localizeflow[bot]
ea617244af
|
3 months ago | |
|---|---|---|
| .. | ||
| README.md | 3 months ago | |
| assignment.md | 7 months ago | |
README.md
Panimula sa machine learning
Pre-lecture quiz
🎥 I-click ang larawan sa itaas para sa isang maikling video na nagpapaliwanag ng araling ito.
Maligayang pagdating sa kursong ito tungkol sa klasikal na machine learning para sa mga nagsisimula! Kung ikaw ay ganap na bago sa paksang ito, o isang may karanasang practitioner ng ML na nais mag-refresh sa isang bahagi, ikinalulugod naming makasama ka! Nais naming lumikha ng isang magiliw na panimulang lugar para sa iyong pag-aaral ng ML at malugod naming tatanggapin, sasagutin, at isasama ang iyong feedback.
🎥 I-click ang larawan sa itaas para sa isang video: Ipinakilala ni John Guttag ng MIT ang machine learning
Pagsisimula sa machine learning
Bago simulan ang kurikulum na ito, kailangan mong maayos na ma-set up ang iyong computer at handa nang magpatakbo ng mga notebook nang lokal.
- I-configure ang iyong makina gamit ang mga video na ito. Gamitin ang mga sumusunod na link upang matutunan paano mag-install ng Python sa iyong sistema at mag-setup ng text editor para sa pag-develop.
- Matutong Python. Inirerekomenda rin na magkaroon ng pangunahing kaalaman sa Python, isang programming language na kapaki-pakinabang para sa mga data scientist na ginagamit namin sa kurso na ito.
- Matutong Node.js at JavaScript. Ginagamit din namin ang JavaScript ng ilang beses sa kursong ito kapag bumubuo ng mga web app, kaya kakailanganin mong may naka-install na node at npm, pati na rin ang Visual Studio Code na magagamit para sa pareho, Python at JavaScript na pag-develop.
- Gumawa ng GitHub account. Dahil nahanap mo kami dito sa GitHub, maaaring mayroon ka nang account, ngunit kung wala pa, gumawa ng isa at pagkatapos ay i-fork ang kurikulum na ito upang magamit para sa sarili mo. (Malaya kang bigyan kami ng star, rin 😊)
- Suriin ang Scikit-learn. Pamilyarhin ang iyong sarili sa Scikit-learn, isang set ng ML libraries na tinutukoy namin sa mga araling ito.
Ano ang machine learning?
Ang terminong 'machine learning' ay isa sa mga pinakapopular at madalas gamitin na salita ngayon. May malaking posibilidad na narinig mo na ang terminong ito kahit isang beses kung meron kang kaalaman tungkol sa teknolohiya, kahit anong larangan pa ang iyong pinagtatrabahuhan. Gayunpaman, ang mekaniks ng machine learning ay isang misteryo sa karamihan ng tao. Para sa isang baguhan sa machine learning, maaaring minsan ay nakakalito ang paksa. Kaya mahalagang maintindihan kung ano talaga ang machine learning, at pag-aralan ito nang paunti-unti, sa pamamagitan ng mga praktikal na halimbawa.
The hype curve
Ipinapakita ng Google Trends ang kamakailang 'hype curve' ng terminong 'machine learning'
Isang misteryosong uniberso
Tayo ay naninirahan sa isang uniberso na puno ng mga kamangha-manghang misteryo. Ang mga dakilang siyentipiko tulad nina Stephen Hawking, Albert Einstein, at marami pang iba ay naglaan ng kanilang mga buhay upang maghanap ng makabuluhang impormasyon na nagsisiwalat ng mga misteryo ng mundong nakapalibot sa atin. Ito ang kalagayan ng tao sa pagkatuto: ang isang bata ay natututo ng mga bagong bagay at nadidiskubre ang istruktura ng kanilang mundo taon-taon habang lumalaki sila tungo sa pagiging adulto.
Ang utak ng bata
Ang utak at mga pandama ng isang bata ay tumatanggap ng mga katotohanan ng kanilang paligid at unti-unting natututo ng mga nakatagong pattern ng buhay na tumutulong sa bata na gumawa ng mga lohikal na patakaran upang makilala ang mga natutunang pattern. Ang proseso ng pagkatuto ng utak ng tao ay ginagawang pinaka-sopistikadong nilalang ang mga tao sa mundong ito. Ang patuloy na pagkatuto sa pamamagitan ng pagtuklas ng mga nakatagong pattern at pagkatapos ay pag-innovate sa mga pattern na iyon ay nagpapahintulot sa atin na pagbutihin ang ating sarili habang buhay. Ang kapasidad na ito sa pagkatuto at umuusbong na kakayahan ay kaugnay ng isang konsepto na tinatawag na brain plasticity. Sa pangkalahatan, makakagawa tayo ng ilang motibasyonal na pagkakatulad sa pagitan ng proseso ng pagkatuto ng utak ng tao at mga konsepto ng machine learning.
Ang utak ng tao
Ang utak ng tao ay tumatanggap ng mga bagay mula sa tunay na mundo, pinoproseso ang natanggap na impormasyon, gumagawa ng mga makatwirang desisyon, at nagsasagawa ng ilang kilos batay sa mga kalagayan. Ito ang tinatawag nating matalinong pag-uugali. Kapag nagprograma tayo ng isang kaparehong proseso ng intelihenteng pag-uugali sa isang makina, ito ay tinatawag na artificial intelligence (AI).
Ilang terminolohiya
Bagaman maaaring malito sa mga termino, ang machine learning (ML) ay isang mahalagang bahagi ng artificial intelligence. Ang ML ay nakatuon sa paggamit ng mga espesyal na algorithm upang tuklasin ang makabuluhang impormasyon at hanapin ang mga nakatagong pattern mula sa natanggap na datos upang patunayan ang proseso ng makatwirang paggawa ng desisyon.
AI, ML, Deep Learning
Isang diagram na nagpapakita ng ugnayan ng AI, ML, deep learning, at data science. Infographic ni Jen Looper na hango sa graphic na ito
Mga konseptong tatalakayin
Sa kurikulum na ito, tatalakayin lamang namin ang mga pangunahing konsepto ng machine learning na kailangang malaman ng isang baguhan. Tatalakayin namin ang tinatawag naming 'klasikal na machine learning' gamit ang Scikit-learn, isang napakahusay na library na ginagamit ng maraming estudyante upang matutunan ang mga batayan. Upang maunawaan ang mas malalawak na konsepto ng artificial intelligence o deep learning, mahalaga ang matibay na pundasyon sa machine learning, kaya nais naming ialok ito dito.
Sa kursong ito matututuhan mo:
- pangunahing mga konsepto ng machine learning
- kasaysayan ng ML
- ML at katarungan
- mga teknik sa regression ML
- mga teknik sa classification ML
- mga teknik sa clustering ML
- mga teknik sa natural language processing ML
- mga teknik sa time series forecasting ML
- reinforcement learning
- mga aplikasyon ng ML sa totoong mundo
Hindi namin tatalakayin
- deep learning
- neural networks
- AI
Para sa mas mahusay na karanasan sa pag-aaral, iiwasan namin ang mga komplikasyon ng neural networks, 'deep learning' - maraming-layer na pagbuo ng modelo gamit ang neural networks - at AI, na tatalakayin namin sa ibang kurikulum. Magbibigay din kami ng paparating na data science curriculum na nakatuon sa aspetong iyon ng mas malawak na larangang ito.
Bakit mag-aral ng machine learning?
Mula sa pananaw ng sistema, ang machine learning ay tinutukoy bilang paglikha ng mga automated na sistema na kayang matuto ng mga nakatagong pattern mula sa datos upang makatulong sa paggawa ng intelihenteng mga desisyon.
Ang motibasyong ito ay maluwag na hango sa paraan ng pagkatuto ng utak ng tao ng ilang bagay batay sa datos na natatanggap nito mula sa labas ng mundo.
✅ Mag-isip ng Sandali kung bakit gustong gamitin ng isang negosyo ang mga estratehiya ng machine learning kaysa gumawa ng mga mahigpit at hard-coded na patakaran.
Bakit mahalaga ang kalidad ng datos
Pinapabuti ng mataas na kalidad ng datos ang performans ng modelo. Ang mahinang o maingay na datos ay maaaring magdulot ng maling prediksyon, kahit na gamit ang mga sopistikadong algoritmo ng machine learning.
Mga aplikasyon ng machine learning
Ang mga aplikasyon ng machine learning ay halos nasa lahat ng dako na ngayon, kasingkalat ng datos na dumadaloy sa ating mga lipunan, na nilikha ng mga smart phone, mga nakakonektang aparato, at iba pang mga sistema. Isinasaalang-alang ang malaking potensyal ng mga state-of-the-art na machine learning algorithm, patuloy na tinatalakay ng mga mananaliksik ang kanilang kakayahan upang lutasin ang mga multidimensyonal at multidisiplinaryong mga problema sa totoong buhay nang may magagandang resulta.
Mga halimbawa ng applied ML
Maraming paraan kung paano magagamit ang machine learning:
- Upang hulaan ang posibilidad ng sakit mula sa medikal na kasaysayan o ulat ng isang pasyente.
- Upang gamitin ang datos ng panahon upang hulaan ang mga pangyayari sa panahon.
- Upang maunawaan ang sentimento ng isang teksto.
- Upang matuklasan ang mga pekeng balita upang pigilan ang pagkalat ng propaganda.
Ang pananalapi, ekonomiks, agham ng lupa, eksplorasyon ng kalawakan, biomedical engineering, cognitive science, at maging ang mga larangan sa humanities ay nagtanggap ng machine learning upang lutasin ang mga mabibigat na problema sa pagproseso ng datos ng kanilang larangan.
Konklusyon
Ang machine learning ay nag-automate ng proseso ng pagtuklas ng pattern sa pamamagitan ng paghahanap ng makabuluhang impormasyon mula sa tunay na datos o nabuo na datos. Napatunayang napakahalaga nito sa negosyo, kalusugan, at mga aplikasyon sa pananalapi, at iba pa.
Sa malapit na hinaharap, ang pag-unawa sa mga batayan ng machine learning ay magiging isang kailangan para sa mga tao mula sa anumang larangan dahil sa malawak na paglaganap nito.
🚀 Hamon
Gumuhit, sa papel o gamit ang isang online app tulad ng Excalidraw, ng iyong pag-unawa sa mga pagkakaiba ng AI, ML, deep learning, at data science. Magdagdag ng ilang ideya ng mga problema na magaling lutasin ng bawat isa sa mga teknik na ito.
Post-lecture quiz
Review at Pag-aaral sa Sarili
Upang matutunan pa kung paano ka maaaring makipagtrabaho sa ML algorithms sa cloud, sundan ang Learning Path.
Dumalo sa isang Learning Path tungkol sa mga batayan ng ML.
Takdang-Aralin
Pagtatanggi: Ang dokumentong ito ay isinalin gamit ang serbisyo ng AI translation na Co-op Translator. Bagama't nagsusumikap kami para sa katumpakan, pakatandaan na ang awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang maling pagkakaintindi o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.