machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Машинное обучение

Дата публикации Oct 3, 2019

Машинное обучение - это изучение алгоритмов и статистических моделей, которые компьютерные программы используют для выполнения определенной задачи, не используя инструкции, а опираясь на шаблоны и умозаключения. Это подмножество искусственного интеллекта, которое позволяет программам учиться самостоятельно и совершенствоваться на основе опыта, основанного на данных, к которым он обращается. Машинное обучение можно отнести к категории обучения под наблюдением или обучения без учителя. Алгоритмы контролируемой машины обучения используют маркированные данные и обучающие примеры для прогнозирования будущих событий. Начиная с анализа известного обучающего набора данных, он создает предполагаемую функцию, которую можно использовать для отображения новых примеров. Необслуживаемые алгоритмы машинного обучения используются, когда информация, используемая для обучения системы, не классифицирована и не помечена. Вместо того, чтобы искать конкретное решение, это тип обучения, который помогает находить скрытые структуры данных в больших объемах данных без существующих меток.

Машинное обучение связано с искусственным интеллектом в том смысле, что это подмножество искусственного интеллекта, используемое для обучения компьютерным программам. Многие люди путают эти две области, но машинное обучение является концепцией ИИ, изучая компьютерные алгоритмы, которые улучшаются автоматически методом проб и ошибок. Машинное обучение также похоже на науку о данных или интеллектуальный анализ данных в том смысле, что оно использует огромные объемы данных для определения закономерностей, но машинное обучение также считается подмножеством науки о данных.

Потенциальные возможности для машинного обучения в разных отраслях огромны. Одним из последних примеров является система RiskCardio. Вместо множества длительных тестов и использования различных медицинских данных, таких как возраст и вес, система измеряет только первые 15 минут сигнала электрокардиограммы пациента и точно определяет риск смерти от острого коронарного синдрома (ОКС).

В качестве примера контролируемого машинного обучения модель была «обучена» с использованием данных исследования прошлых пациентов. Обозначенные данные основывались на том, умер или нет пациент от острого коронарного синдрома при каждом наборе соседних сердечных сокращений. Те, кто умер от ОКС, были классифицированы как рискованные, в то время как выжившие пациенты были классифицированы как нормальные.

Пациенты с высоким риском в RiskCardio - пациенты в верхнем квартиле - почти в семь раз чаще умирают от сердечно-сосудистой смерти по сравнению с группой низкого риска в нижнем квартиле. Для сравнения, пациенты, идентифицированные как имеющие высокий риск по наиболее распространенным существующим метрикам риска, имели только три раза больше шансов перенести неблагоприятное событие по сравнению с их коллегами с низким риском.

источник:http://news.mit.edu/2019/using-machine-learning-estimate-risk-cardiovascular-death-0912

Значительно сокращая время и стоимость традиционных медицинских тестов, необходимых для определения риска ОКС у пациента, кардиолог может уделять больше внимания индивидуальному лечению в каждом конкретном случае на основе этого риска.

Google также является пионером в области машинного обучения и разработала приложение по устойчивому развитию под названием Global Fishing Watch, которое уже помогает защищать уязвимую морскую флору и фауну в некоторых из самых деликатных экосистем мира.

Использование публичной системы автоматической идентификации для судоходства показало, что алгоритмы машинного обучения способны точно идентифицировать незаконную рыболовную деятельность на охраняемых территориях. Это приводит к трансляции около 22 миллионов точек данных каждый день, и инженеры Google обнаружили, что, применяя машинное обучение к этим данным, они смогли определить причину, по которой любое судно находится в море - будь то транспортный паром, контейнеровоз, досуг судно или рыбацкая лодка.

источник:https://www.forbes.com/sites/bernardmarr/2018/04/09/the-amazing-ways-google-uses-artificial-intelligence-and-satellite-data-to-prevent-illegal-fishing/#1e60efea1c14

Система уже работает и недавно выловила рыболовные суда в защищенных водах тихоокеанской островной нации Кирибати. Когда капитан судна пытался отрицать какие-либо правонарушения, ему были представлены доказательства из заявления Global Fishing Watch, и впоследствии он признал, что нарушил международное право.

American Express также использует машинное обучение для обнаружения мошенничества, используя математические алгоритмы для анализа различных источников данных, включая информацию о членстве в карточке, информацию о расходах и информацию о продавце, для принятия решений путем сравнения событий с большим набором данных. С помощью этой технологии финансовый сектор может сэкономить миллиарды. Другой способ, которым финансовый сектор использует машинное обучение, заключается в сближении продавцов и клиентов посредством целевого маркетинга. Компании-эмитенты кредитных карт могут использовать свои большие наборы данных для разработки приложений, которые могут связать владельца карты с продуктами или услугами В частности, одно приложение может анализировать данные о прошлых покупках, а затем использовать данные, относящиеся к образу жизни человека и покупательским привычкам, чтобы рекомендовать рестораны в той области, которая, вероятно, понравится пользователю.

Машинное обучение будет продолжать «учиться», обрабатывая огромные объемы данных, и будет становиться все лучше и лучше при выполнении задач, которые обычно могут выполнять только люди. Есть много способов, которыми машинное обучение уже используется за кулисами, чтобы влиять на нашу повседневную жизнь и информировать бизнес-решения для некоторых ведущих мировых компаний.

Оригинальная статья

Footer decor

© machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map