Рекомендация по стратегии

[ailev]

Пишу уже второму клиенту "Рекомендации по стратегии развития XXX" и понимаю, что важнейший в этих рекомендациях пункт будет недооценен и поэтому имеет все шансы быть не выполненным. Речь идёт об использовании глубоких нейронных сетей. Где? Ответ: везде. Как? Ответ: очень по-разному

Comments

[3seemingmonkeys]

а вы не могли бы написать небольшой пост, как приобщиться к машинному обучению?
для чайников
что нужно уже знать, что сначала почитать, что потом
чтобы войти в тему и начать использовать

[oetar]

хозяин блога указывал учебника (на англ.) здесь:
http://ailev.livejournal.com/1208156.html

[3seemingmonkeys]

спасибо

[ext_458325]

Сегодня начинается очередной прогон ставшего уже классическим курса Эндрю Ына на "Coursera". Если я ничего не путаю, в предварительных требованиях там математика и программирование в объеме примерно первого-второго курса, но трудозатраты на сам этот курс достаточно велики.

[3seemingmonkeys]

облачное машинное обучение еще в microsoft azure есть, довольно давно

[old_ufo]

Это не те дроиды, которых мы ищем :) В смысле не было там state-of-art deep learning

[3seemingmonkeys]

а что там было? shallow learning?
я просто не в теме

[old_ufo]

SVM, Random forest. Сетки-то тоже были, но, например, не конволюционные, не рекуррентные и прочие которые рулят.

[dark_alf]

А Ваше увлечение отнологиями и семантик-вебом уже прошло? Связанное с ними будущее отменяется или тоже ждёт своего часа? (как ждали его нейросетки с далёких 80-ых).

[a2danov]

Не автор, но отвечу :)
Это заход на онтологии с боку, от машин. Проблема с онтологиями в том, что для их построения не хватает мозгов, т.е. людей обладающей онтологией и, самое сложное, людей которые эту онтологию могут формализовать до машинного вида. Поэтому, наблюдается дефицит онтологий.

Deep Learning - позволяет выявлять скрытые концепты (элементы онтологий), которые должны образовывать онтологию, ранее известную или чаще просто новую. И позволяет выявлять настолько эффективно, что мы не будем успевать именовать эти концепты. Т.е. через некоторое время будем получать готовые онтологии поименованные идентификаторами (т.е. для машинного чтения) и будем их использовать для работы (получения результата, извлечения прибыли, ...). А чуть позже, посредником, переводчиком с нашего языка на язык машинно-полученные онтологий будут программы переводчики, использующие эти онтологии (и в том числе онтологию картины мира собеседника, отчасти полученную парсингом википедии).

[andrey_stepenko]

Недавно кино смотрел "Теорема Зеро" на тему, как мне показалось, "элементов онтологий".
И забавна визуализация как мега мозг их складывал, а они разваливались. А объяснение шло фоном-сюжетом, что все сложить в единую онтологию не возможно, хотя 97-98% можно получить.

[obidam_net]

С человеческой стороны речь идет уже о построении "онтологии онтологии". Мы, люди, устанавливаем только эффективные правила формирования онтологий, а Deep Learning создает их самостоятельно и, в основном, для себя.

[buriy]

Мне кажется, онтологии скоро вернутся: когда нужно будет сохранять знания, полученные нейросетями -- выполняя ту же функцию, что и человеческие книги, словари, энциклопедии, рисунки, графы UML.
Надёжность нейросетей оставляет желать лучшего, и простого способа с этим справиться неизвестно.

[a2danov]

> Надёжность нейросетей оставляет желать лучшего, и простого способа с этим справиться неизвестно

Вы это о поведении людей говорите?

[buriy]

Нет, я говорю про искусственные нейросети.
К людям это тоже применимо, но у людей точность намного выше и есть методы компенсации, поэтому это не настолько критичная проблема.

[obidam_net]

А зачем их сохранять? Знания станут еще более быстроустаревающим продуктом. Выявил знание, воспользовался им немедленно - и в следующий момент оно уже неактуально. Примерно, как игра на бирже.

[emmmmer]

Пожалуйста, после выступления выложите текст. Очень интересно. Буду крайне благодарен.