🌟Машинное обучение

🌟Машинное обучение

Здесь идеи машинного обучения

Машинное обучение: дисциплина внутри ИИ, которая учит компьютеры делать прогнозы на основе данных.

Почему компании/бизнес используют машинное обучение????

У него есть 3 причины, которые реально влияют на бизнес:

1. Инновации (спам-письма, которые фильтруются из всех писем, экономят время)

2. Маркетинг (например, Amazon, ведущая технологическая компания использует механизм рекомендаций на основе мл)

3. Стоимость (приведенный выше механизм рекомендаций увеличивает доход на 25%).

Стратегия машинного обучения:

3 компонента влияют на MLS:

1.Данные(Что делать)

2.Инструменты( Для выполнения)

3.Команда(нам нужна успешная команда правильно!!)

Данные генерируются все время, например: независимо от того, является ли процесс бизнесом, или кто-то вошел или вышел из здания, данные генерируются.

Три этапа данных

1. Данные должны быть собраны (с помощью датчиков, точек данных, устройств слежения на инструментах).

2. Средство хранения данных: данные, которые мы захватываем, хранятся в форме SQL
3. Обработка или анализ данных

На этом этапе в игру вступает машинное обучение.

Инструменты машинного обучения:

с открытым исходным кодом : Python и R

(питон популярен в компаниях Maang)

Google (тензорный поток), fB (pytorch)

1. Регрессия : ветвь машинного обучения

Предсказать непрерывные числовые переменные

Если он линейный (простая линейная регрессия)

Если он имеет колебания (полиномиальная регрессия)

2.Классификация: предназначена для идентификации сгруппированных в ур данных на основе предварительной информации, которая у вас уже есть.

3. Кластеризация:

Похож на классификацию, за исключением того, что кластеризация (мы не знаем, какой тип группировки) подпадает под действие неконтролируемого обучения, тогда как классификация подпадает под контролируемое обучение.

Оба для групп

• Изучение правила ассоциации: используется гигантскими технологическими компаниями (рекомендации на YouTube или Netflix на основе мл)

Глубокое обучение: ответвление машинного обучения
Почему глубокое обучение так привлекательно: потому что оно не имеет предопределенных рамок.

Например: кластеризация, классификация, изучение правил ассоциации, обучение с подкреплением имеет определенные рамки для сопоставления данных.

Но для глубокого обучения не нужны рамки.

Глубокое обучение — это нейронная сеть.

Нейронная сеть — это искусственная конструкция, предназначенная для имитации работы человеческого мозга.

Нейронная сеть глубокого обучения

Нужен миллион примеров

Требуется больше данных
Алгоритм глубокого обучения обучается самостоятельно.