Hiểu về học máy,en
We have heard the term ‘machine learning’ in different discussions and forums, but what does it exactly mean? Machine learning can be defined as a method for data analysis, based on pattern recognition and computational learning. It comprises of different algorithms like neural networks, decision trees, Bayesian networks etc. Machine learning Sử dụng các thuật toán này để học từ dữ liệu và khôi phục những hiểu biết ẩn từ dữ liệu,en,Theo định nghĩa từ,en,Học máy là một nhánh của trí tuệ nhân tạo,en,và khoa học máy tính tập trung vào việc sử dụng dữ liệu và thuật toán để bắt chước cách con người học,en,dần dần cải thiện độ chính xác của nó.,en,Để hiểu thêm về ý nghĩa của việc học máy,en,Chúng ta có thể so sánh nó với lập trình máy tính bình thường,en,Các phần sau sẽ thảo luận thêm về học máy và sự khác biệt của nó so với lập trình truyền thống,en,Lập trình truyền thống là gì,en,Khi chúng tôi lập trình một máy tính,en,Chúng tôi thực sự đưa ra hướng dẫn cho nó bằng một ngôn ngữ mà nó hiểu,en,Khi chúng tôi cung cấp cho nó một đầu vào,en,Nó cung cấp một đầu ra hợp lý dựa trên các hướng dẫn mà chúng tôi đã cung cấp cho nó,en. The learning process is iterative, so the new data is also handled without any supervision. The science (machine learning) to learn from previous data and use it for future data is not new, but it is gaining more popularity nowadays.
What is machine learning?
By definition from IBM – “Machine learning is a branch of artificial intelligence (AI) and computer science which focuses on the use of data and algorithms to imitate the way that humans learn, gradually improving its accuracy.”
While some people believe that machine learning is no better than the old method of computer programming that we still use now, many consider it as a revolution the field of artificial intelligence. They believe that using this technology, machines will be able to learn things and do things with their own experience, rather than dumbly follow human instructions.
To understand more about the meaning of machine learning, we can compare it to normal computer programming. The following sections will discuss more about the machine learning and its difference from traditional programming.
Must Read – Types of Artificial Intelligence – Let’s Explore
What is traditional programming?
When we program a computer, we actually give directions to it in a language that it understands. Then, when we give it an input, it gives a reasonable output based on the instructions that we have given to it.
Now, Hãy tưởng tượng rằng bạn đã đưa ra một đầu vào để đăng ký thẻ tín dụng,en,Trong khi xử lý đầu vào của bạn,en,Hệ thống sẽ xem xét tất cả các phần quan trọng trong ứng dụng của bạn,en,lấy thông tin cần thiết và xử lý nó,en,Nó sẽ tạo ra đầu ra của sự chấp nhận hoặc từ chối dựa trên chương trình đã được cung cấp cho nó,en,Hệ thống có thể sử dụng các phương pháp khác nhau để dự đoán nhãn trên dữ liệu không nhãn,en,Phương pháp này được sử dụng để thực hiện các dự đoán sự kiện trong tương lai dựa trên dữ liệu trong quá khứ,en,Loại phương pháp học máy này được sử dụng ở những nơi tương tự,en,Nhưng nó cũng sử dụng dữ liệu không nhãn trong khi đào tạo,en,Nó hoạt động với dữ liệu không được gắn nhãn nhiều hơn các dữ liệu được dán nhãn,en,Nhưng nó cũng sử dụng những cái được dán nhãn,en,Điều này là do dữ liệu không ghi nhãn có thể được thu thập dễ dàng,en,Dữ liệu không ghi nhãn đề cập đến những dữ liệu không có bất kỳ mô tả nào,en. While processing your input, the system will look at all the important parts of your application, take the necessary information and process it. Sau đó, it’ll produce the output of acceptance or rejection based on the program that was fed to it.
Must Read – Data Science and R – Let’s Explore
How machine learning is different?
If you use machine learning in the place of traditional programming methods in the credit card scenario, then the result would have been somewhat different. The result will actually be based on the input data and the system will gain experience by processing that input data. There won’t be any special program for it. As it’ll gain more and more experience, its performance will get better with time.
So, actually machine learning is a part of AI or Artificial Intelligence. It learns by analyzing the large quantity of data files made with each usage of the system. As it’ll analyse the data, it’ll change its programming according to newer demands. This leads to improvement in its accuracy too. We can also say that machine learning is like a linear regression, where the variables and parameters are changed to better match the input provided.
Must read –Major Benefits of Artificial Intelligence in Education
What are the popular machine learning methods?
The most popular methods of machine learning are unsupervised and supervised learning methods. Among these, the supervised method is most commonly used. Về 70% is supervised and 10-20 percent is unsupervised. Semi-supervised and reinforcement learning is also used in many cases.
Must read- Convolutional Neural Network (CNN) & its implementation in Python
Supervised learning
Trong phương pháp này, the algorithms are included with labelled examples, where labelled data means that the data is given a description. The machine learning system will receive both some inputs and their corresponding outputs. Now, the system can get more experience by comparing the outputs with the correct outputs to find the errors.
After analyzing the outputs and finding out the errors, the system will change its programming accordingly. The system can use different methods to predict the label on unlabeled data. This method is used to do future event predictions based on past data.
Also read –Apache Mahout and machine learning
Semi-supervised learning
This kind of machine learning method is used in similar places, but it also uses unlabeled data while training. Usually, it works with unlabeled data more than labelled ones, but it uses the labelled ones too. This is because unlabelled data can be gathered easily. Here, unlabelled data refers to those data which lack any description at all.
Phương pháp này cũng có các yếu tố học tập tương tự,en,Phân loại và hồi quy,en,Đây là tốt nhất khi chi phí liên quan đến,en,học tập giám sát,en,là quá cao,en,Phương pháp này được sử dụng cho những dữ liệu không có nhãn nào,en,Dữ liệu không ghi nhãn,en,Tầm quan trọng của việc học máy là gì,en,Tầm quan trọng của việc học máy đang phát triển từng ngày vì những lý do tương tự đã khiến khái niệm khai thác dữ liệu trở nên quan trọng,en,Những lý do này bao gồm sức mạnh tính toán giá rẻ và mạnh mẽ,en,Một lượng lớn dữ liệu được tạo ra mỗi ngày và các phương pháp lưu trữ dữ liệu có dung lượng cao và rẻ tiền,en,Những yếu tố này đảm bảo rằng các mô hình mạnh mẽ và chính xác có thể được thực hiện rất nhanh,en,có thể được sử dụng trong phân tích dự trữ dữ liệu lớn trong Bulks,en,Để trở nên tốt hơn,en,đầu ra chính xác cao,en, i.e. prediction, classification and regression. This is the best when the cost involved with supervised learning is too high.
Must read –Learn Advantages and Disadvantages Of Artificial Intelligence
Unsupervised learning
This method is used for those data which doesn’t have any labels at all, i.e. unlabelled data. Thus, the system knows nothing of the correct output and so, the algorithm has to figure out the correct output itself. It can do this by finding some structures within the data. This type of machine learning method is perfect for transactional data. The factors of learning here are nearest-neighbour and self-organizing mapping, along with singular value decomposition and k-means clustering.
Reinforcement learning
This machine learning method is used in places like gaming, vehicle navigation and robotics. Trong phương pháp này, the system learns by a trial and error method. The main goal in this method is to find out the output in the least time, which can be done by following a suitable policy. The three components in this learning method are the agent which learns the environment to interact with and the actions to do.
Also read- Drone Cops: The Future of Police Surveillance
What is the importance of machine learning?
The importance of machine learning is growing day by day due to the same reasons that have made the concept of data mining so important. These reasons include cheap and powerful computational power, large amounts of data being created every day and inexpensive and high-capacity data storage methods. These factors ensure that powerful and accurate models can be made very quickly, which can be used in analysis big data reserves in bulks, in order to get better, highly accurate outputs. Điều này có nghĩa là các mô hình tốt hơn có thể được sử dụng để đưa ra các quyết định kinh doanh và doanh nghiệp tốt hơn vào thời điểm ít hơn,en,Và điều đó cũng không có công việc của con người,en,Một cách để thực hiện các mô hình chính xác như vậy một cách nhanh chóng là mô hình tự động thực hiện,en,Mô hình này phải đủ năng động để theo kịp thời gian thay đổi,en,Trong khi con người có thể tạo hai mô hình một tuần,en,Học máy có thể tạo ra hàng ngàn mô hình chính xác như vậy bằng cách phân tích dữ liệu một cách nhanh chóng,en,Đó là lý do tại sao học máy rất quan trọng đối với các doanh nghiệp và các lĩnh vực khác hiện nay,en,Các thuật toán và quy trình học máy là gì,en,Thuật toán học máy giúp đỡ trong việc tận dụng tối đa dữ liệu lớn,en,bằng cách giúp hệ thống phân tích nhanh chóng dữ liệu và tạo ra kết quả chính xác,en, and that too without any human work.
One way to make such accurate models quickly is automated model making. Also, this model should be dynamic enough to keep up with the changing times. While humans can create two models a week, machine learning can create thousands of such accurate models by analyzing data quickly. So, that is why machine learning is so important for businesses and other fields nowadays.
Also read – Khám phá tương lai của trí tuệ nhân tạo,en
What are the machine learning algorithms and processes?
Machine learning algorithms help in getting the most out of big data, by helping the system to quickly analyse the data and produce accurate results. Các thuật toán này giúp tạo ra một mô hình có thể được sử dụng để đưa ra quyết định kinh doanh,en,Một số loại thuật toán là mạng lưới thần kinh,en,Rừng ngẫu nhiên,en,K-MEANS phân cụm,en,Bản đồ tự tổ chức và lập bản đồ lân cận gần nhất,en,chỉ sử dụng thuật toán không phải là tất cả,en,Mô hình tốt nhất chỉ có thể được thực hiện bằng cách tuân theo một quy trình phù hợp,en,Một số ví dụ về các quy trình như vậy là quản lý dữ liệu toàn diện,en,Khám phá tương tác dữ liệu và trực quan hóa các kết quả được tìm thấy bởi mô hình,en,Tác động của việc học máy đối với kinh doanh là gì,en,Tác động của học máy đối với kinh doanh là rất lớn,en,Học máy đã mở ra những khả năng mới cho các doanh nghiệp,en,Nó đã giúp thực hiện mô hình chính xác mà lần lượt đã giúp đưa ra các quyết định tốt hơn và thông minh hơn một cách nhanh chóng,en. Some algorithm types are neural networks, random forests, k-means clustering, self-organizing maps and nearest-neighbour mapping.
However, using just algorithms is not all. The best model can be only made by following a suitable process. Some examples of such processes are comprehensive data management, interactive exploration of data and visualization of the results found by the model.
What is the impact of machine learning on business?
The impact of machine learning on business is tremendous. Machine learning has opened new possibilities for businesses. It has helped in accurate model making which have in turn helped in making better and smarter decisions quickly.
Một số cách sử dụng máy học đã được đề cập trong phần tiếp theo,en,Học máy đang được sử dụng ở nhiều nơi trong những ngày này,en,Hãy để một cái nhìn vào một số trong số họ và những gì họ thực sự làm,en,Aveas,es,phần mềm y tế hoặc một bác sĩ máy tính để bàn ”,en,là một chương trình dựa trên máy học sử dụng hàng trăm năm kiến thức y tế để giúp các bác sĩ phát hiện bệnh,en,Amazon đã tự động hóa việc cấp và thu hồi quyền truy cập nhân viên của mình thông qua thuật toán máy tính có thể dự đoán quyền truy cập tài nguyên cho mỗi nhân viên,en,Thuật toán học máy cũng đang được Đại học Cornell sử dụng để phát hiện cá voi trong đại dương thông qua các bản ghi âm,en,để các tàu có thể tránh chúng,en,Khi dữ liệu đang phát triển từng ngày,en,Tầm quan trọng của việc xử lý hiệu quả cũng đang phát triển,en.
Some practical use cases
Machine learning is being used in many places these days. Let’s have a look at some of them and what they actually do.
Promedas, medical software or a “desktop doctor”, is a machine learning based program uses hundreds of years of medical knowledge to help the doctors in detecting the disease.
Also, Amazon has automated its employee access granting and revocation through a computer algorithm which can predict the resource access for each employee.
Machine learning algorithms are also being used by Cornell University to detect whales in the ocean through sound recordings, so that ships can avoid them.
Must read – How Artificial Intelligence can help in recruitment process?
Kết luận
As data is growing day by day, the importance of effective processing is also growing. For this, Phương pháp học máy đã được nghĩ ra,en,giúp hệ thống đưa ra quyết định thông minh,en,Hầu như không có sự tham gia của con người,en,Tác động hiện tại của công nghệ này đối với lĩnh vực CNTT đã rất lớn,en,Vì vậy, thật dễ dàng để tưởng tượng rằng nó vẫn sẽ rất quan trọng trong tương lai,en, which helps the system in making smart decisions, almost without the involvement of humans. The present impact of this technology on the IT sector has been tremendous, so it is easy to imagine that it’ll still be very important in the future too.
