El aprendizaje automático es un término generalizado, pero no todo el mundo lo entiende bien. En este artículo, las expertas de la dirección de soluciones analíticas de KORUS Consulting Group Alena Gaybatova y Ekaterina Stepanova te dirán qué es realmente el aprendizaje automático (ML), en qué casos se debe utilizar esta tecnología en proyectos, y también dónde el aprendizaje automático se utiliza activamente en la práctica. ...
Cómo se manejan los datos
Durante mucho tiempo, en las reuniones con los clientes, comenzamos a notar que todos confunden aprendizaje automático, inteligencia artificial (IA), big data y otros términos de este campo.
Entonces, el nombre general de la tecnología es inteligencia artificial. Es de dos tipos: fuerte (también conocido como general) y débil. No hablaremos de una IA fuerte, especialmente porque se trata de decisiones a nivel de Terminator. Nos estamos acercando lentamente, pero hasta ahora solo existe en forma de fragmentos de IA débil reunidos (como, por ejemplo, en columnas "inteligentes").
Es mucho más interesante hablar de inteligencia artificial débil. También se divide en dos tipos. El primero son los sistemas expertos , algoritmos programados manualmente (por ejemplo, el algoritmo para traducir palabras de un idioma a otro programado por un grupo de lingüistas).
El segundo son los llamados sistemas basados en datos que extraen la lógica del trabajo a partir de algún tipo de datos históricos. Este tipo tiene muchos términos sinónimos que han surgido con el tiempo:
de moda en los años 90 y cero minería de datos y descubrimiento de conocimiento desde la base de datos (KDD),
ciencia de datos, que comenzó a utilizarse más cerca de 2010,
Big Data es popular hoy en día. La única excepción, o más bien una adición, que introduce este término es la presencia de una gran cantidad de datos estructurados de forma compleja.
Diferentes algoritmos para diferentes tareas.
De acuerdo con los dos tipos de IA débil, podemos sacar conclusiones de los datos manualmente (con sistemas expertos) y utilizando el aprendizaje automático. Este, a su vez, se subdivide en dos tipos: ML clásico y aprendizaje profundo (utilizando redes neuronales profundas con una gran cantidad de capas).
ML . , , : , . , , c.
— , , . , : , , . , . , .
, — . , , .
? : , . : — 3 . , .
- , , .
– , , . — : , , — , .
— . , - . — , , , . . . , .
, .
– . C . 4 . – . , , . , , . .
C , — .
1950- . , : .
, . , . , . , , , .
ML . .
, . , .
. ( – , , ). , , , , , .
Uplift, . Uplift , , ( , ), .
–
, . ML . , , .
, - ;
, / ;
, , .
– . C ,
, , , , , . - .
, ML , , , , , , , , — .
, . , , , , , , . , , .
— . , , , , . – , , , . ML — , , , , , , .
, , . ( ), . , , – , - .
C , , , , , , , .
, , , . , , , ML- -.
, , . , , , . , .