ШІ та машинне навчання

Що таке машинне навчання (Machine Learning)?

Машинне навчання (Machine Learning, ML) — це спосіб створювати програми, у якому модель сама знаходить правила в даних, а не розробник прописує їх вручну. Розробник готує дані й обирає алгоритм, а закономірності модель виявляє під час навчання.

Класичний приклад — фільтр спаму. Вручну описати всі ознаки спаму неможливо: вони постійно змінюються. Натомість моделі показують десятки тисяч листів із позначками «спам» і «не спам», і вона сама визначає, що вказує на спам.

Є три основні види навчання: з учителем (дані заздалегідь розмічені: ціна квартири, діагноз, категорія листа), без учителя (модель сама шукає структуру в даних, наприклад групи клієнтів) і з підкріпленням (модель вчиться, отримуючи винагороду за вдалі дії).

Де застосовується

Машинне навчання працює там, де є накопичені дані і рішення, яке повторюється. Банки використовують його для оцінки кредитоспроможності і виявлення шахрайства, рітейл — для прогнозу попиту і рекомендацій, логістика — для планування маршрутів, виробництво — для прогнозування поломок обладнання.

Складність упровадження рідко в алгоритмах: бібліотеки на кшталт scikit-learn і хмарні сервіси вже розв’язують цю частину. Основний час іде на дані — збір, очищення, розмітку, перевірку якості — і на вбудовування моделі в реальний процес, разом зі стеженням за тим, як змінюється її точність.

Приклад

Прогноз відтоку клієнтів: на історичних даних про поведінку користувачів модель навчається оцінювати, наскільки ймовірно, що конкретний клієнт піде в найближчий місяць.

Часті запитання

Чим машинне навчання відрізняється від штучного інтелекту?

Штучний інтелект — назва всієї галузі. Машинне навчання — один із підходів у ній і сьогодні найпоширеніший: модель знаходить правила в даних. Тобто машинне навчання завжди належить до AI, але не кожен AI використовує навчання на даних.

Що таке навчання з учителем і без учителя?

З учителем модель вчиться на розмічених прикладах, де відома правильна відповідь: лист позначений як спам чи не спам. Без учителя правильних відповідей немає, і модель сама шукає структуру — наприклад, ділить клієнтів на групи зі схожою поведінкою.

Скільки даних потрібно для навчання моделі?

Залежить від задачі: для простої моделі на таблицях іноді вистачає кількох тисяч прикладів, для розпізнавання зображень потрібні десятки тисяч. Якість важливіша за кількість: дані з помилками в розмітці псують результат сильніше, ніж їхня нестача.

Що таке перенавчання?

Це коли модель запам’ятала навчальні приклади замість того, щоб знайти закономірність: на знайомих даних результат відмінний, на нових — поганий. Щоб це помітити, частину даних завжди відкладають і використовують лише для перевірки.

Навчання програмуванню в OWU

Опануйте професію в IT на практичних курсах із менторами та реальними проєктами.

Обрати курс