Теперь в 21 веке машинное обучение и искусственный интеллект будут играть важную роль. Мы ежедневно производим большой объем данных: данные о покупательских моделях на сайтах электронной коммерции и в продуктовых магазинах, данные о продажах корпоративных компаний и т. Д.
Нам необходимо применить машинное обучение, чтобы получить представление об этих данных. Так что тенденция машинного обучения растет. Но что такое машинное обучение? Это что-то новенькое по сравнению с традиционным способом программирования? Вот, давайте посмотрим на языке непрофессионала:
Традиционное программирование:
В традиционном способе компьютерного программирования мы передаем компьютеру входные данные, а после процесса компьютер генерирует выходные данные.
Для примера:
Здесь мы передаем компьютеру входные данные x = 10 и y = 5, и он генерирует вывод как z = 15.
Машинное обучение:
Но вот загвоздка в машинном обучении: цель машинного обучения - получить представление о данных, здесь данные уже сгенерированы. Из чего мы выбираем ввод и вывод (Target). Итак, в машинном обучении мы передаем компьютеру ввод и вывод вместе, а компьютер генерирует вывод в виде программы.
Для примера:
Здесь мы вводим x = 10, y = 5 и output z = 15. Алгоритм машинного обучения генерирует программу x + y = z.
Итак, машинное обучение - это не что иное, как создание отношения между вводом и выводом. Алгоритм машинного обучения автоматически учится на входных и выходных данных и предоставляет выходные данные в виде программы.
Получив это отношение (программу), мы можем предсказать вывод невидимых входов. Это полезно при прогнозировании будущих продаж организации. где мы уже прошили данные о продажах и их влияющих переменных. После того, как мы взяли переменные, влияющие на продажи, в качестве входных данных и продаж в качестве выходных данных (Target), мы передаем их алгоритму машинного обучения, который генерирует отношение. На основании чего мы можем предсказать и спрогнозировать будущие продажи.
В реальном машинном обучении данные огромны, они содержат миллионы строк и сотни столбцов. Алгоритм машинного обучения генерирует взаимосвязь между этим огромным набором данных и устанавливает модель машинного обучения для прогнозирования результатов.
Суть:
«Мы, люди, учимся на собственном опыте и реагируем в соответствии с ним. Но машина (компьютер) учится на данных, которые мы ей предоставляем. На основе этих данных он генерирует модель данных, на основе которой прогнозирует выход невидимых входных данных ».
Приложения машинного обучения:
- Прогноз
- Распознавание изображений.
- Распознавание речи.
- Рекомендации по продукту.
- Фильтрация спама в электронной почте.
- Прогноз цен на акции.
Спасибо, что прочитали мой первый блог о машинном обучении. Я изо всех сил старался объяснить машинное обучение самым простым способом. Я хочу внести свой вклад в сообщество специалистов по науке о данных, делясь знаниями в этой удивительной области на языке непрофессионала.
Вы можете связаться со мной в моем Linkedin: www.linkedin.com/in/saurabh2829
