомых инструментов, таких как Excel, Python, Jupyter Notebooks и облачных сервисов машинного обучения от Azure и Amazon. Веб-сервисы. Заходите сюда каждую пятницу, чтобы узнать о будущих платежах.

Еще в 2010 году, когда я впервые столкнулся с понятием Машинное обучение (МО), я сказал себе, что оно предназначено только для докторов наук в области компьютерных наук, а это означало, что у меня никогда не будет возможности поработать над ним.

Как бывший сотрудник Microsoft и энтузиаст Azure, я решил поближе познакомиться с ML, когда Microsoft начала добавлять компоненты машинного обучения в Azure. Даже тогда меня только ошеломило и смутило огромное количество технологий и жаргонов, окружающих это. Когда Google анонсировал TensorFlow и Cloud ML, а затем Amazon запустила собственный сервис Machine Learning, стало ясно, что ML станет следующим большим шагом в облаке.

Глядя на шумиху и ажиотаж вокруг машинного обучения, я решил написать свой первый аналог машинного обучения «Hello World». С каждой попыткой я только больше смущался и разочаровывался. Огромное количество статей, блогов, курсов самообучения, руководств и примеров по машинному обучению добавило мне беспокойства. Несмотря на все доступные ресурсы, я не смог даже приблизиться к созданию осмысленной и полной реализации ML.

Одной из основных причин, по которой я продолжал делать разворот, была щедрая доза математики, которую можно найти почти в каждом ресурсе по машинному обучению, который я добавил в закладки. Несмотря на мою решимость и целеустремленность, мысль о том, что мне нужно изучать высшую математику, продолжала отталкивать меня. Признаюсь, я боюсь иметь дело с математикой. Мне едва удалось сдать экзамены по математике в старшей школе. Когда я был подростком, я обрадовался, когда обнаружил, что можно построить карьеру в IT без степени магистра математики. Тот факт, что некоторая продвинутая математика стала обязательным условием для ML, разочаровал меня и во многом вернул кошмар моих школьных дней.

Но по мере того, как я продолжал работать со своими клиентами над Интернетом вещей и проектами, ориентированными на данные, мы продолжали вспоминать о возможном использовании машинного обучения. Тем временем шумиха вокруг ML достигла пика. Настолько, что поставщики облачных услуг начали продвигать ML больше, чем основные компоненты IaaS, такие как виртуальные машины, хранилище и сеть. Также стало предельно ясно, что машинное обучение становится фронтом и центром многих новых технологий, включая когнитивные вычисления, искусственный интеллект, чат-боты, персональных помощников и профилактическое обслуживание.

Читать всю статью на The New Stack

– аналитик, консультант и архитектор. Подпишитесь на него в Twitter, Facebook и LinkedIn.