Làm thế nào để Bắt đầu với Học máy?

Spread the love

Nỗ lực thiết kế máy móc thông minh hơn con người không phải là điều mới.

Một trong những cuộc tấn công rất sớm mà khoa học máy tính thực hiện đối với “trí thông minh” của con người là thông qua trò chơi cờ vua. Cờ vua (hay chúng ta nên nói, là?) Được nhiều người cho là bài kiểm tra cuối cùng về trí tuệ và sự sáng tạo của con người, và trở lại những năm 1960-70, có nhiều trường phái tư tưởng khác nhau trong khoa học máy tính.

Một số cho rằng chỉ là vấn đề thời gian trước khi máy tính vượt qua con người trong việc chơi cờ, trong khi những người khác tin rằng điều này sẽ không bao giờ xảy ra.

Kasparov vs. Deep Blue

Sự kiện giật gân nhất có sự góp mặt của con người và cỗ máy trong trận chiến tư tưởng là trận đấu cờ vua năm 1996 giữa nhà vô địch thế giới lúc bấy giờ là Garry Kasparov (và được cho là kỳ thủ cờ vua giỏi nhất từ ​​trước đến nay) và Xanh đậmmột siêu máy tính mà IBM thiết kế cho chính sự kiện này.

Tín dụng hình ảnh: Wikipedia

Để cắt ngắn một câu chuyện dài, Kasparov đã thắng trận đấu năm 1996 một cách thuyết phục (4-2) nhưng để thua trận tái đấu năm 1997 (4,5-3,5) trong bối cảnh nhiều tranh cãi và các cáo buộc gian lận trực tiếp của Kasparov chống lại IBM.

Bất kể thế nào, kỷ nguyên của cờ vua và khoa học máy tính đã kết thúc. Máy tính được cho là thông minh hơn bất kỳ con người sống nào có thể. IBM, hài lòng với sự trả thù, đã phá bỏ Deep Blue và tiếp tục.

Ngày nay, không thể có kiện tướng nào có thể đánh bại bất kỳ bộ cờ vua thông thường nào chạy trên phần cứng hàng hóa.

Học máy không phải là gì?

Trước khi chúng ta tìm hiểu sâu hơn về Học máy, hãy cùng tìm hiểu một số quan niệm sai lầm. Machine Learning không phải là một nỗ lực tái tạo bộ não con người. Bất chấp niềm tin theo chủ nghĩa giật gân được những người như Elon Musk nắm giữ, các nhà nghiên cứu khoa học máy tính vẫn khẳng định rằng họ không tìm kiếm loại hạt thần thánh này và chắc chắn không ở bất kỳ nơi nào gần với nó.

Nói một cách đơn giản, học máy là thực hành áp dụng các quy trình học theo ví dụ vào máy tính. Điều này trái ngược với cách tiếp cận truyền thống là dựa vào một lập trình viên là con người để nghĩ ra tất cả các tình huống có thể xảy ra và các quy tắc mã cứng cho chúng thành một hệ thống.

Thành thật mà nói, máy học là gì: cung cấp hàng tấn và hàng tấn dữ liệu cho máy tính để nó có thể học hỏi từ các ví dụ (thử → lỗi → so sánh → cải tiến) thay vì dựa vào mã nguồn.

  Cách xóa ứng dụng trên iPhone

Các ứng dụng của Học máy

Vì vậy, nếu Machine Learning không phải là ma thuật đen và cũng không phải là thứ sẽ sinh ra Kẻ hủy diệt, thì nó hữu ích cho việc gì?

Học máy giúp ích trong các trường hợp lập trình truyền thống không ổn định và những trường hợp này thường thuộc một trong hai loại.

Như tên của nó, Phân loại liên quan đến việc gắn nhãn mọi thứ một cách chính xác, trong khi Dự đoán nhằm mục đích điều chỉnh các dự báo trong tương lai, với một tập dữ liệu đủ lớn về các giá trị trong quá khứ.

Một số ứng dụng thú vị của Học máy là:

Lọc thư rác

Thư rác email đang lan tràn, nhưng cố gắng ngăn chặn nó có thể là một cơn ác mộng. Chỉ thư rác được định nghĩa như thế nào? Nó có phải là sự hiện diện của các từ khóa cụ thể không? Hoặc có thể là cách nó được viết? Thật khó để nghĩ ra một bộ quy tắc đầy đủ, theo chương trình.

Đây là lý do tại sao chúng tôi sử dụng Học máy. Chúng tôi hiển thị cho hệ thống hàng triệu tin nhắn rác và không phải tin nhắn rác và để hệ thống tìm ra phần còn lại. Đây là bí mật đằng sau bộ lọc thư rác tuyệt vời của Gmail đã làm rung chuyển email cá nhân vào đầu những năm 2000!

khuyến nghị

Tất cả các công ty thương mại điện tử lớn ngày nay đều có hệ thống khuyến nghị mạnh mẽ. Đôi khi, khả năng họ giới thiệu những thứ mà chúng tôi “có thể” thấy hữu ích là cực kỳ chính xác, mặc dù chúng tôi chưa bao giờ nhấp vào mục đó trước đây.

Sự trùng hợp ngẫu nhiên? Không có gì!

Máy học đang làm việc chăm chỉ ở đây, ngấu nghiến hết terabyte này đến terabyte dữ liệu khác và cố gắng dự đoán tâm trạng và sở thích bất ổn của chúng ta.

Chatbots

Bạn đã từng bắt gặp bộ phận hỗ trợ khách hàng cấp độ đầu tiên có vẻ như là robot kỳ lạ nhưng vẫn có thể nói chuyện nhỏ thú vị chưa?

Chà, bạn đã bị đánh cắp bởi Học máy!

Học hỏi từ các cuộc trò chuyện và xác định những gì sẽ nói khi nào là một lĩnh vực sắp tới và thú vị của ứng dụng chatbot.

Loại bỏ cỏ dại

Trong nông nghiệp, robot được hỗ trợ bởi Máy học được sử dụng để phun cỏ dại và các loại cây trồng không mong muốn khác giữa các loại cây trồng một cách có chọn lọc.

Nếu không, việc này sẽ phải được thực hiện bằng tay hoặc sẽ vô cùng lãng phí vì hệ thống cũng sẽ phun sản phẩm bằng chất lỏng giết người!

Tương tác dựa trên giọng nói với hệ thống máy tính không còn là khoa học viễn tưởng nữa. Ngày nay, chúng ta có các trợ lý kỹ thuật số như Alexa, Siri và Google Home có thể thực hiện các lệnh bằng lời nói và không gây nhầm lẫn (tốt, gần như vậy!).

Một số người có thể cho rằng đó là một phát minh tốt nhất nên tránh vì nó khiến loài người trở nên lười biếng hơn bao giờ hết, nhưng bạn không thể tranh cãi về tính hiệu quả.

Chẩn đoán y tế

Chúng tôi đang ở trên bờ vực của một cuộc cách mạng trong chẩn đoán y tế, vì các hệ thống dựa trên Học máy đang bắt đầu vượt trội hơn các bác sĩ có kinh nghiệm trong chẩn đoán qua tia X, v.v.

  Sửa lỗi cú pháp Bash gần mã thông báo không mong muốn

Xin lưu ý rằng điều này không có nghĩa là sẽ sớm không cần đến bác sĩ, mà là chất lượng chăm sóc y tế sẽ tăng lên đáng kể, trong khi chi phí sẽ giảm xuống (trừ khi các tập đoàn kinh doanh quy định khác!).

Đây chỉ là một ví dụ về những gì Học máy đang được sử dụng. Những chiếc xe tự lái, bot chơi trò chơi chiến thuật, máy gấp áo phông, phá hình ảnh xác thực và tô màu ảnh đen trắng đang diễn ra ngày nay.

Các loại máy học

Kỹ thuật Máy học có hai loại.

Học tập có giám sát, trong đó hệ thống được định hướng bởi sự đánh giá của con người và Học tập không giám sát, trong đó hệ thống được để tự học tất cả. Một cách khác để nói điều tương tự là trong Học tập có giám sát, chúng ta có một tập dữ liệu chứa cả đầu vào và đầu ra dự kiến, hệ thống sử dụng để so sánh và tự sửa. Tuy nhiên, trong Học tập không giám sát, không có đầu ra hiện có để đo lường, vì vậy kết quả có thể khác nhau rất nhiều.

Một ứng dụng thú vị và rùng mình của Học máy không giám sát?

Đó sẽ là các bot chơi các trò chơi trên bàn cờ, trong đó chương trình được dạy các quy tắc trò chơi và điều kiện chiến thắng, sau đó được để lại cho các thiết bị của chính nó. Sau đó, chương trình chơi hàng triệu trò chơi chống lại chính nó, học hỏi từ những sai lầm của nó và củng cố các quyết định có lợi.

Nếu bạn đang sử dụng một máy tính đủ mạnh, một AI chơi đánh bại thế giới có thể được chuẩn bị sau vài giờ!

Những hình ảnh sau đây minh họa ngắn gọn những ý tưởng này (nguồn: Medium):

Tài nguyên để bắt đầu trong Học máy

Vì vậy, bây giờ bạn đã say mê Học máy và làm thế nào nó có thể giúp bạn chinh phục thế giới, bắt đầu từ đâu?

Dưới đây, tôi đã liệt kê một số tài nguyên tuyệt vời trên Web có thể giúp bạn đạt được sự thành thạo trong Học máy mà không cần lấy bằng Tiến sĩ. trong khoa học máy tính! Nếu bạn không phải là nhà nghiên cứu về Học máy, bạn sẽ thấy lĩnh vực của Học máy thực tế và thú vị như lập trình nói chung.

Vì vậy, đừng lo lắng, bất kể trình độ của bạn hiện tại là bao nhiêu, bạn có thể, giống như một chương trình Máy học tốt, tự học và trở nên tốt hơn. 😛

# 1. Lập trình

Yêu cầu đầu tiên để tham gia Học máy là học lập trình. Đó là bởi vì các hệ thống Học máy có dạng thư viện cho các ngôn ngữ lập trình khác nhau.

Python là ngôn ngữ được đề xuất nhiều nhất, một phần vì nó cực kỳ dễ học và một phần vì nó có một hệ sinh thái thư viện và tài nguyên khổng lồ.

Các chính thức Hướng dẫn cho người mới bắt đầu là một nơi tuyệt vời để bắt đầu, ngay cả khi bạn hơi quen thuộc với Python. Hoặc, lấy cái này Khóa học Bootcamp để trở thành anh hùng từ con số không.

  Làm thế nào để mở Lịch sử Clipboard của tôi?

# 2. Suy nghĩ số liệu thống kê

Khi bạn đã hoàn thành những kiến ​​thức cơ bản về Python, khuyến nghị thứ hai của tôi là xem qua hai cuốn sách nổi bật. Chúng miễn phí 100% và có sẵn dưới dạng PDF để tải xuống. Suy nghĩ số liệu thống kêThink Bayes là hai tác phẩm kinh điển hiện đại mà mọi kỹ sư Học máy tham vọng đều nên tìm hiểu.

# 3. Udemy

Tại thời điểm này, tôi khuyên bạn nên tham gia một vài khóa học từ Udemy. Định dạng tương tác, tự nhịp độ sẽ giúp bạn bắt kịp thực tế và xây dựng sự tự tin.

Đảm bảo bạn xem bản xem trước khóa học, các bài đánh giá (đặc biệt là các bài đánh giá tiêu cực!) Và cảm nhận tổng thể về khóa học trước khi bắt đầu.

Bạn cũng có thể xem các hướng dẫn tuyệt vời trên YouTube miễn phí. Sentdex là một trong những kênh như vậy mà tôi có thể giới thiệu, nơi luôn diễn ra vô số niềm vui, nhưng cách tiếp cận của anh ấy không thân thiện với người mới bắt đầu.

#4. Andrew Ng

Khóa học được giảng dạy bởi Andrew Ng trên Coursera được cho là tài nguyên học tập phổ biến nhất cho các nguyên tắc cơ bản của Học máy.

Mặc dù nó sử dụng ngôn ngữ lập trình R, nó vẫn vô song trong cách xử lý chủ đề và những giải thích sáng suốt của nó. Nhờ vào khóa học này, Andrew Ng đã đạt được phần nào tầm vóc thần thánh trong giới ML, và mọi người ngưỡng mộ anh ấy vì sự thông thái tuyệt đỉnh (tôi không đùa đâu!).

Đây không phải là một khóa học dành cho người mới bắt đầu, nhưng nếu bạn đã giỏi xoay quanh dữ liệu và không ngại một số nghiên cứu bên lề khi tiếp tục, thì khóa học này là khuyến nghị tốt nhất.

# 5. Udacity

Trở thành kỹ sư học máy bằng cách sử dụng chế độ nano này bằng cách Udacity.

Sẽ mất khoảng 3 tháng để hoàn thành và kết thúc khóa học, bạn được mong đợi sẽ có một ý tưởng hợp lý về các thuật toán học máy, cách mô hình hóa và triển khai chúng vào sản xuất.

Sự kết luận

Tài nguyên trên internet không có hồi kết và bạn có thể dễ dàng bị lạc khi bắt đầu. Hầu hết các hướng dẫn và thảo luận ngoài kia đều có tính thách thức về mặt toán học hoặc thiếu cấu trúc và có thể phá vỡ sự tự tin của bạn trước khi bạn bắt đầu.

Vì vậy, tôi muốn cảnh báo bạn chống lại sự tự hủy hoại: hãy giữ mục tiêu khiêm tốn và di chuyển trong những bước tối thiểu. Học máy không phải là thứ bạn có thể thoải mái trong vòng một hoặc hai ngày, nhưng sẽ sớm thôi, bạn sẽ bắt đầu thích thú với chính mình và ai biết được, thậm chí có thể tạo ra thứ gì đó đáng sợ!

Chúc vui vẻ! 🙂

x