เมื่อฉันเข้าร่วม B. Tech ในสาขาปัญญาประดิษฐ์ ฉันไม่รู้ด้วยซ้ำว่าภาษาโปรแกรมคืออะไร เนื่องจากมีการโฆษณาเกินจริง การที่มีโอกาสทำงานมากมายทำให้ฉันตัดสินใจครั้งนี้ เมื่อฉันเข้าร่วม ฉันสับสนมากขึ้นกับทุกสิ่ง และมีคำถามมากมายในใจเช่น Machine Learning คืออะไร มันแตกต่างจากการเข้ารหัสปกติอย่างไร? เราใช้มันที่ไหน? จะเริ่มเรียนรู้ได้อย่างไร? ขั้นตอนที่เกี่ยวข้องในโครงการแมชชีนเลิร์นนิงมีอะไรบ้าง ทุกคนจำเป็นต้องปฏิบัติตามขั้นตอนเดียวกันหรือไม่? Data Science แตกต่างอย่างไร (คุณอาจเคยได้ยินคำนี้เหมือนกัน) ? และคำถามที่ยังไม่มีคำตอบอีกมากมาย สิ่งเดียวที่ฉันรู้คือเรามีเครื่องมือที่ใหญ่ที่สุดในการรับข้อมูลและความรู้ เช่น GOOGLE แต่คุณรู้ไหมว่าเมื่อคุณค้นหาบางสิ่งใน Google มันจะโยนลิงค์และเว็บไซต์ที่เกี่ยวข้องจำนวนมากไปบนหน้าจอของคุณและคุณจะสับสนมากยิ่งขึ้น ความยากลำบากที่ฉันต้องเผชิญในขณะที่เรียนทำให้ฉันเขียนบทความนี้ ฉันจะพยายามติดตามบทความชุดต่างๆ ในหัวข้อนี้ในอีกไม่กี่วันข้างหน้า นี่มันไป.
ถึงตอนนี้ นักเรียนส่วนใหญ่โดยไม่คำนึงถึงโดเมนของพวกเขาเคยได้ยินคำว่า "การเรียนรู้ของเครื่องและปัญญาประดิษฐ์" ทุกวันนี้มีกระแสฮือฮามากมายเนื่องมาจากความก้าวหน้าในสาขาวิทยาการคอมพิวเตอร์ และความจริงที่ว่า Machine Learning สามารถใช้กับโดเมนอื่นๆ ได้ตราบใดที่ยังมีข้อมูลอยู่
การเรียนรู้ของเครื่อง คำนี้กลายเป็นคำที่ใช้กันทั่วไปมากขึ้นว่า "การหายใจ" ในช่วงไม่กี่ปีที่ผ่านมา เนื่องจากปริมาณข้อมูลที่เพิ่มขึ้น เทคโนโลยีจึงได้รับการปรับปรุงเพื่อรองรับข้อมูลเพื่อนำไปใช้ในการพัฒนาและความก้าวหน้าในด้านต่างๆ ไม่ว่าข้อมูลจะปรากฏในวงกว้างเพียงใด Machine Learning ก็สามารถนำมาใช้ได้
เราสามารถนำ Machine Learning ไปใช้กับทุกกรณีได้หรือไม่?
ใช่ เราทำได้ แต่ทั้งหมดขึ้นอยู่กับความเป็นไปได้ของกรณีการใช้งาน เพื่อวัตถุประสงค์ทางธุรกิจ เราต้องเข้าใจความเป็นไปได้ของการใช้ ML โดยส่วนใหญ่แล้วการใช้สถิติในการวิเคราะห์ข้อมูลจะช่วยแก้ปัญหาได้ ความเป็นไปได้รวมถึงต้นทุนการผลิตของผลิตภัณฑ์ ความพร้อมของทรัพยากร ฯลฯ
มันเหมือนกับการเขียนโค้ด/การเขียนโปรแกรมปกติหรือไม่?
มันใช้แนวคิดการเขียนโปรแกรมทั่วไปบางอย่าง แต่มันก็ไม่เหมือนกับการเขียนโปรแกรมแบบเดิม ในการเขียนโปรแกรมแบบดั้งเดิม เราให้คำแนะนำกับเครื่องจักร/คอมพิวเตอร์และคาดหวังผลลัพธ์ ในขณะที่ใน Machine Learning เครื่องจักรจะเรียนรู้จากข้อมูลก่อนหน้าของปัญหาเดียวกันหรือกรณีการใช้งาน และให้ผลลัพธ์ในสถานการณ์ในอนาคตของกรณีเดียวกัน โดยใช้สถิติ พูดให้ถูกก็คือ แมชชีนเลิร์นนิงเป็นการผสมผสานระหว่างวิทยาการคอมพิวเตอร์ คณิตศาสตร์ และสถิติ การจะเก่งในด้าน Machine Learning การทำความเข้าใจสถิติเป็นสิ่งสำคัญมาก
เราจะเริ่มต้นเรียนรู้อย่างไร?
ดังที่ได้กล่าวไปแล้วว่า Machine Learning เป็นการผสมผสานระหว่างวิทยาการคอมพิวเตอร์ คณิตศาสตร์ และสถิติ ซึ่งเราควรมีความรู้พื้นฐานเกี่ยวกับทั้งสามสิ่งนี้
วิทยาการคอมพิวเตอร์ :
การเรียนรู้ของเครื่องส่วนใหญ่ดำเนินการด้วย python และแนะนำให้ใช้ R. Python สำหรับผู้เริ่มต้น แนวคิดพื้นฐานของ Python การใช้ oops การใช้ไลบรารีต่างๆ ใน Python เช่น Numpy และ Panda สำหรับจัดการข้อมูลเป็นสิ่งจำเป็นสำหรับการเรียนรู้ของเครื่อง เพื่อทำความเข้าใจการแสดงข้อมูลเป็นภาพโดยใช้ไลบรารีต่างๆ เช่น Matplotlib, seaborn เป็นต้น
คณิตศาสตร์และสถิติ :
คณิตศาสตร์ประกอบด้วยแคลคูลัสและพีชคณิตเชิงเส้น และสถิติมีบทบาทสำคัญในการเรียนรู้ของเครื่อง แคลคูลัสใช้เพื่อสร้างฟังก์ชันที่เหมาะสมที่สุดสำหรับข้อมูลและสถิติช่วยในการค้นหารูปแบบและแนวโน้มจากข้อมูล สถิติประกอบด้วยแนวโน้มส่วนกลาง ความเบ้ ความแปรปรวน และอคติ (ซึ่งจะอธิบายรายละเอียดในส่วนต่อๆ ไป)
ในบทความชุดถัดไป ฉันจะอธิบายว่าขั้นตอนต่างๆ ที่เกี่ยวข้องกับโปรเจ็กต์แมชชีนเลิร์นนิงในวิธีที่ฉันเรียนรู้และทำความเข้าใจมีอะไรบ้าง
