What is Machine Learning? (7 min)

Что такое машинное обучение?
В этом видео мы попытаемся определить, что это, а также

понять, когда следует применять машинное обучение.
Даже среди специалистов,

практикующих машинное обучение, нет общепринятого определения, чем является

и чем не является машинное обучение. Но позвольте мне показать вам пару примеров того,

как люди пытались дать ему определение.
Вот определение машинного обучения,

данное Артуром Сэмуэлем. Он определил машинное обучение как область исследования, которая даёт

компьютерам возможность учиться без чётко запрограммированных указаний. Сэмуэль прославился в

1950-х, когда написал программу, играющую в шашки.

Удивительно в этой программе было то, что сам Артур Сэмуэль

был не очень-то хорошим игроком в шашки. Но он сделал так, что программа сыграла

десятки тысяч раз сама с собой. И наблюдая, какие расстановки

ведут к выйгрышу, а какие к проигрышу,

эта программа со временем научилась определять, какие расстановки являются "хорошими",

а какие - "плохими". И в конечном счёте научилась играть

в шашки лучше, чем мог сам Артут Сэмуэль.
Это был замечательный результат.

Несмотря на то, что Артур Сэмуэль был не очень хорошим игроком в шашки.

Но компьютер имел терпение играть десятки тысяч раз против себя.

Ни один человек не вытерпит играть столько игр. А компьютер, сделав это, был способен

накопить столько опыта игры в шашки, что в итоге стал

лучшим игроком, чем сам Артур Сэмуэль.
Это немного неформальное определение,

да и более старое. Вот более современное определение Тома Митчела,

который был другом Карнеги Меллона. Итак, Том определяет машинное обучение,

утверждая, что корректно поставленная задача обучения определяется следующим образом. Он говорит,

что компьютерной программе задано учиться, исходя из опыта E, с учётом задания T, и некого

показателя эффективности P, так чтобы её (программы) эффективность на T, измеренная с помощью P улучшалась

с опытом E. Я вообще-то думаю, что он придумал такое определение просто чтобы

оно рифмовалось.
Для примера игры в шашки опытом Е будет

опыт, который программа получала, играя десятки тысяч игр против себя.

Задание Т - задание играть в шашки. И показатель эффективности Р

- это вероятность, что она выйграет следующую игру в шашки против

какого-то нового оппонента.
На протяжении этих видео, кроме того, что я буду пытаться учить вас всякому,

я буду временами задавать вам вопросы, чтобы удостовериться, что вы понимаете содержание.

Вот первый, по определению машинного обучения, данному Томом Митчелом.

Предположим, ваша программа следит, какие письма вы помечаете или не помечаете,

как спам. Так в емэйл-клиенте, как этот, вы можете кликнуть на эту кнопку Спам, чтобы сообщить,

что некоторый емэйл является спамом, а другие - нет. Базируясь на том, какие письма вы помечаете,

как спам, ваша программа учится лучше определять, каким образом фильтровать спам. Что является

заданием Т в этом примере? Через несколько секунд видео приостановится. И когда оно это сделает,

вы сможете использовать мышку для того, чтобы выбрать один из 4-х вариантов, чтобы дать мне знать,

какой из них вы думаете правильный.
Итак, надеюсь, вы выяснили, что вот это правильный ответ. Заданием Т является классификация писем, как спам или не спам. Просмотр писем, отмеченных, как спам или не спам, является опытом Е.

Количество (часть) писем, корректно отсортированных спам/не спам - это показатель эффективности Р. Итак, эффективность нашей системы,

выполняющей задание Т, с показателем эффективности Р

улучшится после накопления опыта Е.
В этом курсе я надеюсь научить вас различным типам

самообучающихся алгоритмов.
Есть несколько типов самообучающихся алгоритмов.

Главные два типа мы называем обучение с учителем и обучение без учителя.

Я определю эти термины точнее в ближайших следующих видео.

Получается, что в обучении с учителем идея в том, что мы собираемся учить

компьютер, как делать что-то, тогда как в обучении без учителя мы позволим

ему обучаться самостоятельно. Не беспокойтесь, если эти два термина пока непонятны,

в следующих двух видео я собираюсь чётко рассказать, что это за два типа обучения.

Вы также услышите другие классные термины типа обучения с подкреплением и

рекомендательных систем. Это другие типы машинного обучения, про которые мы поговорим позже,

но двумя наиболее используемыми типами алгоритмов являются, вероятно,

обучение с учителем и без учителя (supervised learning and unsupervised learning) и я дам им определение в следующих

двух видео, и мы проведём большую часть этого курса, разговаривая об этих двух типах

самообучающихся алгоритмов. Оказывается, ещё одна тема, которая займёт у нас много времени

в этом курсе - это практические советы по применению самообучающихся алгоритмов.

Это та часть, в необходимости которой я уверен, и это на самом деле нечто, чему не

знаю, учат ли в других университетах. Обучать алгоритмам машинного обучения

- это как давать вам набор инструментов, и настолько же важно или даже

более важно, чем дать вам инструменты, научить вас, как использовать эти инструменты.

Мне нравится проводить аналогию с обучением плотническому мастерству. Представьте, кто-то

учит вас быть плотником, и они говорят: вот молоток,

вот отвёртка, вот пила, успехов! Ну, это же не правильно, да? У вас

есть все эти инструменты, но более важно уметь ими пользоваться правильно.

Есть огромная разница между людьми,

которые знают, как пользоваться алгоритмами машинного обучения и людьми, которые не знают,

как их правильно применять. Здесь, в Кремниевой долине, где я живу, когда я иду

навещать разные компании, даже топовые в долине, очень часто я вижу,

как люди пытаются применять алгоритмы машинного обучения для решения какой-то проблемы и

иногда они над ней бьются уже на протяжении полугода. Но когда я смотрю

на то, что они делают, я говорю, знаете, я мог бы сказать им типа ой, я мог

сказать вам полгода назад, что вам нужно бы взять этот алгоритм

и применить немного модифицированную его версию, и ваши шансы на успех были бы намного выше.

Так что в этом классе мы проведём кучу времени

разговаривая о том, что если вы пробуете разрабатывать систему машинного обучения,

как применять эти наилучшие практики в процессе

построения вашей системы, чтобы, когда вы применяли самообучающийся алгоритм, уменьшить вероятность

стать как те люди, которые следуют по одной схеме на протяжении 6-ти месяцев,

пока, знаете, кто-то другой не выяснит, что это не заработает, и что

всё это было пустой тратой 6-ти месяцев времени. Поэтому я, в самом деле, собираюсь провести

массу времени, обучая вас тем видам лучших практик в машинном обучении и ИИ

и тому, как заставить всё это работать, и тому, как мы это делаем, как лучшие люди делают это в Кремниевой долине

и по всему миру. Я надеюсь сделать вас одними из лучших людей в этом деле,

знающими, как проектировать и создавать серьёзные системы машинного обучения и ИИ.

Итак, вот что такое машинное обучение и вот главные темы, которые я буду преподавать.
В следующем видео

я собираюсь определить, что такое обучение с учителем, а потом

что такое обучение без учителя. А также начать говорить о том, когда какое из них применять.