Цель этой лекции — получить знания в области машинного обучения или помочь найти темы для дальнейшего изучения и их применения.
В лекции рассказывается о том, что подразумевается под понятием «машинное обучение», какие классы алгоритмов машинного обучения выделяют и какие задачи решаются с его помощью. Также проведен небольшой экскурс в историю машинного обучения.
В лекции затрагиваются вопросы практического применения методов машинного обучения, приводятся примеры различных инструментов машинного обучения («Experiments with Google»).
В частности, более подробно рассмотрены:
- системы обработки изображений, их применение для контроля безопасности, рассмотрены задачи «детекции» объектов, а также возможности влияния методов ИИ на изображения.
- системы обработки естественного языка. Рассмотрен подробно GPT-3, приведены примеры его применения для генерации контента. Отмечены достижения компаний в этой области, в частности разработки Сбербанк.
- системы «Deep Mind», их применение в задачах управления.
Особо отмечается важность процесса сбора данных и особенно их количество для применения методов машинного обучения и нейронных сетей.
Выделены пять основных характеристик - BIG DATA – 5 V:
- Объем данных (постоянно возрастающий)
- Формат данных (разнородный)
- Неопределенности, неточности в данных
- Скорость данных
- Ценность данных
Таким образом в данной лекции показаны продукты, относительно понятные и «видимые» для обычного пользователя, что позволяет получить знания в области введения в машинное обучение.