Другие новости
Toshiba TV интегрировала чип REGZA Engine ZRi на базе искусственного интеллекта
Состоялся визит МСП из России в Цзянся для налаживания торгово-экономического сотрудничества
Вице-президент «Тинькофф» рассказал о планах банков создать альтернативную платежную систему
Андрей Борис рассказал о втором гражданстве как способе свободного передвижения по миру
«Здоровое Отечество» поучаствует в проведении мероприятий для инвалидов
ЕвроХим ввел в эксплуатацию современный комплекс по производству фосфатных удобрений в Бразилии
Машинное обучение: 4 больших шага вперед в 2015 году
Аналитика
Простота использования, больше Big Data, множество новых библиотек и инструментов продвинули машинное обучение вперед в 2015 году.
До недавнего времени машинное обучение было в некотором смысле эзотерической материей, мало кто понимал алгоритмы и мог использовать большие данные в этой области. Но в последнее время алгоритмы стали более простыми в использовании, большие данные стали доступнее, и машинное обучение вышло из тени – в руки разработчиков и пользователей. Вот ключевые моменты в его развитии в 2015 году.
Машинное обучение стало более простым в использовании
«Проще» — это понятие относительное. По крайней мере, теперь требуется меньший объем работы для получения результатов. Инструментарий Sparkдля обработки больших данных стал доступен не только для тех, кто использует Java, и упростил машинное обучение. IBMочень активно изобретала себя заново как провайдера платформы, которая станет важнейшим катализатором машинного обучения.
Появилось множество библиотек для разработчиков машинного обучения
Несколько компаний-гигантов открыли свои библиотеки в области машинного обучения.Google предложил ресурс для внешних пользователей TensorFlow, который ранее был его внутренним ресурсом. Microsoft вошелвигрус DMLT (Distributed Machine Learning Toolkit). Facebookоткрыл модули машинного обучения для Torchframework и схемы аппаратного обеспечения для машинного обучения.Amazonтоже предоставил свои инструменты для работы с большими данными, которые хранятся в AWS.
Большие данные для машинного обучения стали дешевле и проще
Машинное обучение изменилось благодаря взлету быстро обновляемых, доступных для использования и дешевого хранения больших данных. Например, Watsonи APIдля Интернета Вещей от IBM. В частности, IBMдоговорилась с провайдерами больших данных, таких как WeatherChannel, о расширении списка источников больших данных для использования в решениях в области машинного обучения.
Название «машинное обучение» стало всеобъемлющим
Поскольку технология бурно развивается, естественно, ее название применяется часто к тому, что к ней не имеет никакого отношения. К слишком широкому спектру процессов и стратегий. В частности, продукты в области информационной безопасности часто неоправданно эксплуатируют это название.