D:
Perché un numero enorme di file di immagini è importante per molti progetti di machine learning?
UN:Per le aziende che stanno cercando di essere coinvolte nei loro primi investimenti in machine learning (ML), l'intero processo può sembrare un po 'criptico ed esoterico. Per molte persone, è davvero difficile visualizzare come funziona effettivamente l'apprendimento automatico ed esattamente cosa farà per un'azienda.
In alcuni casi, qualcuno che sta ricercando l'apprendimento automatico può avere una vera e propria epifania quando considera perché un gran numero di file di immagini, raccolti in accurati contenitori digitali, sono così importanti per i progetti ML. Questo perché il concetto di "file immagine" aiuta a visualizzare ML. Pensare a questo ci permette di capire di più su come questi tipi di tecnologie verranno applicate molto presto al nostro mondo.
| Download gratuito: Machine Learning e perché è importante |
La risposta breve è che questi grandi numeri di file di immagini sono importanti per l'apprendimento automatico poiché rappresentano set di formazione - set di dati iniziali su cui il computer deve lavorare mentre apprende. Ma c'è qualcosa in più. Perché le immagini sono così preziose?
Uno dei motivi per cui le immagini sono così preziose è che gli scienziati hanno fatto molti progressi nell'elaborazione delle immagini. Ma oltre a ciò, hanno anche fatto progressi nell'aiutare le macchine a identificare i risultati in base a ciò che è in una foto.
Ad esempio, chiunque abbia sentito parlare di reti testarde profonde con motori sia generativi che discriminatori capisce un po 'come i computer possono leggere e comprendere dati e immagini visivi. Non stanno leggendo i pixel come una volta: in realtà "vedono" l'immagine e identificano i componenti. Ad esempio, pensa al riconoscimento del volto di Facebook - il computer impara come sei e ti identifica nelle immagini - così come quelli che ti circondano. Ciò è spesso reso possibile dall'aggregazione di molte immagini e dalla formazione iterativa che costituisce la base per un progetto di apprendimento automatico.
Quando gli stakeholder hanno identificato un piano e un concetto, sono usciti e hanno raccolto tutte le immagini rilevanti e le hanno inserite negli algoritmi di machine learning, possono sfruttare l'immenso potere dell'intelligenza artificiale per gestire i processi aziendali.
Una società potrebbe inviare un crawler web su Internet alla ricerca di immagini che potrebbero contenere un particolare cliente, per creare un file che mostri l'identità di quel cliente e le sue preferenze e tendenze. La società potrebbe persino utilizzare queste informazioni per automatizzare il direct mail o altri direct marketing. Quando inizi a pensarci in questo modo, è facile vedere come proprio quel processo di riconoscimento e identificazione delle immagini possa essere legato a tutti i tipi di funzionalità che permetteranno ai computer di fare così tante cose che gli umani sono abituati a fare per tutti la nostra storia registrata. Prendendo l'esempio della ricerca dei clienti, con i suddetti tipi di configurazioni, gli esseri umani non devono essere coinvolti affatto: il computer può "uscire sul web" e riferire ai suoi proprietari o ai titolari dei dati.
Per chiunque sia coinvolto nel guadare nelle acque profonde dell'apprendimento automatico, la comprensione del concetto di data mining di immagini di massa fornisce un buon primo passo in una road map per sfruttare il potere di apprendimento automatico e capire come usarlo a beneficio di un'azienda.
