Press "Enter" to skip to content

GOTO 2017 • Machine Learning, Your First Steps • David Stibbe


[Musica]
benvenuto questa diapositiva obbligatoria così sì
fare domande attraverso l’ app e valutare
la sessione grazie
parleremo solo della macchina
apprendimento e i tuoi primi passi nel
mondo della macchina quindi se già
coinvolgere l’apprendimento automatico che potresti
anche partire perché tutto ciò che sono
dicendoti che già conosci così il mio nome
Dave è ancora lo sviluppatore di Kwinto
kwinto è un’agile agenzia di consulenza
che si specializza in dotnet in Java tu
può avere Twitter sul mio manico sì
Sono padre di una piccola IA e
un altro è in arrivo presto così oggi
parleremo di intelligenza
sfide artificiali apprendimento automatico
come si fa in relazione tra loro che cosa
metodi sono utilizzati in questo settore come
l’apprendimento automatico viene applicato ogni giorno
sezione vita e come iniziare così
come farti strada
alla fine così intelligenza artificiale
termine è un apprendimento automatico , abbiamo un
introduzione rapida machine learning yeah
suona davvero spaventoso, nessuno davvero
sa cosa sia ma è molto popolare
nei mezzi di comunicazione che si vede ovunque in
articoli in giornali di apprendimento macchina
questa macchina apprende che come stai
insegnare a una macchina senza conducente a guidare ecc ecc
ed è anche possibile trovarlo
Netflix per esempio la maggior parte di voi probabilmente
già lo sai ma quando usi un quando a
alcuni film come Arrested Development it
di solito dà un suggerimento su bene
hai visto Arrested Development sono loro
deve piacere a Legally Blonde e Bob’s
Hamburger e altri film no
basta fare queste raccomandazioni quasi
davvero è basato su bene
milioni e milioni di input dell’utente
da altri account e utilizzando la macchina
imparare a fare queste raccomandazioni
altro modo in cui partecipa
nella vita reale è il tuo mo
ognuno ne ha uno ad esempio il tuo Google
assistenti la tua katana tua Alexa o
i tuoi Siri sono tutti fondamentalmente intelligenti
assistenti digitali che sono in grado di
riconoscimenti vocali e capaci di
analizzando semplici domande per esempio chi
interpretato James Bond in conforto quantico
è in grado di rispondere che lo è
Daniel si è rotto ma era anche in grado di farlo
rispondere è ciò che gli altri film ha fatto lui
gioca comunque questo è abbastanza di più
domanda complessa per il semplice fatto che esso
richiede un contesto a cui si riferisce
risultati precedenti quindi ha bisogno di sapere
quali sono stati i risultati precedenti
prima che possa rispondere a questa domanda ora
al giorno d’oggi quegli agenti digitali sono abbastanza
capace di rispondere a quelle domande e
anche questo è a causa di una quantità abbondante
dell’intelligenza dell’apprendimento automatico che cos’è
intelligenza
beh, la maggior parte di voi lo sa, ma è così
fondamentalmente la capacità di ragionare
e risolvere problemi artificiali
l’intelligenza sta simulando questo attraverso
computer così un computer che è capace
ragionando e risolvendo i problemi è a
grande problema principale ed è diviso in
parecchi in realtà alcuni topi super
questi sono quattro di questi solo un sottoinsieme
per esempio l’ elaborazione del linguaggio naturale
questa è l’abilità che sei capace
di elaborazione del linguaggio naturale di a
computer ed è capace di
interpretando esattamente quello che dici
la rappresentazione della conoscenza sarebbe il
problema principale dove devi avere un
il computer assomiglia internamente al
la conoscenza di un certo problema può per
esempio assistenza medica che avrebbe
avere un modello internamente da cui
puoi dedurre soluzioni e problemi
ragionamento automatico che significa questo
siete in grado di venire con nuove
soluzioni o soluzioni scritte per
esempio per i puzzle e anche per la commedia
domande per esempio se sei a casa
al lavoro e Google, naturalmente, dice dice
Google sa dove sei e se ne accorge
inoltre c’è un Wi-Fi a casa è in uso
bene Google dovrebbe essere in grado di fare 2d
viste bene oh che non dovrebbe
succede sì non a casa
quindi dovrebbe essere in grado di avvisare te e
informarti su queste cose, ma cosa
ci concentreremo oggi
è l’apprendimento automatico della macchina
è l’ area in cui si trova effettivamente una macchina
capace di formare le sue soluzioni a
problemi una breve storia della macchina
l’apprendimento sarà iniziare con il
Test di Turing è stato ideato per il test di Turing
di Alan Turing nel 1950 e capace
è fondamentalmente dove c’è un operatore
seduto dietro lo schermo e conversando
in realtà con qualcuno dall’altra parte
o schermo e dall’altro lato dovrebbe
essere un computer o un essere umano e l’idea è
che il computer dovrebbe essere in grado di ingannare
l’umano nel credere di essere un
computer se lui è in grado di farlo
quindi ogni parte abbastanza intelligente in realtà per
si chiami intelligente e bene nostro
touring sarebbe quello che sto facendo
Certo che un computer meriterebbe di essere
chiamato intelligente se potesse ingannare a
Umano nel credere che ci fosse umano Oh
1952 abbiamo già avuto il primo a I
applicazione in realtà il nostro da assemblare
implementato il motore di gioco in realtà AI
che era in grado di giocare a dama
utilizzando migliaia di registro reticolo
giochi di scacchi e avere l’applicazione
impara da quei giochi
ben avanti veloce cinque 45 anni al
futuro o addirittura quasi 20 anni in
il passato 1997 IBM ha sconfitto il blu profondo
Kasparov era una grande cosa allora
il tempo in cui è stato combattuto, okay, ci siamo fatti grandi
progresso ma per esempio il gioco di Go
che è molto più complessa è il modo
modo nei decenni futuri bene c’era
un altro grande passo avanti in realtà
Il 2011 IBM Watson è stato capace dopo
sconfiggere i suoi avversari in pericolo
jeopardy è fondamentalmente un gioco quiz an
la risposta è data e un concorrente deve
dare la domanda che anela a questo
risposta e la difficoltà è che devi
in realtà prima conosci il contesto che hai
essere in grado di formulare correttamente
frasi quindi tutti i nomi degli aggettivi
coniugazioni di pronomi devi essere
corretto oh sì, ho bisogno di sapere cosa
tu stai parlando di
quindi è stata un’impresa impressionante comunque
anche allora andare era ancora molto lontano
in realtà non era nel 2016 la maggior parte di voi
conosci google deepmind sconfitto vai vai
campione Lee sedol
e in realtà l’ha fatto quattro volte contro
uno e in realtà ora lo sono già
ritirato ma fondamentalmente c’era a
svolta perché nel 2015 il loro
il padre sarebbe ancora in decadi così
è come avere una macchina volante in grado di farlo
per il pre-ordine di domani è davvero
impressionante quanto velocemente sono andato bene lì
era una breve introduzione sulla storia
che tipo di intelligenza abbiamo noi
hanno considerato l’IA debole un’IA forte
l’ intelligenza artificiale forte solitamente significa che l’hai
generico artificiale
fondamentalmente ciò significa che hai artificiale
l’intelligenza come livello umano sei
capace di ragionare su diversi problemi
domini e non sei bloccato solo
dama per esempio noi dall’altra parte
è davvero molto specifico , significa questo
l’intelligenza artificiale è fondamentalmente capace
eseguire un’attività, ad esempio dama
o scacchi in questo gioco così come abbiamo visto
la storia di AI ci fu improvvisamente a
i primi grandi progressi furono 45 anni
improvvisamente senza entro 17 anni o
tutto ha cambiato il modo in cui è stato possibile
beh, la prima cosa saranno i big data
ora abbiamo una tale quantità di dati
che erano in grado di allenarsi veramente
questi algoritmi che vogliamo usare per
AI questo era davvero nel 1997 davvero
inimmaginabile che ci sarà Google
che è magazzini e magazzini e
magazzini di computer che memorizzano dati
con le foto di gatti che non conosco e noi
avere un grande computer significa fondamentalmente
che abbiamo anche grandi dati di grandi dimensioni
centri di potenza informatica economica e
specializzato un altro fatto meno noto
in realtà ancora avanzando algoritmi
in realtà
così che cosa è che la trasmissione di algoritmi per
che quando ho studiato nel 1999 neurale
le reti erano fondamentalmente buone ma
non è realmente fattibile a causa del fatto che
era lento ci volevano un sacco di informatica
potere e tempo per addestrare un tale modello
tuttavia nel 2006 c’era questa persona
di chi ho dimenticato il nome, a dire il vero
rivoluzionare una parte della formazione
meccanismo nella creazione di reti neurali
possibile effettivamente usare neurale
in rete nel 2010 questo era già
ridondante ma ha dato una nuova spinta a
reti neurali e renderlo possibile
per usare effettivamente questi è l’altro
il fatto che ce ne siano diversi
aziende ora fortemente investite in
machine learning che lancia grandi somme
contro di esso e davvero mettendo
tempo e fatica in questo modo questi fattori
combinato è il motivo per cui l’intelligenza artificiale è fuori di sette così
diciamo solo gli ultimi sette anni
fare un ritorno davvero molto forte
apprendimento automatico come fa la macchina
l’apprendimento differisce dalla normale programmazione
la maggior parte lo sai ma fondamentalmente macchina
impararlo significa che in regolare
dati dell’anno di programmazione se si programma se
mangiano nel computer si ottiene l’output
l’apprendimento automatico di base è un po ‘
diverso ovviamente dai dati forniti
è un certo risultato che ti aspetti
i dati e il computer dovrebbero
produrre un programma che lo risolva
problema per te quindi non lo sei
fare tutto da solo per esempio
beh, abbiamo una mela FF che ti fa orangolare
non posso davvero confrontare mele e arance
ma è giusto come vorresti
differenziare questi bene prima di tutto io
Penserei che chiamante così bene e se
è un’immagine in scala di grigi che vorresti provare
struttura
beh se aggiungete bene le banane lo farebbero
aggiungere un’altra esclusione un’altra
eccezione etc etc prova un francese
alla fine ottieni un sacco di codice
che è in realtà io sono mantenibile che
non sarà mai completamente coprente
tutte le aree di frutta quindi è qui
l’apprendimento automatico arriva sì, ti alleni
esso e venire con la risposta
programma stesso quindi ciò che conta
machine learning hai dove
apprendimento supervisionato senza supervisione
imparando sempre
abbiamo l’apprendimento di rinforzo
l’apprendimento semi-supervisionato è fondamentalmente a
1/2 una soluzione tra sorvegliata
apprendimento e apprendimento senza sorveglianza noi
discuterò ciascuno di questi nel
apprendimento supervisionato di volo di conversazione
quindi cosa ha supervisionato l’apprendimento supervisionato
imparare significa avere una macchina
algoritmo di apprendimento che fornisci input
e continua ad allenarlo all’ingresso
ogni volta che dai l’input , darà a
predizione e poi tu dici se
la predizione dell’etichetta per esempio
è giusto o sbagliato se è sbagliato
era solo questo modello che continuo a ripetere
continua a ripetere fino a quando l’errore è basso
alla fine si estrae il
modello di classificazione da quella macchina
algoritmo di apprendimento perché è quello che è
tutto ciò lo mise nel tuo programma e
usalo tu dai l’ input che darà a
previsione quindi quali sono i principali algoritmi
usato quello per cui è stato supervisionato
classificazione e regressione dell’apprendimento
la classificazione in realtà significa che facciamo
Supponiamo che tu abbia due caratteristiche
in realtà gli aspetti migliori di un input su
a cui vuoi allenare il modello così
funzione 152 e tenta di classificare
ognuno
e per la regressione di solito hai un
caratteristica quindi ho un valore è un risultato
chiunque lo abbia stimato quale valore
potrebbe accadere se gli dai un input
per chiarire questo per la classificazione per
esempio abbiamo un set di dati di case e
stiamo andando a classificare il tipo di treno
in una classificazione in cui c’è qualcosa
la casa è economica o la casa è costosa
così come le funzionalità di input usiamo la zona giorno
si utilizza prezzo e dare il viaggio che si
continua la formazione continua ad allenarti e ognuno
tempo dirà che darà la casa
di dire che è economico è caro a noi
dì ora le tue dita sono economiche ma questo
l’esperienza è stata un modello di giustizia
alla fine avremo un modello che può
case separate basate sulla zona giorno
e il prezzo e determinare sì che è
a buon mercato questa è una regressione costosa sul nostro
la mano funziona in modo un po ‘diverso diciamo
abbiamo la zona giorno sì e il
i prezzi corrispondenti continuerò a dirlo
solo dato i dati ciò che l’idea è
allora alla fine avrà una funzione
quello realmente abbinerà l’area vivente
con con il prezzo se e se il modello
possiamo dargli solo una zona giorno e
produrrà un prezzo per noi un
stima del prezzo atteso così
la classificazione assicurata lo etichetterebbe
e una regressione proverebbe a stimare
valore reale se ci sono domande
chiedete per favore, per questo problema noi
usa le reti neurali che di solito puoi fare
in altri modi non l’ho visto ma
si potrebbe e la loro rete è basata su
il neurone biologico sembra
schematicamente piace a questo input straniero
venire attraverso la dendriti così in alto ho lasciato
andrà per la collana e
darà un segnale basato sull’input
assone alimentare ai terminali degli assoni abbastanza
di base in informatica lo faresti
Modellalo in questo modo, in pratica, questi sono
tutti gli input di ciascun input sono certi
peso così importante che era un po ‘il
pesi pesa l’ input per fare a
sommazione del passo e poi lo farà
determinare se verrà emesso o meno
il segnale e quanto è forte quel segnale
sarà così che sarà l’attivazione
funziona bene combinando tutti questi
reti otterrete qualcosa di simile
questa è una neurale a strati libera
rete ottieni il livello di input che hai
il livello di output ogni livello nascosto è
chiamato lo strato nascosto perché nessuno
vede il livello nascosto si vede solo l’input
e uscita come vista esterna e questo è
completamente connesso alla rete in modo che ciascuno
il neurone è collegato l’un l’ altro mai
per fare questo ho un po ‘più chiaro
vorrebbe dimostrare questa radiografia
attraverso qualcosa chiamato
Tufforflow ha predato tutti i tuoi giochi
hai già giocato con questo o vedi a
poche mani bene è davvero bello strumento
ti dà un’idea di come neurale
le reti funzionano con te
Ho creato una partita per spirale qui ma
è solo uno strumento molto utile per
visualizzando in modo da poter determinare qui
se vuole classificare o regredire
per questo input prendiamo i due
coordinate di ogni punto quindi X 1 X 2 così
le coordinate xey e stiamo andando
addestrare bene non hanno alcun successo
bugiardi c’è una bella separazione non lo facciamo
ho bisogno di un margine nascosto per questo, quindi facciamolo
un po ‘più complesso
questo è mio quindi hai quattro gruppi
in fondo lei è qui
l’arancione è qui il blu è lì e il blu
proviamo a farlo bene, è così
non combacerà è così aggiungiamo un nascosto
strato vediamo cosa fa
vedi che è improvvisamente questo bel colore
fondamentalmente la figura la linea è il
più grande è il peso se è blu
positivo se è arancione è negativo e
questa carenza di blu bianco è qui su
i neuroni sono fondamentalmente l’attivazione
funziona una rappresentazione del
funzione di attivazione in sostanza se si vede
blu qui significa tutto ciò che viene
in questo settore sarebbe positivo e il
il riposo sarà zero, quindi non è così
lavora questa separazione quindi aggiungiamone un po ‘
extra e riprovare
quindi qualche neurone in più e improvvisamente lo è
capace di dividere veramente e
classificare l’output
quindi questo è chiaro per tutti okay così
in deep learning in realtà
significa niente più di quello che usi a
rete neurale che è più di una lis
strato nascosto nient’altro, quindi questo è
profonda rete neurale profonda perché
questo è uno strato nascosto gratuito questo è un
esempio di come in breve questi livelli
rappresenterebbe ogni metodo di attivazione
quindi diciamo che hai un livello di input
che è un’immagine sono i soldi
categorizzato in gatti e cani volontà
influenza il volto umano e ciascuno per
ad ogni pixel diamo un nervo, quindi diciamo
c’è un 18 per 18 pixel top off I
non saprei quanto molti lo annotano
Sarebbe solo molto nello strato interno
in primo luogo otteniamo effettivamente i bordi
più tardi vedrai che è un
combinazione di bordi così gli occhi del naso
dopo di che più tardi nella vita dopo che si vede
i modelli oggetto ne escono uno carino
sarebbe anche online che puoi anche trovare
il modello iniziale è il modello di eccezione
è un modello efficiente addestrato
modello Fisher pre-addestrato da quello fresco
Hanno rilasciato questo può solo usare il gioco
in giro è piuttosto complicato il
modello stesso è così grande e anche loro
fatto un progetto qualcuno da Google
inizio che in realtà ti ha mostrato
mostra in realtà tutti i livelli e gli spettacoli
come questo sembrerebbe come abbiamo appena mostrato
prima su una vera rete neurale quindi questo
sarebbe al primo livello il
separatori e se guardiamo l’output
dopo il primo strato non so dove
puoi vedere ma questo è fondamentalmente un calore
mappa di ciò che è evidenziato del cane
che hai visto in precedenza
per quanto riguarda i bordi in modo da poter vedere
ecco la forma del cane qui sì
è interessante vedere che suggerirei
consigliare cosa guardare a proposito
questo è un taccuino Python molti di voi
probabilmente l’ho sentito in precedenza
sessioni su di esso vorrei davvero
consiglio di usarlo perché forse se
si marchio intelligente o qualcosa di questo è
praticamente lo stesso principio che puoi
basta scrivere il testo inserito nel codice che puoi
riutilizzare più tardi viene spiegato che ottiene
mostrato ed è eseguibile continuando così
non c’è solo una rete neurale
l’architettura ce ne sono parecchie
dalla rete neurale sei tu e lui
mostra bene che si hanno veramente a
considera che tipo di architetto tu
deciderei se vuoi costruire
la tua rete neurale quindi ci sono
diversi quadri che già forniscono
modelli addestrati attraverso un treno API
mentre alcuni attraverso un’API sono alcuni no
ad esempio Google Cloud Machine
motore di apprendimento della macchina IBM Watson
imparando che è frutto bluemix mio
macchina dell’equipaggio che apprende da poco apple
introdotto anche nell’apprendimento automatico
per le vostre applicazioni caffetteria a
ha un intero zoo modello che può scaricare
e usa ma per prima cosa in realtà
fornire api city ​​può direttamente utilizzando il
l’applicazione IBM watson era a proposito di a
sottoprodotto della IBM watson naturalmente dopo
giorno ha fatto il Jeopardy che hanno fatto a
molto bello rispondere a una domanda
meccanismo di risposta ma anche imparato a
tutto e ha dato i profili di API
per il pubblico così come loro hanno un
api da pesca Oh
API di riconoscimento vocale lo stesso vale
per Google Cloud e tutti gli altri ma
per esempio è molto bello poter giocare
per google si può giocare con la
Api da pesca , puoi solo andarci bene
prendi mia figlia per esempio è molto
bello così puoi solo
carica il suggerimento e rileverà
in realtà tutto ti faccio vedere
dirò che è pulita, non ne ho idea
quali sono le sue emozioni non si uniscono al Sora
nessuna rabbia, nessuna sorpresa, è come intorpidita
senza emozioni apparentemente sì lei lo è
apparentemente una persona infantile
e per qualche motivo Google pensa che sia giorno
anche se molti di voi probabilmente lo vedono
la notte dentro le luci, quindi è molto bello
puoi semplicemente ottenere un account gratuitamente
è molto divertente da giocare
e puoi semplicemente chiamare tramite l’API REST
dai tuoi programmi
va bene che era l’ apprendimento supervisionato
apprendimento non supervisionato lì fondamentalmente
significa il contrario di supervisione
imparando ovviamente cosa significhi questo
in fondo ho un sacco di dati che non ho
idea come la struttura potrebbe essere io
ho un algoritmo di apprendimento automatico, solo
darlo all’algoritmo e dire ok tu
prova a risolverlo tornerò
dopo e dopo averlo fatto tu
avere un modello di classificazione che può dare
input e ti daremo più o meno
dove si aspetta che il tuo input appartenga a
quindi sono principalmente algoritmi gratuiti
sono usati per questo clustering quando lo hai
ho cercato di trovare esempi simili, quindi questi
sono le istanze che queste sarebbero caratteristiche
ha mostrato aspetti che ci hai messo dentro e
qui sta bene queste istanze gratuite
hanno le stesse caratteristiche questi appartengono
l’un l’ altro insieme rilevamento anomalie
beh, tutto qui sarebbe bianco e
c’è solo una voce che è
completamente diverso dal resto
Scoperta dell’associazione che è e quando
fondamentalmente vedi ok per esempio questi
le istanze gratuite hanno funzionalità dal
seconda colonna ma hanno anche tutto
caratteristiche dalla quarta colonna bene e
un esempio dalla pratica sarà, diciamo
dal cibo negozio web e si nota
tutti quelli che comprano
panini e insalata sembrano anche comprare hamburger
ci sarà la scoperta dell’Associazione così
quando qualcuno compra lo vende e panini sì
potrebbero esserci alcuni hamburger in vigore per
Raggruppamento in base al modo in cui lo è
non cambi il set di dati o tu
non raggrupparlo ma fondamentalmente tu
prova a trovare dove sono i grappoli
questo è fondamentalmente un esempio di k-means
raggruppamento significa che hai davanti a te
inizia a dire va bene voglio trovare
tre cluster
questa è la K gratis e inizierò da
casuale, ho solo indicato qui e là
e poi proveremo a cambiare
quei punti medi dei grappoli il
punti centrali dei grappoli fino al
le distanze dei punti diventano ridotte al minimo e
continua a ripetere fino a quando non ci sono
cambia quindi continua a spostare i punti medi
quelli sono questi tilt trovato il migliore
soluzione per i cluster gratuiti al ribasso
dovresti sapere che è gratis
cluster in anticipo è un po ‘di
– beh anche noi abbiamo fatto una quinta anche per questo
molto offriamo prodotti prodotti da
profilo del cliente così abbiamo fatto anche noi
raggruppamento di categorie di base produttore
codice postale e alla fine eravamo
capace di fare realmente prodotto
suggerimenti basati su quello che erano
cercando così, ad esempio, c’era un
probabilità dello 0 90% di quel prodotto
ID 11 807 che è set di punte SES plus
dovrebbe essere raccomandato
così bene che era l’apprendimento supervisionato
con apprendimento non supervisionato e ora questo
rinforzo che apprende ciò che è
apprendimento di rinforzo che è quando tu
hanno un algoritmo che possono eseguire
certe azioni per esempio il gioco che puoi
andate a sinistra
non puoi andare a destra forse sicuro a testa
l’azione ha un effetto sul mondo e come
un ritorno ottieni una ricompensa crescente
segnare per esempio e ottenere un nuovo stato
ti sei mosso giusto tu sei più o meno lo stesso
posizione dove eri prima che a
un buon esempio è in realtà questo gioco è
un mattone molti di voi sanno proprio scoppiare
è un gioco di Atari ed era in realtà
usato da deepmind prima che arrivino
addestrare i loro modelli usando rinforzi
imparare è anche una delle ragioni
Google in basso è così fantastico
si ok quindi in pratica ne hanno presi solo due
foto o urlo sociale il suo input e
punteggio è tutto ciò che è stato inserito per il
modello nient’altro solo il punteggio e a
pixel e sapeva cosa avrebbe dovuto
fare sinistra o destra, ma va bene inizia
minuti di addestramento dell’allenamento
Leslie ci fa schifo così vedi l’uomo
a volte lo fa colpire la palla da
coincidenza ma si, non è molto
esperto ma dopo due ore giocate
come un esperto, quindi non ha avuto problemi
è abbastanza bravo, avrei dei problemi
picchiandolo
sì, il cambio di ricompensa è fondamentalmente il
modello è basato su questa decisione Markov
processo e tornerò a quello in a
secondo dopo due ore in realtà
succede qualcosa di speciale che scopre
che c’è ancora modo migliore per segnare
punta fondamentalmente dal tunneling che era
vedere in un secondo quindi è abbastanza buono così
sì fondamentalmente qualcuno sì lui aggiorna
questo modello fondamentalmente dai premi
si fa così provare il gioco del gioco del
gioco del gioco e prende una decisione
albero fondamentalmente e ogni decisione lui
rende ha una certa probabilità per
certo premio e ci prova
aggiornandolo in base all’esperienza e
alla fine funziona abbastanza bene e
deepmind è per tutti i tipi di giochi Atari
e in effetti l’ ho mostrato come fondamentalmente a
possibilità di intelligenza generica
lì per il fatto che non c’era
conoscenza di dominio in precedenza coinvolto esso
era capace di risolvere parecchie fatine
stelle per tutti i tipi di giochi Atari ma
c’è anche sì si potrebbe dire che è
sottoinsieme di apprendimento di rinforzo
si chiama algoritmi genetici più se
ne hai sentito parlare fondamentalmente
non è un po ‘diverso?
qui prendi un modello e tieni
addestramento che l’algoritmo genetico funziona a
un po ‘diverso c’è un bel
esempio su internet non questo sì
Mi chiedo come si sia allenato a proposito
comunque questo è un esempio genetico
algoritmo Walker fondamentalmente bene lo fa
ogni generazione che ha congelato aveva 10 modelli
c’è in base a quanto lontano può arrivare qualcuno
quindi quanta ricompensa ottiene in un modello
una corsa determina chi vive e muore
e chi può riprodurlo così per esempio
Ho configurato questo dai campioni
copiare a se lo vedi lì solo così
Se
vinci il gioco nei tuoi primi due
posizioni si passa solo a quella successiva
giro e il resto di loro o ottiene
ucciso o attraversato
quindi fondamentalmente proprietà da una talpa
saranno combinati con colture ad altri
modelli e ottimizzando così o renderlo in
bene peggio dipende e ogni volta che si
andare avanti e avanti e avanti e poi
tenere traccia dei punteggi ottimali così anche
ci sono molti algoritmi da scegliere
da così è davvero importante avere un
Afferra ciò che vuoi risolvere come te
vogliono risolverlo e ciò che è necessario
risolvilo così come viene applicato
la vita di tutti i giorni insomma si può vedere
diverse applicazioni già in esecuzione
con esso dove le previsioni per Amsterdam
c’è un sistema di filtrazione che
in realtà può prevedere se o non
qualcosa sta per riempire o qualcosa
ha bisogno di attenzione traduzione automatica così
questo è in realtà diversi problemi in
uno in modo da avere il riconoscimento delle immagini
Dave in traduzione devono stare bene
mostriamo quella traduzione sull’immagine
di nuovo così e questo è in realtà il cancro
rilevamento così su un livello molto basso
determinare cosa è la probabilità che
qualcosa potrebbe essere spam fuori posto
filtri naturalmente e una macchina di blocco di prova così
come vorresti iniziare così, lo farò
essere molto breve ma ce ne sono fondamentalmente due
modi per iniziare è solo usato per pre
modellino modelli come l’API di pesca I just
mostra basta usarlo nella tua applicazione e
bene non reinventare la ruota per semplice
fatti sì ci sono persone là fuori
lo ha fatto prima di te e tu probabilmente
non lo faranno molto meglio così come
Ho già detto prima che c’è un Google
Cloud ml IBM bluemix microfiche o ecc
ecc. oppure puoi costruire il tuo e modificare
con il tuo ma
quindi suggerirei prima di tutto di imparare
Python si puoi usare la maggior parte delle librerie
con Java Scala amo quelli ma
fondamentalmente la scienza e la macchina dei dati
aree di apprendimento tutto è così Python
ogni esempio che vedrai è morso e
ogni notebook che vedrai spiato così
l’inizio basta imparare Python e se
sei abbastanza comodo con
tutto forse poi passerà a un altro
un’altra lingua nel taccuino dei sottotitoli
davvero installarlo e provare a ragazzi online
c’è un sacco di loro sono molto buoni
e sarai sciocco se non lo usi
bene per esempio l’apprendimento automatico
librerie che potresti usare se vuoi
farlo da solo è tensorflow
in realtà TF impara o la torcia di Kara che
è più recente
Tianna peyten apprende in profondità per J’s
qualcuno l’ha fatto
Java e tosse a entrare per diversi
altri ma questi sono i promemoria per quelli
chi si sta chiedendo davvero cosa sia dieci
il flusso nelle basi non è basato sul grafico
quadro di calcolo quindi le librerie
oltre al suo supporto per l’apprendimento automatico
ma in sostanza è un grafico basato
quadro di calcolo che ottimizza
per la parallelizzazione e altre cose
come l’esecuzione sulla CPU ti mantiene GPU
parallelizzazione o più processi ecc
bene anche se nessuno ha visto il discorso
ieri circa l’analisi dei dati sì
è un aspetto molto importante prima di
tutto quello che volete inquadrare il problema che ho
non ho trovato quello che vuoi risolvere
esempio con i dati alloggiamento sì quello
vuoi risolvere davvero?
per conoscere i prezzi o semplicemente non vuoi
per sapere quanto è costoso o costoso
economico quindi è necessario regolare i dati come
bene
pulendolo filtralo e regolalo
dove ho bisogno di te devi guardare a
immagine più grande in fondo quello che sta per succedere
vieni prima e cosa ti aspetta
macchina
quindi il motivo per cui prevedo l’alloggio
i prezzi non sono perché sei un fan
di case di solito usualmente di solito
è perché c’è un altro processo
dopo di te che ha davvero bisogno di questo
informazioni bene il terzo punto controlla il tuo
ipotesi perché hai quelle e
di solito sono sbagliati e visualizzati
di nuovo nella torta per notebook se ne hai
un modello di modulo ID se ne hai un’idea
come i dati dicono che fai se pensi
il tuo apprendimento automatico dovrebbe funzionare
visualizzarlo
visualizza ogni passo vedi come esce
non metterlo nella tua applicazione a
una volta il futuro dell’IA così come l’ho visto
è andato abbastanza rapidamente negli ultimi anni così
rapido in realtà inimmaginabile per
esempio questo è l’agente di polizia di –
entro il 2030 Dubai ha intenzione di avere me
ritengono che il 50% della forza di polizia sia sostituito da
queste cose
tuttavia non è altro che un walk-in
chiosco al momento d’altra parte noi
avere Boston Dynamics che è in realtà
contratto militare ex militare da
Google e questi non sono barzellette e
un’altra cosa su ciò che Google ha recentemente
rilasciato per esempio due documenti
per quanto riguarda
reti relazionali quindi queste sono speciali
reti che vogliono avere plug-in
ordine
reti neurali che vogliamo utilizzare
rispondere a una domanda come questa c’è un piccolo
gomma fing c’è lo stesso colore è
un cilindro grande che forma è così
piccoli piedini di gomma dello stesso colore è questo
grande cosa così per noi è già un po ‘
passi e in realtà dimostrano che
erano in grado di rispondere a questa domanda
con molto meglio della competenza umana
quindi sì, non possiamo aspettarci molto di più
il prossimo futuro
riguardo a ciò ecco alcune risorse
anche che dovresti davvero controllare io
suggerirei davvero guardare un altro aspetto
una buona pratica è in realtà questa
o vero zero alieno
Probabilmente ho dichiarato sbagliato ma II
ha scritto un intero libro ha messo tutto questo
questi quaderni online si alzano e
darti davvero una buona introduzione
il lato bambino della scienza dei dati tende a fluire tutti
quelle cose ci vorrà tempo ma mi dispiace
è anche il libro di O’Reilly che ha pubblicato
un libro di Riley, sì, l’aiutante no
sappi, ricorda il serbatoio, sì, non lo so
quello che ha detto introduzione, ma fondamentalmente
sì, posso dire che il flusso è così grosso
è una buona lettura no sì e le diapositive
rappresenta davvero anche questo libro
è davvero molto importante da guardare
questo se vuoi, questi sono altri
questo è imagenet varie fonti
per esempio ricerca per tutti i tipi di
immagini e computazione fondamentalmente a
controlla quanto è buono il tuo riconoscimento facciale
è immaturo, l’AIA aperta è a
buona piattaforma di promozione aperta AI e loro
hanno anche una palestra all’aperto per competere
per diversi problemi e quello che ho appena
ha mostrato che sei un algoritmo genetico bene
camminatori che è fondamentalmente semplice
divertimento genetico per qualsiasi domanda
Please follow and like us: