Ano ang Machine Learning at kung paano ito naiiba sa Artipisyal na Pag-intindi

Pag-aaral ng Machine ay nangangahulugang isang makina na natututo sa sarili nito at isang paraan ng automated na pagtatasa ng data. Ito ay ang agham na nagbibigay-daan sa mga computer upang pag-aralan ang data at awtomatikong bumuo ng mga modelo mula sa data na iyon. Ang makina ay maaaring mag-feed sa data at iangkop ang sarili upang gumawa ng mas tumpak na mga hula at kumilos nang naaayon.

Ano ang Machine Learning

Machine Learning ay nariyan sa lahat ng oras. Naaalala mo ba ang mga simpleng algorithm ng pagkilala ng pattern? Ang mga algorithm ay ang batayan ng pag-aaral ng machine. Sa mundo ngayon, madali mong makahanap ng mas kumplikadong data analysis algorithm na maaaring makagawa ng mas maaasahan at tumpak na mga resulta.

Sa sandaling naka-program, ang mga kumplikadong mga algorithm ay hindi nangangailangan ng anumang karagdagang programming. Maaari silang umangkop at turuan ang kanilang sarili batay sa data na ibinigay sa kanila. Isaalang-alang ang isang self-driving na kotse, ang mga algorithm sa pag-aaral ng machine na ipinatupad sa ilalim ng hood ay nagsisiguro na ang kotse ay maaaring matuto at gumawa ng mga pagpapasya sa sarili nitong. Kaya lalong hinihimok ang kotse, mas tumpak at tumpak na mga desisyon ang gagawin nito.

Gayundin, ang isa pang pangunahing lugar ng kanilang paggamit ay ang data ng seguridad at pagtuklas ng malware. Ang modernong mga solusyon sa antivirus ay may posibilidad na matuto mula sa paggamit ng iba`t ibang mga gumagamit at lumikha ng higit na napapanatiling software na maaaring magsara ng mga pangunahing mga butas ng seguridad. Ang mga mapanlinlang na transaksyon ay maaaring napansin at itinuturo ang lahat sa tulong ng mga algorithm na ito at ilang data sa real-world.

Tingnan ang kagiliw-giliw na nabasa mula sa Forbes na tinatalakay ang mga pangunahing larangan ng paggamit ng mga algorithm ng Machine Leaning. `Pag-aaral ng Machine`?

Tulad ng mga eksperto sa computer at teknolohiya, ang Machine Learning ay magiging pinakamainam na nalalapit na larangan. Gayundin, ang mga inhinyero ng data ay binabayaran ng mas mahusay kaysa sa mga maginoo na software developer / engineer. Kung paano mangyari ang malaking interes ng datos sa iyo at ikaw ay naging stats king ng iyong klase. O marahil lamang ang larangan ng engineering na ito ay parang intuitive sa iyo, maaari kang gumawa ng isang karera sa labas ng ito.

Upang makapagsimula, kailangan mong maging pamilyar sa napaka pangunahing agham ng computer. Ang pangunahing computer science ay itinuturo sa unang taon ng karamihan sa mga kolehiyo sa buong mundo. Ngunit kung nagaganap ang pagbabago ng mga larangan sa agham ng computer o kung hindi ka lamang mag-aaral ng mga computer sa kolehiyo, kailangan mong tingnan ang ilang mga pangunahing programming computer. Gusto kong magmungkahi ng Harvard`s CS50 anumang oras. Ito ay magagamit para sa libreng bilang isang online na kurso sa EDx, at maaari kang mag-opt para sa isang bayad na sertipiko pati na rin.

Sa sandaling nakuha mo ang mga pangunahing kaalaman, kailangan mong mag-advance sa istatistika, calculus at ilang iba pang mga larangan ng matematika. Ngayon ay oras na upang matuto ng mga tunay na algorithm sa pag-aaral ng machine. Gusto ko iminumungkahi ang pagbabasa ng artikulong ito mula sa Darshan Hedge. Siya ay isang Machine Learning Engineer sa NVIDIA at kasalukuyang nagtatrabaho sa Otto. Sa artikulong ito, tinalakay niya ang hakbang-hakbang na proseso upang maging isang matagumpay na Machine Learning Engineer.

Pag-aaral ng Machine at Artipisyal na Katalinuhan

Ang Pag-aaral ng Machine ay kadalasang nalilito sa

Artipisyal na Katalinuhan ngunit sinasabi ko na Machine Learning ay isang subset ng Artipisyal na Katalinuhan. Ang Artipisyal na Katalinuhan ay isang mas malawak na konsepto ng paggawa ng mga computer at machine na isinasagawa ang kanilang mga gawain. At ang Machine Learning ay tungkol sa pag-angkop sa mga algorithm sa ibinigay na datos. Gusto kong quote isang sagot sa Quora mula sa Xavier Amatriain:

Pag-aaral ng machine ay isang partikular na diskarte sa artificial intelligence. Ito ay totoo na ito ay nagpapatunay sa akin ang pinakamatagumpay na diskarte sa AI. Ngunit, hindi ako sumasang-ayon sa sagot: HINDI ang "lamang" na diskarte.

Halimbawa, mabigla ka na marinig na ang ilan sa mga self-driving cars na kasalukuyang naglalarawan sa kanilang sarili bilang gumagamit ng AI, maliit na pag-aaral ng machine at karamihan ay gumagamit ng mga system na nakabatay sa panuntunan.

Ang Microsoft Azure Machine Learning

Azure ay isang serbisyo ng cloud na iniaalok ng Microsoft na nagbibigay-daan sa iyo magtayo at mag-deploy m] ng mga makapangyarihang application sa pag-aaral ng machine sa go. Ito ay tungkol sa paglikha ng mga application na gumagamit ng predictive analysis upang iulat ang mga futuristic na sitwasyon. Batay sa data, maaaring mahulaan ng mga application ang nalalapit na mga error at mahirap na sitwasyon. Ang kumplikadong mga algorithm na ginamit dito ay nabibilang sa Xbox, Cortana at iba pang mga produkto ng Microsoft. Maaari kang mag-signup para sa isang Microsoft Azure Machine Learning Studio nang libre o mag-opt ng isang 9.99 $ / buwan na pakete na may kasamang maraming mga tampok.

Ang Pag-aaral ng Machine ay isang kawili-wiling field upang mag-ipon ng mga kamay. Kung mangyayari ka sa pag-ibig ng data, tiyak na mahilig ka sa Machine Learning. Tingnan ang lahat ng mga artikulo na na-link ko sa iba`t ibang lugar sa post na ito. Tiyak na mapabilib mo sila at mag-udyok sa iyo na magbasa nang higit pa tungkol sa kagiliw-giliw na agham na ito.