machine learning 예제
튜토리얼의 시작 부분에서 당신은 쓴다 : “당신이 기계 학습 초보자이고 마침내 파이썬을 사용하여 시작하고자하는 경우,이 튜토리얼은 당신을 위해 설계되었습니다.” 아니 범죄하지만이 점에서, 당신의 튜토리얼은 아주 좋은 일을하고 있지 않습니다. 당신은 우리가 무슨 일이 있었는지 이유를 이해할 수 있도록 정말 자세히 이동하지 않습니다. 설명은 다소 약합니다. 잘못된 기대는 내가 믿는 설정합니다. 우리는 주로 여기에 감독 학습에 초점을 맞출 것이다, 그러나 문서의 끝은 더 주제를 추구에 관심이있는 사람들을위한 몇 가지 링크와 함께 감독되지 않은 학습에 대한 간단한 토론을 포함한다. 요즘 비디오 감시 시스템은 AI에 의해 구동되어 범죄가 발생하기 전에 감지 할 수 있습니다. 그들은 오랜 시간 동안 움직이지 않고 서 있거나, 비틀거리거나, 벤치 등에서 낮잠을 자는 것과 같은 사람들의 비정상적인 행동을 추적합니다. 따라서 시스템은 인간 승무원에게 경고를 줄 수 있으며 궁극적으로 사고를 피하는 데 도움이 될 수 있습니다. 그리고 그러한 활동이 보고되고 사실로 간주되면 감시 서비스를 개선하는 데 도움이됩니다. 이는 백 엔드에서 기계 학습이 작업을 수행하는 경우 발생합니다. IBM의 콘텐츠 작가인 매튜 존슨(Matthew Johnsen)은 랜딩 AI와 마찬가지로 머신 러닝을 서비스로 판매하는 기업이 늘어날 것으로 예상하고 있으며, 이는 향후 머신 러닝의 채택을 더욱 확대할 수 있을 것으로 예상합니다. 위에서 공유한 예제를 제외하면 기계 학습이 그 잠재력을 입증하는 방법에는 여러 가지가 있습니다.
머신 러닝이 일상 생활을 어떻게 변화시키고 있는지 알려주시고 아래의 의견에 따라 귀하의 경험을 공유하십시오. 머신 러닝의 실제 사례를 보고 싶으신가요? 다음은 새롭고 흥미로운 방식으로 기계 학습의 힘을 사용하는 10 개 회사입니다 (기계 학습의 미래를 엿볼 수 있습니다). 간단한 알고리즘을 편안하게 빌드한 후에는 더 많은 기능을 위해 알고리즘을 확장해 보십시오. 예를 들어 정규화 매개변수를 추가하여 바닐라 로지스틱 회귀 알고리즘을 올가미/능선 회귀로 확장해 보십시오. 좋은 튜토리얼. 저는 컴퓨터 공학 학위를 취득하고 기계 학습과 수학에 관심이 많은 개발자이지만, 대학에서 요구되었던 것을 제외하고는 후자에 대한 학문적 배경은 아직 없습니다. 그래서,이 웹 사이트는 정말 “반대 방향”의 일종으로 필드를 배울 수 있게되었기 때문에 내 관심을 촉발시켰습니다. 위대한 튜토리얼 제이슨! 내 질문은, 내가 사용자로부터 몇 가지 새로운 데이터를 원하는 경우, 어떻게해야합니까? 나중에 내 자체 기계 학습 알고리즘을 개발하는 경우 새로운 데이터를 얻으려면 어떻게 사용할 수 있습니까? 이를 개발하기 위해 어떤 단계를 수행합니까? 그리고이 튜토리얼 주셔서 감사합니다. 인터프리터에서 직접 작업하거나 스크립트를 작성하고 큰 편집자 및 IID가 아닌 명령줄에서 실행하는 것이 좋습니다.
작업을 단순하게 유지하고 도구 체인이 아닌 기계 학습에 집중하십시오. 이것이 Yelp가 그림 분류 기술을 처음 구현했을 때 몇 년 전에 기계 학습으로 전환한 이유입니다. Yelp의 기계 학습 알고리즘은 회사의 직원들이 이미지를 보다 효율적으로 컴파일, 분류 및 라벨링하는 데 도움이 되며, 수천만 장의 사진을 처리할 때 는 작은 위업이 없습니다.