​​​​Для чего компьютеру учиться? 🎓

Цель машинного обучения — сделать так, чтобы машины помогли людям удобнее совершать покупки, общаться через интернет, пользоваться банковскими услугами, и, в целом, облегчить им жизнь!

В основе машинного обучения лежат три одинаково важных компонента:

🟩 Данные
собираются всевозможными способами. Чем больше данных, тем эффективней машинное обучение и точнее будущий результат;

🟩 Признаки
определяют, на каких параметрах строится машинное обучение;

🟩 Алгоритм
выбор метода машинного обучения (при условии наличия хороших данных) будет влиять на точность, скорость работы и размер готовой модели.

Доверие к результатам машинного обучения должно строиться на понимании: они хороши настолько, насколько хороши данные, на которых обучается алгоритм.

В процессе компьютеры используют алгоритмы 2 типов, и именно они лежат в основе обучения. Основная разница между этими подходами заключается в том, как анализируются данные, для совершения последующих действий.

Обучаться можно разными способами:

🟩 С учителем
при таком способе машину учат, как ребёнка, показывая, что должен получить алгоритм по завершении своей работы. Обычно для этого используются специальным образом подготовленные данные, с заранее известными результатами;

🟩 Без учителя
в этом случае компьютер должен самостоятельно распознавать происходящее и делать выводы, без вмешательства человека и наличия заранее заготовленных для обучения результатов.

Выбор способа зависит от количества данных и того, для чего требуется обучение: определения оптимальной цены, отклонений от нормы, предугадывания развития событий, анализа образов и других условий.

Продолжение следует!