How to Become a Data Analyst in 2020
 |
總覽
．機器學習系統由多個需要管理的構件組成
．瞭解您將作為數據科學家使用的機器學習的三個關鍵組成部分
介紹
機器學習項目如何工作？機器學習或人工智慧（AI）系統的構成要素有哪些？這是我在該領域最初的日子裡，親自為之奮鬥的話題。
我知道如何製作機器學習模型，但是我不知道現實世界中的機器學習項目是如何工作的。當我經歷這個過程時，這真是一個啟示！隨著時間的流逝，我看到大多數數據科學和機器學習的初學者，都在努力掌握機器學習系統的細微差別。
記住–這不僅僅是建立模型！有很多東西可以用來創建成功的機器學習和 AI 系統。這是硬件和軟件的融合。因此，問題是–構成成功的機器學習系統的關鍵要素是什麼？
這就是我們將在本文中詳細介紹的內容。 我將為您提供機器學習或 AI 系統中這些不同組件的概述，然後我們將在自動駕駛汽車的幫助下瞭解這些組件。
本文和我們將介紹的概念是免費的「人工智慧和機器學習簡介」課程的一部分。 我強烈建議您進行檢查-這是熟悉 AI 和機器學習中各種概念的好地方。
機器學習的三個關鍵組成部分是：
機器學習建構模組＃1：捕獲輸入
機器學習建構模組＃2：處理和儲存數據
機器學習建構模組＃3：輸出或交互單元
機器學習建構模組＃1：捕獲輸入
如您所料，每個機器學習系統都需要大量數據才能起作用。 最終，它將根據所捕獲的數據做出決策。 而且，它需要捕獲有關所處環境、環境條件、用戶輸入等的數據。
因此，任何機器學習或 AI 系統的第一個建構模組都是它在系統中捕獲和輸入的方式。
那麼這個輸入是什麼樣的呢？ 這可能包括各種感測器，例如相機捕獲圖像的 G.P.S. 位置，來自行動應用的使用端輸入等。為了選擇正確的輸入，我們需要提出以下關鍵問題：
．我們需要捕獲什麼數據？
．我們需要多久捕獲一次這些數據？
．該數據流的速度有多快？
．捕獲數據的最佳方法是什麼？
有時，會有多種方式來捕獲相同的數據。 例如，您可能依賴汽車中的感測器來捕獲天氣資訊，或者您可以基於 G.P.S. 將其直接從網路上提取出來。 您的汽車坐標。
在決定使用哪種方式之前，先權衡各種方式來獲取數據的利弊是有道理的。
機器學習建構模組＃2：處理和儲存數據（邊緣和雲）
一旦從輸入單元捕獲了這些數據，我們將需要對其進行儲存或對其進行計算。 從根本上來說，這就是我們在進行機器學習項目時的選擇！
這兩種（處理或儲存）都可以在通常稱為「邊緣上的 AI」的系統上發生，也可以在雲上發生。 同樣，我們面前還有一些選擇。 我們需要決定：
．哪些數據將儲存在邊緣？
．邊緣將發生什麼計算？ 在這裡，您通常會對計算環境有所限制（相信我，不是每個人都擁有 Google 無限的計算資源！）
．在雲上會發生什麼？
「通常，即使沒有網路連接或未升級到系統，如果發生任何關鍵操作，也應始終在邊緣進行。
這些內容包括即時決策，警報或您想要在設備上進行的任何其他形式的監視。 更全面的數據儲存和計算在雲上進行。 數據科學家通常在這裡，應用各種機器學習技術來改善系統。 我們所有的數據湖，數據倉庫等通常也都在雲中。
機器學習建構模組＃3：輸出或交互單元
最後，在成功的AI或機器學習系統中將有一個輸出或交互單元。 這是機器學習系統與外界交互並採取行動的單元。
這可以是顯示器，語音輸出或非正式機器人動作的形式。 通常，我們的機器學習系統的輸出也會有幾個設計注意事項。
例如，如果車輛無法確定或決定環境，則需要回答以下關鍵問題：
．系統應該怎麼做？
．它應該先停止還是應該警告用戶？
．您應多長時間與用戶溝通一次？
這些是任何機器學習系統的輸出層中，都會共同考慮的一些核心問題。
案例研究：無人駕駛汽車的基礎
現在，讓我們以自動駕駛汽車為例，更詳細地瞭解每個構建基塊。 這將幫助您更實際地瞭解機器學習或AI系統在現實世界中的功能。
那麼第一個建構基塊或組件是什麼？
您猜對了–輸入！ 查看 drive.ai 的自動駕駛汽車：
正如您在此處看到的那樣，這款自動駕駛汽車具有許多感測器，可作為機器學習系統的輸入。 您可以在汽車頂部看到這些感測器（藍色）。 這些被稱為 LiDAR，或光檢測和測距。 除了這些，還有其他感測器可以捕獲更多資訊，例如天氣，汽車內和周圍的障礙物，檢測車道等。
然後在汽車本身上進行計算和儲存，這使汽車能夠做出如下決策：
．要操縱多少？
．以什麼速度運行？
．障礙是什麼？
．如何處理這些障礙？
雲上還有一個儲存和計算層，負責隨時間推移改進驅動算法。
最後，您將看到幾個輸出組件，例如一個螢幕，用於向汽車周圍的人顯示消息。 機器人過程還採取了使車輛前進的動作。 這是此階段所需的不同層的圖示：
創造成功的自動駕駛汽車，還需要考慮許多其他細節。 但是我想以這個例子，為您展示一個真實的機器學習系統背後的整體思想，是如何工作的以及運行，它所需要的關鍵建構模組。
尾註
非常迷人，對吧？ 就像我之前說的，機器學習項目不僅僅是建立模型。 還有很多東西，大多數數據科學愛好者都不知道。 如果您想擔任機器學習專家，則必須具備這些實踐知識。
0 comments:
張貼留言