Pembelajaran mesin adalah istilah yang tersebar luas, tetapi tidak semua orang bisa melakukannya dengan benar. Pada artikel ini, para ahli arahan solusi analitik KORUS Consulting Group Alena Gaybatova dan Ekaterina Stepanova akan memberi tahu Anda apa itu pembelajaran mesin (ML) sebenarnya, dalam hal mana teknologi ini harus digunakan dalam proyek, dan juga di mana pembelajaran mesin secara aktif digunakan dalam praktik ...
Bagaimana data ditangani
Untuk waktu yang lama, dalam pertemuan dengan pelanggan, kami mulai memperhatikan bahwa semua orang bingung dengan pembelajaran mesin, kecerdasan buatan (AI), data besar, dan istilah lain dari bidang ini.
Jadi, nama umum dari teknologi tersebut adalah kecerdasan buatan. Ini terdiri dari dua jenis - kuat (alias umum) dan lemah. Kami tidak akan membahas AI yang kuat secara khusus karena ini adalah keputusan tingkat Terminator. Kami perlahan mendekatinya, tetapi sejauh ini hanya ada dalam bentuk fragmen AI lemah yang dikumpulkan bersama (seperti, misalnya, di kolom "pintar").
Jauh lebih menarik untuk membicarakan tentang kecerdasan buatan yang lemah. Itu juga dibagi menjadi dua jenis. Yang pertama adalah sistem pakar , algoritme yang diprogram secara manual (misalnya, kelompok ahli bahasa memprogram algoritme untuk menerjemahkan kata dari satu bahasa ke bahasa lain).
Yang kedua adalah apa yang disebut sistem berbasis data yang mengekstrak logika kerja dari beberapa jenis data historis. Jenis ini memiliki banyak istilah serupa yang muncul dari waktu ke waktu:
modis di tahun 90-an dan tidak ada penambangan data dan penemuan pengetahuan dari database (KDD),
ilmu data, yang mulai digunakan mendekati tahun 2010,
data besar populer saat ini. Satu-satunya pengecualian, atau lebih tepatnya tambahan, yang diperkenalkan istilah ini adalah adanya sejumlah besar data yang terstruktur secara kompleks.
Algoritme berbeda untuk tugas berbeda
Sesuai dengan kedua jenis AI yang lemah tersebut, kita dapat menarik kesimpulan dari data secara manual (dengan sistem pakar) dan menggunakan pembelajaran mesin. Ini, pada gilirannya, dibagi menjadi dua jenis: ML klasik dan pembelajaran mendalam (menggunakan jaringan neural dalam dengan banyak lapisan).
ML . , , : , . , , c.
— , , . , : , , . , . , .
, — . , , .
? : , . : — 3 . , .
- , , .
– , , . — : , , — , .
— . , - . — , , , . . . , .
, .
– . C . 4 . – . , , . , , . .
C , — .
1950- . , : .
, . , . , . , , , .
ML . .
, . , .
. ( – , , ). , , , , , .
Uplift, . Uplift , , ( , ), .
–
, . ML . , , .
, - ;
, / ;
, , .
– . C ,
, , , , , . - .
, ML , , , , , , , , — .
, . , , , , , , . , , .
— . , , , , . – , , , . ML — , , , , , , .
, , . ( ), . , , – , - .
C , , , , , , , .
, , , . , , , ML- -.
, , . , , , . , .