النص الكامل 4581 الكلمات، وعندما يكون التعلم مدى المتوقع 14 دقيقة

المصدر: Pexels

في القرن 19، قد جعل الأطباء تقلب المزاج من المرضى الذين يتناولون الزئبق والزرنيخ أكل السماح الربو، قد لا يغسلون أيديهم قبل الجراحة. وبطبيعة الحال، فإنها لا تعني أي شيء - أنهم لا يعرفون كيفية القيام بذلك على نحو أفضل.

هؤلاء الأطباء في وقت مبكر على الكمبيوتر المحمول الخاصة بهم كتبوا بيانات قيمة، بل هو جزء من كل طبيب ولكن هي كبيرة اللغز. لن تكون قادرة على تبادل وتحليل المعلومات من الأدوات الحديثة، وليس قادرا على فهم علم هذه البيانات، وبالتالي لا شيء يمكن أن يوقف العلم والخرافة محل الحقائق.

ومنذ ذلك الحين، حققت البشرية التقدم التقني الكبير، ولكن تعلم الآلة اليوم (ML) الازدهار ليس كسر مع المخابرات الماضي و الاصطناعي (AI) هو. هذا هو استمرار للغرائز الإنسان، بحيث يمكن للانسان ان يفهم العالم من حولنا، حتى تتمكن من اتخاذ قرارات أكثر استنارة. في الواقع، لدينا فقط تكنولوجيا أكثر تقدما.

اليوم، ازدهار الذكاء الاصطناعي ليس قطيعة مع الماضي، ولكن لديها تكنولوجيا أكثر تقدما.

على مر العصور، ويمكن رؤية الناس وثورة في هذا النمط من جمع البيانات، بدلا من نقاط البيانات للثورة. حيث الفرق كبير، لأنه ساعد مجموعة البيانات شكل العالم الحديث.

اختراع الكتابة

في وقت مبكر قبل 5000 سنة، بدأ سومر (الآن منطقة العراق) الكاتب إلى الكتابة مع الكتابة بالقلم على ألواح الطين. ثم كان أن نظام الكتابة أول اختراع، هناك يظهر لأول مرة تخزين البيانات وتقاسم التكنولوجيا.

في العالم أول مثال على تخزين البيانات وتقاسم التكنولوجيا - السومرية الأدوات قرص الطين. هذه الطريقة في الكتابة فقط سعة البيانات صغيرة، وأنه من الصعب للغاية لاسترداد.

إذا كنت تشعر في القدرات البشرية متفوقة على الذكاء الاصطناعي، والقرطاسية يعتقدون أنها تجلب ذاكرة غير عادية. على الرغم من أن الناس غالبا ما يعتقدون أن الكتابة ليس من المستغرب، ولكن مجموعة موثوق بها من وسائل سعة تخزين البيانات أن الناس خطوة أولى نحو أكثر ذكاء الطريق.

إذا كنت تشعر في قدرة الإنسان على الذكاء الاصطناعي هو الافضل ... اعتقد القرطاسية جلب ذاكرة غير عادية.

لسوء الحظ، في مجموعة متنوعة من المنتجات الالكترونية قبل أن يحدث في الواقع، إذا كان الناس أول من نظم الكتابة في وقت مبكر مثل الألواح الطينية مكتوبة مثل أن يذهب استرداد العناصر المعلومات التي من شأنها أن يكون العمل شاقة للغاية. على سبيل المثال، لحساب عدد الكلمات ليست مهمة سهلة، لأن الناس يجب معالجة كل كلمة في الدماغ. لذلك، وتحليل البيانات في وقت مبكر وقتا طويلا جدا، حتى ذلك الحين الناس سوف يسجل فقط الأهمية النسبية لتلك الأشياء. في المملكة، على الرغم من أن المسؤول قد تحليل الضرائب الذهب، ولكن فقط "الشجعان" يجرؤ على جعل هذا التحليل العقلاني الخاصة بهم. على سبيل المثال، في الطب والتقاليد آلاف السنين فقط لتشجيع الناس على الذهاب مع تدفق.

صعود تحليلات

جون سنو رسم الخريطة، عرض تفشي وباء الكوليرا في لندن في عام 1854 مجموعة.

لحسن الحظ، هناك أشخاص الذين يقفون في طليعة من التاريخ. على سبيل المثال، أثناء اندلاع الكوليرا 1858 في لندن، تآمر جون سنو على وفيات خريطة كانت مستوحاة من مهنة الطب لتمكينهم من إعادة النظر في مصدر المرض، لم يعد يعتقد بخرافة أن تكون الملاريا (غاز سام ) تسبب، ولكن بدأت في مراقبة بعناية مياه الشرب.

فلورانس نايتنجيل، المحلل (1820-1910)

وكما تعلمون، "آلهة فانوس" كان فلورانس نايتنجيل ممرضة الرأفة، ولكن لا يعرف إلا القليل، بل إنها أيضا رائدة في مجال التحاليل. خلال حرب القرم، العندليب الرسوم البيانية اختراع إنقاذ العديد من الأرواح. في هذا المخطط، تبين أن سوء النظافة الصحية في المستشفى هي السبب الرئيسي للوفاة، وبالتالي طلبت من الحكومة تولي اهتماما للخدمات الصرف الصحي.

ويبين الشكل وجهة نظر القطبي من فلورنس نايتنجيل اختراع، والتي تبين عدد الوفيات الناجمة عن أمراض يمكن الوقاية منها (الأزرق) الوفاة أو الإصابة (الحمراء) عدد الوفيات، وكذلك لأسباب أخرى (الأسود) بسبب .

عندما ينعكس على قيمة المعلومات في المزيد والمزيد من المناطق، عصر مجموعة واحدة من البيانات أيضا ستكون مفتوحة، ولكنه أيضا يجعل "الحوسبة قسم (الكمبيوتر)" يبدو أن المهنية. على "الكمبيوتر" الأصلي ليس اسما مألوفا أجهزة الكمبيوتر اليوم، ولكن مهنة الإنسان، ممارسيه يدويا إجراء عمليات حسابية وبيانات عملية للحصول على قيمتها.

لقد التقطت هذه الصورة في 1950s، والجميع الرقم هو الاحتلال "الحوسبة تقسيم"، وضغط العمل في النفق الأسرع من الصوت.

جمال البيانات هو أنه يتيح للناس من نظرة عميقة. مثل فلورنس نايتنجيل وجون سنو كما من خلال تحليل المعلومات، يمكن للناس أن تكون مصدر إلهام وطرح الأسئلة الجديدة. باختصار، تحليلات هو طرح الفرضية تحليل واستكشاف، وخلق نموذج.

العيب تحليلات

للأسف، إذا لم يكن هناك مجموعة ثانية من البيانات، لا يمكننا معرفة ما إذا كان الناتج رأي يمكن الدفاع عنه. بالإضافة إلى نقاط بيانات معينة، وفي حالات أخرى وجهة نظر أيضا هو فعال؟ أي وسيلة للمعرفة. مرحبا بكم في التحليل في 20 القرن العالم.

الرسم البياني بول رسمها ويتكون J للمؤلف الأصلي للمقال على التحيز تأكيد اتخاذ القرارات المبنية على البيانات.

عادة الناس البحوث أو اكتشاف ليست مضمونة، لمجموعة متنوعة من التحيز فاقد الوعي (مثل التحيز تأكيد) لا يمكن تجنبها - عندما يرى الناس معظم نقطة واضحة، وبالتالي غالبا ما يغيب غيرها من المجالات الهامة على حد سواء. يمكن للمرء أن ينظر think've كل حاجة للنظر إلى الأشياء، ولكن في الواقع إلا اليسير فقط على السطح. بسبب اهتمام الإنسان والذاكرة لم أكن أتصور حتى الآن على ما يرام، وجمع البيانات استكشافية لذلك غالبا ما يكون فخ البابون (الفخ البابون).

تحليلات عبارة عن إلهام والاكتشاف، ولكن لا ينبغي أن يؤخذ البيانات خارج وجهة نظر بجدية.

إذا كنت ترغب في اختبار ما إذا كانت وجهة نظر لا يزال ممكنا من بيانات التجربة، ثم لا يمكنك استخدام البيانات الأصلية. على سبيل المثال، كان شخص ما رقائق البطاطس شهد غامضة وجه الفيس. في حين أن هذا قد يبدو مثل رقائق البطاطس الفيس، ولكن لا وبالتالي نستنتج أن معظم رقائق هي أن تكون كذلك. لمعرفة ما إذا كان الرأي يمكن الدفاع عنه، ونحن لا ننظر فقط إلى مثال تلك الأفكار الملهمة، ولكنها أيضا يجب أن يتم اختبار على رقائق جديدة لم أر أبدا من قبل.

تقسيم البيانات من مجموعة البيانات

في القرن 20 في وقت مبكر، والناس تريد أن تكون قادرة على اتخاذ قرارات أفضل في ظل ظروف عدم اليقين، هذه الرغبة أدى إلى إنشاء مناطق موازية: الإحصاءات. إذا ينطبق ظاهرة أيضا إلى مجموعة البيانات بالإضافة إلى مجموعة البيانات الحالية، سوف تساعد الإحصائيين اختبار الحكمة من مثل هذا السلوك.

"الإحصاءات والد" رونالد فيشر (1890-1962)

ومن الأمثلة الشهيرة من رونالد فيشر، الذي جمع أول الكتب الإحصائية هذا العالم. في تلك السنة، صديق فيشر ادعى أنه يمكن تذوق الشاي هو إضافة الحليب أو الماء، من أجل الاستجابة لهذا البيان، قدم فيشر فرضية وأجريت التجارب ذات الصلة. وكان فيشر يأمل أن يثبت أصدقاء الخطأ، ولكن قد خلص بيانات مخالفة للتوقعات.

الصرامة الإحصائية يسأل الناس لإعطاء أوامر قبل اتخاذ أي إجراء، تحليلات هي أكثر مثل لعبة مستدركة.

موقع غير منيع

التحليل والإحصائيات يكون كعب أخيل رئيسية هي: إذا كان الجيل فرضية واختبار الفرضيات باستخدام نفس نقطة بيانات، فإن ذلك هو الغش. إذا اخترت استخدام البيانات بدلا من الإلهام، ويجب أن الإلهام يأتي من مكان آخر. في معظم الحالات، مستوحاة من التفكير الجاد. وبعبارة أخرى، ويجلس في غرفة المرافق العامة في التأمل، تصور بعناية المشاكل الإحصائية، وتوضيح جميع الافتراضات، ومن ثم تتاح لي الفرصة لاختبار ما إذا كانت النماذج العقلية الخاصة في العالم يثبت حقا.

للأسف، واستخدام رياضيا مفصلة وصف الحدس بأكمله، واختباره، والحاجة إلى التدريب الشاق. تحتاج إلى التركيز. ولكن على الأقل الآن لدينا وسيلة معقولة للتحقق ما إذا كان يستحق انطباعاتهم موضع التنفيذ. مرحبا بكم في أواخر القرن 20، العالم الإحصائي.

ثورة بيانات

الصرامة الإحصائية يسأل الناس لإعطاء أوامر قبل اتخاذ أي إجراء، تحليلات هي أكثر مثل لعبة مستدركة. هذه المواضيع هي تقريبا غير متوافقة تماما. حتى قيام الثورة الكبرى القادمة - يحدث تجزئة البيانات، وغيرت كل شيء.

تجزئة البيانات هي فكرة بسيطة، ولكن أنا مثل العلماء البيانات، وهذا ما يسمى واحدة من أكثر الأفكار العميقة. إذا وضعت بيانات واحدة فقط، يجب أن تختار بين التحليل (إلهام لا قابلة للاختبار) والإحصاءات (نتيجة حاسمة). قراصنة تفعل؟ وضع البيانات إلى قسمين، بحيث السمك يمكن أكله!

تعيين ليحل محل عصر تحليل بيانات مزدوج من خلال العمل التعاوني بين نوعين مختلفين من الخبراء البيانات - إحصائيات التوترات. استخدام المحللين مجموعة من البيانات لبناء المشكلة، ثم استخدام مجموعة بيانات الإحصاء آخر لإعطاء إجابات دقيقة.

وضع تنقسم مجموعة البيانات الخاصة بك إلى قسمين، بحيث يمكنك الأسماك وأكل عليه!

هذا الترف مع ثمن ثقيل: عدد. إذا كنت قد تعرضت لمحاولة جمع ما يكفي من مجموعة البيانات والمعلومات، ثم يقال الانقسام أسهل من القيام به. عصر بيانات مزدوج هو تطور جدا المتطورة، ويرتبط ذلك مع أفضل الأجهزة وتجهيز، وانخفاض تكاليف التخزين والقدرة على المشاركة في جمع المعلومات عن طريق شبكة الإنترنت يسيران جنبا إلى جنب.

في الواقع، بشرت في عهد مجموعات المزدوج البيانات الابتكارات التكنولوجية بسرعة إلى المرحلة التالية، وهي آلية جمع البيانات الثلاثة مستوحاة من الحقبة. هناك كلمة أكثر دراية: تعلم الآلة.

كاختبار اقتراح لمرة واحدة

دائما نتساءل لماذا الإحصائيين عندما يتعلق الأمر بيانات شديدة سوف تصبح قلقا؟ مشاهدة جمع البيانات تدمير نقاوتها كمصدر من الصرامة الإحصائية قبل صدور المقرر. إذا كنت تسأل السؤال الخطأ، أو طلب سخيف جدا، ليس هناك فرصة ثانية.

حتى إذا كنت تفكر في مقارنات متعددة التصحيح - الذي يسمح لكل مجموعة البيانات لديها فرضيات متعددة شعار الإحصائي - برنامج قبل الموعد المحدد وصالحة فقط في حالة كل خير الافتراض. اختبار مع البيانات مسألة اختبار تعيين 20 لا يجوز، نتيجة لامعة تضخيم مرارا وتكرارا، تظاهر ما تفعله.

اختبار لا يزال اقتراحا لمرة واحدة - لا يسمح للزحف بشكل متكرر الحلول.

من أجل جعل نهج صارم بشكل فعال، يجب أن تخطط للمستقبل، إذا كانت المشكلة أكثر من واحد، واستخدام بعض "اعتذار كامل" في الرياضيات (عدد من الافتراضات المخطط)، ثم في نفس الوقت إجراء الاختبار. لا يمكنك فتح بيانات الاختبار تحديد عدة مرات.

البيانات الثالثة مجموعة من الترف

منذ فرصة واحدة فقط، كيف يمكنك أن تعرف ما هي "البصيرة" تحليل أكثر اختباره؟ إذا مجموعة بيانات الثالث، يمكنك استخدامه لتحدي اختبار الإلهام. وهذا ما يسمى عملية الفرز التحقق، الذي هو جوهر التعلم الآلي.

التحقق هو جوهر التعلم الآلي - ما في وسعها تلقائيا الإلهام.

مرة واحدة تتردد في وضع كل الاشياء القيت على التحقق من صحة الحائط لنرى ما عالقا، من المرجح أن يكون الجميع من أجل التوصل إلى حل محللون: من ذوي الخبرة، والمتدربين، أو حتى علاقة مع القضايا التجارية خوارزميات شيء. وبغض النظر عن أي يعمل أفضل حل في التحقق يصبح مرشح للاختبارات الإحصائية المناسبة. هذه العملية تعزز القدرة على تلقائيا الإلهام.

المصدر: Pexels

AI = الآلي إلهام (أتمتة إلهام)

هذا هو السبب في أن مجموعات البيانات تعلم الآلة الثورية، وليس مجرد بيانات. ذلك يعتمد على ما إذا كان هناك ما يكفي من البيانات الانقسام الثلاثي.

الذكاء الاصطناعي (AI) حيث في هذه الصورة هو؟ باستخدام الشبكات العصبية العميقة تعلم الآلة يسمى التعلم العميق في المجال المهني، ولكن كما أن لديها لقب ثابت: الذكاء الاصطناعي. على الرغم من أن الذكاء الاصطناعي كان لها معان مختلفة، ولكن اليوم الناس غالبا ما تساوي لتعلم العميق.

عند الانتهاء من العديد من المهام المعقدة، والتي تبين عمق شبكات التعلم غالبا ما تكون أفضل من خوارزمية التعلم الآلي على مستوى منخفض، والتي هي على نطاق واسع من الاهتمام. ومع ذلك، فإنها عادة ما يتطلب المزيد من البيانات التدريب ومتطلبات معالجة ما وراء الكمبيوتر المحمول العادي. هذا هو السبب في ارتفاع الذكاء الاصطناعي الحديث هو قصة السحابة، يمكن للمستخدم سحابة استئجار مركز بيانات شخص آخر، بدلا من العمل على بناء منصة التعلم العمق، بحيث الذكاء الاصطناعي أصبح شيئا من جرب قبل أن تشتري.

ارتفاع الذكاء الاصطناعي الحديث هو قصة سحابة، لأن السحابة بحيث الذكاء الاصطناعي تصبح شيئا من شراء المحاولة قبل.

مع هذا اللغز، وهناك مجموعة كاملة من المهنية: التعلم / الذكاء الاصطناعي آلة والتحليل والإحصاء. وهو يغطي كل هذه مظلة مصطلح يطلق عليه البيانات العلمية، حتى إذا كانت البيانات الانضباط مفيدة.

إلهام المستقبل

جمع البيانات العلم الحديث هو نتاج ثلاثة أضعاف البيانات، ولكن العديد من الصناعات غالبا ما تنتج الكثير من البيانات. حسنا، قد تظهر هناك بيانات الأربع القادمة مجموعات تفعل؟

إذا كنت مجرد تدريب تم التحقق من نموذج على درجة أقل، لذلك ماذا تفعل بعد ذلك؟ إذا كنت مثل معظم الناس، وسوف تحتاج على الفور لمعرفة لماذا! للأسف، لا مجموعات البيانات التي يمكن طرحها. قد ترغب في البحث تركز على التحقق من صحة البيانات، ولكن للأسف، يقوض القدرة على تصحيح فعال فحص نموذج.

من خلال ويتم تحليل مجموعة التحقق من صحة البيانات، يمكن للبيانات أن يكون بكفاءة ثلاثة إلى مجموعتين. كنت لا تسأل عن المساعدة، ولكن عن غير قصد نسخ من عصر!

المصدر: Pexels

حل ثلاث مجموعات البيانات ليس قيد الاستخدام. لفتح تدريب أكثر ذكاء وفائقة المعلمة التصحيح تكرارية، وسوف تحتاج إلى إضافة الى الواجهة: عصر مجموعات البيانات الأربعة.

ويستخدم معظم التكنولوجيا المتطورة للمساعدة في تطوير أربعة تجزئة البيانات.

إذا كانت ثلاث مجموعات البيانات الأخرى لجلب إلهام، التكرار، والاختبار الدقيق، ثم المجموعة الرابعة من البيانات وتسريع عملية وتقصير دورة تطوير الذكاء الاصطناعي من خلال تقنيات التحليل المتقدمة التي تهدف في كل جولة محاولة بأي شكل من الأشكال لتقديم أدلة. باستخدام أربعة تجزئة البيانات، ورفاه الإنسان تكون قادرة على حصة يجلب البيانات!

ويمكن توقع المستقبل.

(مقتبس من البلاغ قد نشرت مقالة AI أصلا في فوربس).

انتباه رسالة الابهام

معا نحن نشارك في التعلم وتطوير AI الجاف

مثل طبع، يرجى ترك رسالة وراء الكواليس، والامتثال للمعايير طبع