#ความคิดเกี่ยวกับแมชชีนเลิร์นนิง
คุณเห็นแล้วว่า สำหรับผู้เริ่มต้น คุณจะต้องรู้เพียงเล็กน้อยว่าทำไมเราจึงใช้เทคนิคการเรียนรู้ของเครื่องเพื่อสร้างผลิตภัณฑ์ตั้งแต่แรก คำตอบสั้นๆ ก็คือ ช่วยให้เราสามารถแก้ไขปัญหาที่ยังไม่ได้รับการแก้ไขก่อนหน้านี้ เช่น การระบุการฉ้อโกงในประวัติเครดิตของธุรกรรม ครั้งหนึ่ง คุณจะต้องสร้าง SYSTEM จากสององค์ประกอบ การป้อนข้อมูลในอดีตและกฎเกณฑ์ทางธุรกิจบางอย่างที่ทำให้เกิดการแจ้งเตือนบางอย่าง ด้วย Machine Learning เราไม่มีระบบ เราสร้าง MODEL ที่สร้างขึ้นตามอินพุตข้อมูลและเอาต์พุตก่อนหน้า ความแตกต่างคืออะไร? จักรวาล คุณไม่เพียงแต่ได้รับคำทำนายเท่านั้น แต่คุณเริ่มดูทุกบันทึกในแบบที่เป็นส่วนตัวและเป็นอัตโนมัติ และที่สำคัญที่สุดคือ คุณจะได้รับความสามารถมากขึ้นเรื่อยๆ เมื่อเวลาผ่านไปผ่านสิ่งมหัศจรรย์ของ การเรียนรู้เชิงลึก เลเยอร์
ตอนนี้เราเข้าใจแล้วว่าทำไมเราจึงยอมรับการใช้ Machine Learning สำหรับโมเดลความเสี่ยงเพื่อคงไว้ซึ่งตัวอย่างเดียวกัน ดังนั้นเรามาสำรวจว่าเกิดอะไรขึ้นกับโมเดล ML เหล่านี้ในสภาพแวดล้อมทางการเงินในขณะที่เราก้าวผ่านโรคระบาดนี้ แม้ว่า ML อาจจะโดดเด่นในเรื่อง Deep Learning หรือโครงข่ายประสาทเทียมที่มีหลายเลเยอร์ แต่แท้จริงแล้ว ML ไม่ได้อยู่ที่การสร้างแบบจำลองเมื่อความไม่แน่นอนอยู่ที่จุดสูงสุด [การเรียนรู้ของเครื่อง 101; โมเดลคือการประมาณความสัมพันธ์ระหว่างตัวแปรสองตัว และแน่นอน คุณอาจถามว่าตัวแปรสองตัวใด ตัวแปรอินพุต X และตัวแปรเอาต์พุต Y] แล้วเราจะพึ่งพาแบบจำลองของเราอย่างไรในเมื่อ ก) เราไม่ทราบน้ำหนักของเอาท์พุตใหม่ และที่สำคัญที่สุด ข) เราไม่รู้ว่าเอาท์พุตควรดูเป็นระดับใดในระดับ "ดี/สม่ำเสมอ" และไม่ทราบมาตรฐานใหม่ เราคาดหวังที่จะทำนายเป้าหมาย Y ได้อย่างไร ในเมื่อเราไม่รู้ด้วยซ้ำว่า Y มีลักษณะอย่างไร
“การรู้ว่าตนรู้อะไรและไม่รู้ นั่นคือความรู้ที่แท้จริง” — ขงจื๊อ
จนถึงตอนนี้ เราได้เรียนรู้ว่า ML ไม่ได้ช่วยให้เราเข้าใจบริบท ระบุสาเหตุ อธิบายว่า "ทำไม" สิ่งต่างๆ จึงเกิดขึ้น หรือแม้แต่ระบุผลกระทบของการแทรกแซงหรือค้นหาแนวทางแก้ไข ในฐานะผู้จัดการผลิตภัณฑ์ เราต้องมีอาวุธอะไรบ้างในการจัดการกับความไม่แน่นอนและรักษาความสามารถในการทำกำไรของผลิตภัณฑ์ของเรา คุณเคยได้ยินเกี่ยวกับ การออกแบบแห่งอนาคต หรือไม่ รอโพสต์บล็อกถัดไปของฉันเพื่อเรียนรู้เพิ่มเติมอีกเล็กน้อยเกี่ยวกับเทคนิคอันทรงพลังนี้
อ้างอิง:
Reifschneider J., 2021, รากฐานการเรียนรู้ของเครื่องสำหรับผู้จัดการผลิตภัณฑ์,โรงเรียนวิศวกรรม Pratt ของมหาวิทยาลัย Duke สำหรับ Coursera: https://www.coursera.org/learn/machine -การเรียนรู้รากฐานสำหรับผู้จัดการผลิตภัณฑ์/หน้าแรก/ข้อมูล
