Вы подписаны на Машинное обучение доступно
Отлично! завершите оплату для полного доступа к Машинное обучение доступно
Снова приветствуем Вас! Вы успешно авторизовались
Успех! Аккаунт активирован, и Вы имеете полный доступ к контенту.
Машинное обучение (ML)

Машинное обучение (ML)

in

Машинное обучение (сокращенно ML) – это наука о том, как заставить компьютеры выполнять объемную вычислительную задачу без явного программирования.

Классическим алгоритмам дают точные и полные правила для выполнения задачи, алгоритмам Машинного обучения – данные для создания модели. Таким образом, алгоритм может выполнить свою задачу, если модель была скорректирована с учетом данных. Мы говорим, что «подгоняем модель к данным» или «модель должна быть обучена на данных».

Проиллюстрируем это на простом примере. Предположим, мы хотим спрогнозировать цену дачного дома на основе его площади, размера придомового участка и количества комнат.

Мы могли бы попытаться построить классический алгоритм, который решает эту проблему. Этот алгоритм возьмет три Признака (Feature) дома и вернет прогнозируемую цену на основе явного правила. Но на практике эта формула часто неизвестна.

Явно заданная формула оценки стоимости дома

Для нашего примера ценообразования классический подход будет заключаться в явном программировании формулы, которая определяет цену дома в зависимости от трех рассматриваемых нами характеристик.

Однако мы хотим автоматизировать этот процесс и построить нейронный алгоритм, ведь он будет корректировать формулу каждый раз, когда появляются новые примеры цен на жилье. В целом, Машинное обучение невероятно полезно для сложных задач, когда мы располагаем неполной или слишком обильной информацией для программирования вручную. В этих случаях мы можем предоставить информацию, которая у нас есть, для нашей модели, и позволить ей «изучить» недостающую. Затем алгоритм будет использовать статистические методы для извлечения недостающих знаний.

Коэффициенты A, B и C, которые модели Машинного обучения предстоит определить

Машинное обучение способно выполнять широкий спектр задач: от автоматизации оценки стоимости, до модификации изображений, от помощи на письме до обработки звука. Чтобы получить первое представление о программном коде ней, рассмотрим следующий пример: мы обрабатываем любую мелодию так, чтобы тембр изменился и стал похож на скрипку, флейту или трубу на выбор. Звук (сэмпл) – это комбинация звуков разной частоты, и эти данные тоже подходят для обработки Нейронной сетью (Neural Network).

Визуализация ритмичного звукового образца с помощью Ableton Live

Запустите ячейки этого ноутбука: в нем код по умолчанию скрыт специальной разметкой. Он позволяет произвести Дифференцируемую цифровую обработку сигнала (Differentiable Digital Signal Processing, сокр. DDSP), которая и видоизменит характер звучания.

Нажимайте все кнопки запуска ячеек последовательно, и тогда код исполнится с предустановленными аудиозаписями и инструментами. На второй ячейке в режиме 'Record' звук будет записываться с помощью встроенного микрофона, так что развлекайтесь, сыграйте или спойте что-нибудь простое! Чтобы впустить Машинное обучение в свою жизнь сразу и полностью, дважды кликните на запускаемую ячейку, и отобразится код.

Фото: @draufsicht