0:00:00.000,0:00:04.090
Шта је машинско учење? У овом видеу ћемо покушати да дефинишемо шта је то и покушати

0:00:04.090,0:00:09.051
да вам дамо осећај када желите да користите машинско учење. Чак и међу

0:00:09.051,0:00:14.025
онима који се баве машинским учењем не постоји опште прихваћена дефиниција шта је а шта

0:00:14.025,0:00:18.092
није машинско учење. Али дозволите ми да вам покажем пар примера на који начин

0:00:18.092,0:00:23.060
су људи покушали да га дефинишу. Ево дефиниције шта је машинско учење

0:00:23.060,0:00:28.051
по Артуру Семјуелу. Он је дефинисао машинско учење као студијско поље које даје

0:00:28.051,0:00:33.055
рачунарима могућност да уче без да бивају експлицитно програмирани. Семјуелов тренутак

0:00:33.055,0:00:38.045
славе се збио 1950-их, када је наприсао програм за играње даме. И

0:00:38.045,0:00:43.060
запањујућа ствар у вези са програмом за играње даме, је била да сам Артур Семјуел

0:00:43.060,0:00:48.026
није био веома добар играч даме. Али оно што је он урадио, је да је програмирао рачунар да игра

0:00:48.026,0:00:52.024
десетине хиљада игара против себе. А такође гледањем које врсте позиција

0:00:52.024,0:00:56.069
на табли су склони да воде до победе, и која врста позиција на табли је склона да води ка

0:00:56.069,0:01:00.072
поразима. Програм за играње даме, учи током времена шта су добре позиције

0:01:00.072,0:01:04.071
на табли а шта су лоше позиције на табли. И као исход, научио је да игра

0:01:04.071,0:01:09.051
даму боље него је што Артур Семјуел био у стању да игра. Ово је био изванредан резултат.

0:01:09.051,0:01:14.053
Испоставило да сам Артур Семјуел није био нарочито добар играч даме, али зато је

0:01:14.053,0:01:19.025
рачунар имао стрпљења да игра десетине хиљада игара самостално. Ниједан

0:01:19.025,0:01:24.027
човек нема стрпљења да игра толико пуно игара.[br]На тај начин рачунар је био у стању

0:01:24.027,0:01:29.023
да стекне пуно искуства у игрању даме, тако да је коначно постао

0:01:29.023,0:01:33.081
бољи играч даме од самог Артура Семјуела. Ово је више неформална

0:01:33.081,0:01:38.054
и једна од старијих дефиниција. Ево нешто новије дефиниције од Тома

0:01:38.054,0:01:43.060
Мичела, који је пријатељ са Карнеги Мелон универзитета. Том дефинише машинско учење

0:01:43.060,0:01:48.081
говорећи да је добро постављен проблем машинског учења дефинисан на следећи начин. Каже се да рачунарски

0:01:48.081,0:01:53.084
програм учи из искуства E, у односу на неки задатак T, и неку

0:01:53.084,0:01:58.067
меру учинка P, ако се тај учинак задатка Т мерен са P побољшава

0:01:58.067,0:02:03.076
искуством E. У ствари ја мислим да је он у ствари смислио ову дефиницију само да би се

0:02:03.076,0:02:08.034
римовала. За пример играња даме, искуство E би било

0:02:08.034,0:02:13.025
искуство које програм стиче играјући десетине хиљада игара против себе.

0:02:13.025,0:02:17.073
Задатак T, би био задатак играња даме. А мера учинка P

0:02:17.073,0:02:22.039
би била вероватноћа да ће добити следећу игру даме против

0:02:22.039,0:02:27.015
неког новог противника. Кроз ове видео снимке, поред тога што ћу пробати да вас научим

0:02:27.015,0:02:32.029
новим стварима, повремено ћу вас питати питање да бих био сигуран да разумете

0:02:32.029,0:02:36.089
садржај. Ево и једне од најбољих дефиниција машинског учења од стране Тома

0:02:36.089,0:02:42.029
Мичела. Рецимо да ваш и-мејл програм гледа и-мејлове које ви означавате или не означавате

0:02:42.029,0:02:47.082
као спам. Тако у и-мејл клијенту као што је овај можете кликнти ово спам дугме да означите

0:02:47.082,0:02:53.026
неке и-мејлове као спам, а остале не.[br]На основу тога које и-мејлове сте означили као

0:02:53.026,0:02:59.004
спам, ваш и-мејл програм боље учи како да филтрира спам и-мејлове. Шта је

0:02:59.004,0:03:04.028
задатак T у овој ситуацији? За пар секунди, видео ће се зауставити. Када се то деси,

0:03:04.028,0:03:09.059
можете користити вашег миша да селектујете једну од четири опције, да ми кажете

0:03:09.059,0:03:40.018
за који од ових четири мислите да је прави одговор на питање. То би могло

0:03:40.018,0:03:45.074
да буде мера учинковитости P. Према томе, учинковитост нашег задатка, системска

0:03:45.074,0:03:50.052
учинковитости на задатку T, тј. мера учинковитости P, ће се побољшати након

0:03:50.052,0:03:55.095
искуства E. Надам се да ћу вас на овом часу научити о различитим типовима

0:03:55.095,0:04:00.093
алгоритама машинског учења. Постоји неколико различитих типова алгоритама машинског учења.

0:04:00.093,0:04:05.065
Два главна типа су оно што називамо надзирано и ненадзирано

0:04:05.065,0:04:10.068
учење. У следећих неколико видео снимака ћу дефинисати шта ови термини значе. Али

0:04:10.068,0:04:16.002
у надзираном учењу, идеја је да ћемо ми научити

0:04:16.002,0:04:20.051
рачунар како да уради нешто, док ћемо у ненадзираном учењу пустити

0:04:20.051,0:04:25.001
рачунар да то ради сам. Не брините уколико вам ова два термина тренутно немају смисла, у

0:04:25.001,0:04:29.073
следећа два видео снимка ја ћу вам тачно рећи шта су ова два типа машинског учења.

0:04:29.073,0:04:34.006
Такође ћете чути остале актуелне термине као што су учење условљавањем (енг. reinforcement learning) и

0:04:34.006,0:04:38.062
системи за препоручивање (recommender systems). Ово су други типови алгоритама машинског учења о којима ћемо говорити

0:04:38.062,0:04:42.045
касније а два најкоришћенија типа алгоритама за машинско учење су вероватно

0:04:42.045,0:04:46.079
надзирано (supervised) и ненадзирано учење (unsupervised learning) и ја ћу их дефинисати у следећа

0:04:46.079,0:04:51.012
два видео снимка и провешћу већину часа говорећи о ова два типа

0:04:51.012,0:04:55.072
алгоритма машинског учења. Једна од ствари на коју ћу потрошити доста времена

0:04:55.072,0:05:00.005
на овом часу су практични савети за примену алгоритама за машинско учење. Ово је

0:05:00.005,0:05:04.044
нешто што ми је врло битно, и то је заправо нешто за што

0:05:04.044,0:05:08.016
не знам да се учи на било ком другом универзитету.[br]Учење о алгоритмима машинског учења

0:05:08.016,0:05:12.050
је као да вам неко да сет алата.[br]Једнако важено или још

0:05:12.050,0:05:17.061
важније од тога да вам неко да алате, јесте да вас научи како да примените те алате. Ја волим да

0:05:17.061,0:05:22.041
направим аналогију са учењем за столара. Замислите да вас неко

0:05:22.041,0:05:26.095
учи како да постанете столар и он вам каже ево чекић, ево

0:05:31.007,0:05:34.079
Имате све те алате, али још важнија ствар је да научите како да користите

0:05:34.079,0:05:38.092
ове алате на прави начин. Постоји огромна разлика између људи који

0:05:38.092,0:05:43.045
знају како да користе алгоритме за машинско учење, наспрам људи који не знају

0:05:43.045,0:05:47.062
како да користе ове алате на прави начин. Овде у Силицијумској долини где ја живи, када идем да

0:05:47.062,0:05:52.032
посетим различите компаније, чак и у најбољим компанијама у Силицијумској долини веома често видим

0:05:52.032,0:05:56.042
да људи покушавају да примене алгоритме машинског учења на неки проблем и

0:05:56.042,0:06:00.085
понекад то раде по шест месеци. Али понекад када погледам на

0:06:00.085,0:06:05.012
то шта су урадили, кажем им - забога, могао сам

0:06:05.012,0:06:09.071
да вам кажем шест пре месеци да је требало да узмете алгоритам за машинско учење и

0:06:09.071,0:06:14.047
да га примените на незнатно модификован начин и ваше шансе за успех би биле

0:06:14.047,0:06:19.064
много веће. Према томе оно што ћемо урадити на овом часу је заправо да потрошимо много

0:06:19.064,0:06:23.052
времена причајући о томе како, уколико покушате да развијете систем за машинско учење,

0:06:23.052,0:06:27.059
како да направите одлуке у складу са најбољом праксом, о начину на који да

0:06:27.059,0:06:31.032
изградите ваш систем тако да, када примените алгоритам машинског учења, буде мање

0:06:31.032,0:06:35.039
вероватно да ћете завршити као један од тих људи који су завршили шест месеци тражећи

0:06:35.039,0:06:39.037
прави пут. Неко други би могао помислити да то једноставно уопште неће радити

0:06:39.037,0:06:43.051
и да је то само протраћених шест месеци. Зато намеравам да потрошим

0:06:43.051,0:06:47.070
доста времена учећи вас тим врстама најбољих пракси у машинском учењу и

0:06:47.070,0:06:52.005
ВИ (вештачкој интелигенцији) и како да натерате те ствари да раде и како ми то радимо, како најбољи људи то раде у

0:06:52.005,0:06:56.014
Силицијумској долини и у целом свету. Надам се да ћу направити од вас неке од најбољих стручњака

0:06:56.014,0:06:59.090
који ће знати како да дизајнирају и праве озбиљне системе машинског учења и АИ системе. Дакле,

0:06:59.090,0:07:04.069
ово је машинско учење и ово су главне теме за које се надам да ћу да вас научим. У следећем

0:07:04.069,0:07:09.002
видеу ћу дефинисати шта је надгледано учење а после тога, шта

0:07:09.002,0:07:13.075
је ненадгледано учење. Након тога, причаћу о томе када би се могло употребити свако од њих.