Содержание
Q:
Почему огромное количество файлов изображений важно для многих проектов машинного обучения?
A:
Для компаний, которые хотят участвовать в своих первых инвестициях в машинное обучение (ML), весь процесс может показаться немного загадочным и эзотерическим. Для многих людей действительно трудно представить, как на самом деле работает машинное обучение, и что именно оно сделает для бизнеса.
В некоторых случаях, кто-то, кто исследует машинное обучение, может иметь явное прозрение, когда он думает, почему большое количество файлов изображений, собранных в аккуратные цифровые контейнеры, так важно для проектов ML. Это потому, что концепция «файл изображения» помогает визуализировать ML. Размышление об этом позволяет нам лучше понять, как эти виды технологий будут применяться в нашем мире очень скоро.
Короткий ответ заключается в том, что эти большие количества файлов изображений важны для машинного обучения, поскольку они представляют собой обучающие наборы - наборы исходных данных, с которыми должен работать компьютер при обучении. Но есть кое-что еще к этому. Почему изображения так ценны?
Одна из причин, по которой изображения так ценны, заключается в том, что ученые добились большого прогресса в обработке изображений. Но помимо этого, они также добились прогресса в оказании помощи машинам в определении результатов на основе того, что изображено на картинке.
Например, любой, кто слышал о глубоко упрямых сетях с генеративными и дискриминационными механизмами, немного понимает, как компьютеры могут читать и понимать визуальные данные и изображения. Они не читают пиксели, как раньше - они на самом деле «видят» изображение и идентифицируют компоненты. Например, подумайте о распознавании лиц - компьютер узнает, как вы выглядите, и идентифицирует вас на фотографиях, а также окружающих вас людей. Это часто становится возможным благодаря объединению множества изображений и итеративному обучению, которое составляет основу для проекта машинного обучения.
Когда заинтересованные стороны определили план и концепцию, разработали и собрали все соответствующие изображения и включили их в алгоритмы машинного обучения, они могут использовать огромные возможности искусственного интеллекта для управления бизнес-процессами.
Компания может поискать в Интернете веб-сканер, ищущий фотографии, которые могут содержать конкретного клиента, для создания файла, показывающего личность клиента, его предпочтения и тенденции. Компания может даже использовать эту информацию для автоматизации прямой почтовой рассылки или другого прямого маркетинга. Когда вы начинаете думать об этом таким образом, легко увидеть, как именно этот процесс распознавания и идентификации изображений может быть привязан ко всем видам функциональности, которые позволят компьютерам делать так много вещей, которые люди привыкли делать для всех наша записанная история. Если взять пример исследования клиентов с указанными выше типами установок, люди вообще не должны быть вовлечены: компьютер может «выходить в Интернет» и отчитываться перед своими владельцами или владельцами данных.
Для тех, кто занимается углублением в машинное обучение, понимание концепции интеллектуального анализа данных изображений является хорошим первым шагом в дорожной карте к использованию возможностей машинного обучения и выяснению того, как использовать его для пользы предприятия.