Вот чему каждый может научиться машинному обучению

1656560050 vot chemu kazhdyj mozhet nauchitsya mashinnomu obucheniyu

автор Сирадж Равал

CWxaQdlNGtSxNnGCLHgrQd8vL8pRzuRzhBVf
Фото Алекса Найта на Unsplash

Введение

Машинное обучение традиционно являлось технологией, которую могли использовать только доктора наук и учреждения с большими финансовыми ресурсами. Но сегодня существует так много инструментов, позволяющих каждому начать изучать машинное обучение. Никаких оправданий!

В этом блоге я расскажу о четырех основах машинного обучения и о том, как каждый из них был демократизирован за последние несколько лет.

Если вы хотите быть в курсе моего последнего содержимого AI, не забудьте подписаться на мой канал YouTube.

UXNXIvSCjPM4h4d47P-uFcpmLvegCmoQ4yz-

Четыре основополагающих камня машинного обучения данные, вычисление, алгоритмыи образования.

Данные

Просмотрите этот удивительный список общедоступных наборов данных GitHub. И если этого недостаточно, у Kaggle также есть несколько удивительно отшлифованных наборов данных. Независимо от того, используете ли вы общедоступные наборы данных или собираете данные из Интернета с помощью библиотек Python, таких как scrapy, теперь каждый имеет доступ к качественным наборам данных.

Конечно, крупные технологические компании имеют собственные сады данных, но децентрализованные стартапы, такие как OpenMined, упорно работают над созданием сервисов, которые позволят учёным из данных обучать свои модели на этих данных.

Вычисление

Есть графические процессоры? Машинная учеба, и особенно глубокая учеба, требуют много дорогих вычислений. Нейронные сети требуют использования массивных параллельных вычислений, для которых хорошо подходят графические процессоры.

К сожалению, графические процессоры могут быть очень дорогими. Но с помощью таких инструментов как Google CoLab или Kaggle’s Kernels, каждый может запускать код машинного обучения в браузере, используя бесплатные (Tesla K80) графические процессоры.

Алгоритмы

Алгоритмы – это товар. К счастью, сфера машинного обучения построила культуру открытого исходного кода и много обмена результатами. Будь то на ежегодной конференции NIPS или ICLR, исследователи, как правило, очень рады поделиться своими результатами.

Если вы хотите быть в курсе последних исследований, вы можете использовать Arxiv Sanity Preserver, чтобы читать последние статьи с отличной индексацией. И, конечно, есть субреддит машинного обучения. Вы можете использовать существующий код или использовать бесплатную библиотеку Tensorflow для создания собственных моделей.

Образование

С огромной силой приходит большая ответственность. У вас есть код, у вас есть данные, у вас есть вычислительные мощности. Теперь вам просто нужно быть образованным, как ими пользоваться!

Кроме моего канала на YouTube, конечно, есть масса бесплатных образовательных ресурсов, которые помогут вам научиться использовать инструменты машинного обучения. Я составил трехмесячную программу машинного обучения, которая использует все вышеперечисленные ресурсы, а также несколько, которые я нашел в Интернете, чтобы помочь новичкам начать работу. Вы найдете это здесь.

sGuzsG4UpLaGmEHAJLBt8fPM7ZU0GT3BC-fS

Идите и учитесь!

Вы должны быть взволнованы прямо сейчас. Это невероятное время для жизни! Так быстро происходит много перемен. Среди этой сложности машинное обучение может помочь нам понять наш мир так, как мы не могли бы иначе. Это может помочь нам создавать и открывать новые вещи на порядок более эффективно, чем когда-либо прежде. У вас есть сила, используйте ее разумно.

Добавить комментарий

Ваш адрес email не будет опубликован.