What is Machine Learning?

YUFENG GUO는 : 세계는, 데이터 data– 많이 가득 사진, 음악, 단어, 스프레드 시트, 동영상, 그리고 곧 언제든지 속도를 느리게 것처럼 보이지 않는다 기계 학습은 약속을 제공합니다 의 모든 데이터에서 의미를 도출하는 단계를 포함한다

아서 C 클라크는 유명 한 번 말했다, "모든 충분히 고급 기술입니다 마법과 구별 " 나는, 기계 학습 마법 수 없습니다 발견 오히려 도구와 기술이 당신을 데이터와 질문에 대한 답변을 활용할 수 있습니다 이는 클라우드 AI 모험이다 내 이름은 Yufeng의 구오이며, 각각의 에피소드, 우리는 예술, 과학을 탐구한다 기계 학습 도구를 제공합니다

길을 따라, 우리는 얼마나 쉽게 볼 수 있습니다 그것은 놀라운 경험을 만드는 것입니다 가치있는 통찰력을 얻을 수 있습니다 기계 학습의 값은이다 단지 그 자체를 보여주기 시작 생성 된 오늘날 세계에서 많은 양의 데이터가 뿐만 아니라 사람들이뿐만 아니라 컴퓨터, 전화로 및 기타 장치 이것은 단지 앞으로 몇 년 동안 계속 증가 할 것입니다 전통적으로, 인간이 분석 한 데이터 데이터 패턴의 변화에 ​​적응 된 시스템

그러나, 데이터의 볼륨으로 능가 그것의 의미를 만들기 위해 인간의 능력 수동으로 그 규칙을 작성, 우리 자동화 된 시스템에 점점 켜 것이다 데이터로부터 중요한 배울 수있는, 데이터의 변화는 이동 풍경에 적응합니다 우리는 기계가 우리 주위의 모든 학습 참조 제품에 우리는 오늘을 사용합니다 그러나, 항상 분명하지 않다 그 기계 학습은 모든 뒤에 내부 태그 객체와 사람 같은 것들 동안 사진으로 명확하게 기계가 놀이 학습, 즉시 나타나지 않을 수있다 다음 비디오를 추천하는 것은 보는 것을 또한 기계 학습에 의해 구동됩니다 모든 물론, 아마도 가장 큰 예 Google 검색입니다

당신이 구글 검색을 사용 때마다, 당신은 많은 기계 학습 시스템을 가지고 시스템을 사용하고 핵심에서, 쿼리의 텍스트에서 이해 개인의 이익에 따라 결과를 조정하는, 검색 할 때와 같은 알고로하는 첫번째을 보여 결과 자바는 커피 전문가있어 여부에 따라 대한 또는이 developer– 아마 당신은 둘 다입니다 오늘날, 기계 학습의 즉각적인 응용 프로그램 이미 상당히 이미지 인식을 포함하여, 광범위한있다, 사기 탐지 및 추천 시스템, 뿐만 아니라 너무 텍스트 및 음성 시스템과 같은 이러한 강력한 기능이 될 수 있습니다 폭 넓은 분야에 적용 소매에 당뇨 망막 병증, 피부 암 탐지에서 형태는 물론, 교통 셀프 주차 및자가 운전 차량 그것은 그리 오래 전의 일이 아니다 회사 또는 제품이 한 때 자사의 제품에서 기계 학습, 그것은 신규 한 것으로 간주 하였다 이제 모든 기업은 기계 학습을 사용하는 피벗한다 어떤 식 으로든 자신의 제품이다

그것은 빠르게, 잘, 예상되는 특징이되고있다 우리는 웹 사이트를 가지고 회사를 기대 하듯이 모바일 장치 혹은 응용 프로그램에서 작동, 때 할 날이 곧 올 것이다 예상되는 우리의 기술은 것 맞춤 수, 통찰력과 자기 교정 우리는 더 빨리 더 나은 인간의 작업을하기 위해 기계 학습을 사용할 때 이전보다 쉽고, 우리는 또한 수 미래의 기계 학습에 더 찾을 우리가 작업을하는 우리는 결코 할 수 없다 도움이 될 수 있습니다 우리 자신에 달성 할 수 있었다 다행히, 그것은을 활용 어렵지 않다 기계의 오늘 학습 툴링은 꽤 좋은 얻었다

당신이 필요로하는 데이터, 개발자와 의지입니다 돌입을 촬영합니다 우리의 목적을 위해, 나는 정의를 단축했습니다 불과 5 글자 네요까지 학습 기계의 질문에 대답하기 위해 데이터를 사용하여 나는 그런 짧은 대답을 사용하지 것이지만 시험에 에세이 프롬프트, 그것은 우리를 위해 유용한 목적을 제공 이리 특히, 우리는 두 파트로 나뉘는데으로 정의를 분할 할 수 있습니다 데이터와 대답 질문을 사용 이 두 작품은 크게 두 가지 측면 개요 기계에 둘 다 똑같이 중요 학습

데이터를 우리가 훈련으로 참조 무엇인가하여, 질문에 대답하는 만들기로 언급되는 동안 예측 또는 추론 이제 조금에 대해 간략하게 그 양쪽에 드릴 수 있습니다 교육은 우리의 데이터를 사용을 의미 생성 및 예측 모델의 미세 조정을 통보합니다 이 예측 모델은 할 수있다 과거에는 볼 수 없었던 데이터에 대한 예측을 제공하는 데 사용 그 질문에 답합니다 더 많은 데이터가 수집 될 때, 모델 구축 시간과 새로운 예측 모델을 통해 향상시킬 수있다

여러분도 알다시피, 핵심 구성 요소 이 전체 프로세스의 데이터이다 모든 데이터에 달려있다 데이터는, 기계 학습을 잠금 해제의 열쇠입니다 기계 학습만큼 잠금 해제의 열쇠입니다 데이터에 숨겨진 통찰력 이것은 단지 높은 수준의 개요이었다 이 유용한 이유의 기계 learning– 및 해당 응용 프로그램의 일부 기계 학습은 광범위한 분야입니다, 기술 할 때의 전체 제품군에 걸쳐 데이터에서 답을 추론

미래의 에피소드 그래서, 우리는 당신을 제공하는 것을 목표로합니다 접근 어떤 좋은 감정 주어진 데이터 세트 및 질문에 사용할 당신은 대답뿐만 아니라 방법에 대한 도구를 제공 할 이를 달성하기 위해 우리의 다음 에피소드에서, 우리는 바로 뛰어들거야 기계 학습을하는 구체적인 과정에 보다 상세하게, 방법 단계별 화학식 거치지 기계 학습 문제에 접근한다 [음악 재생]