Все, что вам нужно знать, чтобы начать
Введение
За последние годы машинное обучение изменило многие отрасли и повседневную жизнь. От рекомендаций по продуктам на сайтах электронной коммерции до курирования контента в социальных сетях и беспилотных автомобилей — модели машинного обучения лежат в основе многих услуг и продуктов, которые мы используем каждый день.
Поскольку машинное обучение становится все более распространенным, многие люди стремятся научиться создавать свои модели машинного обучения. Однако создание комплексного проекта машинного обучения с нуля может показаться новичкам сложной задачей.
К концу этого руководства вы поймете:
- Ключевые компоненты проекта комплексного машинного обучения
- Как сформулировать и определить масштаб проблемы машинного обучения
- Как получить и подготовить данные для обучения моделей
- Как выбрать и обучить алгоритмы машинного обучения
- Как оптимизировать модели для повышения производительности
- Как использовать модели машинного обучения для прогнозирования
- Ключевые передовые практики на протяжении всего жизненного цикла проекта машинного обучения
Давайте начнем!
Как сформулировать задачу машинного обучения
Первым шагом в любом проекте машинного обучения является правильная формулировка проблемы, которую вы хотите решить. Это предполагает четкое определение цели или результата, которого вы хотите достичь.
Некоторые примеры целей проектов машинного обучения:
- Прогнозирование будущей цены акции
- Определение того, является ли письмо спамом или нет
- Классификация изображений как содержащих собак или кошек
- Транскрипция разговорного звука в текст
- Рекомендация продуктов на основе истории покупок пользователя.
Помимо определения конкретной цели, вам также необходимо определить ключевые исходные данные, которые будут использоваться для составления прогнозов…