Tarefas e ferramentas de ML e sua aplicação prática

Aprendizado de máquina é um termo difundido, mas nem todo mundo o acerta. Neste artigo, os especialistas da direção de soluções analíticas do KORUS Consulting Group Alena Gaybatova e Ekaterina Stepanova vão dizer o que realmente é aprendizado de máquina (ML), em quais casos essa tecnologia deve ser usada em projetos e também onde o aprendizado de máquina é usado ativamente na prática ... 

Como os dados são tratados

Há muito tempo, em reuniões com clientes, começamos a perceber que todo mundo confunde aprendizado de máquina, inteligência artificial (IA), big data e outros termos da área.

Portanto, o nome geral da tecnologia é inteligência artificial. É de dois tipos - forte (também conhecido como geral) e fraco. Não discutiremos IA forte, especialmente porque essas são decisões no nível do Terminator. Estamos nos aproximando lentamente, mas até agora ele existe apenas na forma de fragmentos de IA fraca coletados juntos (como, por exemplo, em colunas "inteligentes").

É muito mais interessante falar sobre inteligência artificial fraca. Também é dividido em dois tipos. O primeiro são os sistemas especialistas , algoritmos programados manualmente (por exemplo, um grupo de linguistas programou um algoritmo para traduzir palavras de um idioma para outro). 

O segundo são os chamados  sistemas orientados por dados, que extraem a lógica do trabalho de algum tipo de dado histórico. Este tipo tem muitos termos sinônimos que surgiram ao longo do tempo: 

  • moda nos anos 90 e zero mineração de dados e descoberta de conhecimento de banco de dados (KDD),

  • ciência de dados, que começou a ser usada perto de 2010,

  • o big data é popular hoje. A única exceção, ou melhor, um acréscimo, que este termo apresenta é a presença de uma grande quantidade de dados estruturados de forma complexa.

Algoritmos diferentes para tarefas diferentes

De acordo com os dois tipos de IA fraca, podemos tirar conclusões dos dados manualmente (com sistemas especialistas) e usando aprendizado de máquina. Ele, por sua vez, é subdividido em dois tipos: ML clássico e aprendizado profundo (usando redes neurais profundas com um grande número de camadas).

 ML  . , , : , . , , c.

— , , . , : , , . , . , .

, — . , , . 

? : , . : —  3 . , .

- , , . 

– , , . —  : , , — , . 

— . , - . — , , , . . . , . 

, . 

– . C . 4 . – .  , , . , , . .

C , — . 

1950- . , : .

, . , . , . , , , . 

 ML  . .

, . , . 

. ( – , , ). , , , , , .

 Uplift, . Uplift  , , ( , ), .

, .  ML  . , , . 

  • , - ;

  • , / ;

  • , , .

– . C ,

, , , , , . - . 

,  ML  , , , , , , , , — .

, . , , , , , , . , , .

— . , , , , . – , , , .  ML  — , , , , , , . 

, , . ( ), . , , – , - . 

C , , , , , , , .

, , , . , , ,  ML- -. 

, , . , , , . , .




All Articles