What is machine learning? In this v

What is machine learning? In this video we
will try to define what it is and also try
to give you a sense of when you want to
use machine learning. Even among machine
learning practitioners there isn't a well
accepted definition of what is and what
isn't machine learning. But let me show
you a couple of examples of the ways that
people have tried to define it. Here's the
definition of what is machine learning
does to Arthur Samuel. He defined machine
learning as the field of study that gives
computers the ability to learn without being
explicitly programmed. Samuel's claim to
fame was that back in the 1950's, he wrote
a checkers playing program. And the
amazing thing about this checkers playing
program, was that Arthur Samuel himself,
wasn't a very good checkers player. But
what he did was, he had to program for it to play
10's of 1000's of games against itself.
And by watching what sorts of board
positions tended to lead to wins, and what
sort of board positions tended to lead to
losses. The checkers playing program
learns over time what are good board
positions and what are bad board
positions. And eventually learn to play
checkers better than Arthur Samuel himself
was able to. This was a remarkable result.
Although Samuel himself turned out not to be a
very good checkers player. But because the
computer has the patience to play tens
of thousands of games itself. No
human, has the patience to play that many
games. By doing this the computer was able
to get so much checkers-playing experience that it eventually became a
better checkers player than Arthur Samuel
himself. This is somewhat informal
definition, and an older one. Here's a
slightly more recent definition by Tom
Mitchell, who's a friend out of Carnegie
Mellon. So Tom defines machine learning by
saying that, a well posed learning problem
is defined as follows. He says, a computer
program is said to learn from experience
E, with respect to some task T, and some
performance measure P, if its
performance on T as measured by P improves
with experience E. I actually think he came
up with this definition just to make it
rhyme. For the checkers playing
example the experience e, will be the
experience of having the program play 10's
of 1000's of games against itself. The
task t, will be the task of playing
checkers. And the performance measure p,
will be the probability that it
wins the next game of checkers against
some new opponent. Throughout these
videos, besides me trying to teach you
stuff, I will occasionally ask you a
question to make sure you understand the
content. Here's one, on top is a
definition of machine learning by Tom
Mitchell. Let's say your email program
watches which emails you do or do not flag
as spam. So in an email client like this
you might click this spam button to report
some email as spam, but not other emails
and. Based on which emails you mark as
spam, so your e-mail program learns better
how to filter spam e-mail. What is the
task T in this setting? In a few seconds,
the video will pause. And when it does so,
you can use your mouse to select one of
these four radio buttons to let, to let me
know which of these four you think is the
right answer to this question. That might
be a performance measure P. And so, our
task performance on the task our system's
performance on the task T, on the
performance measure P will improve after
the experience E. In this class I hope to
teach you about various different types of
learning algorithms. There are several
different types of learning algorithms.
The main two types are what we call
supervised learning and unsupervised
learning. I'll define what these terms
mean more in the next couple videos. But
it turns out that in supervised learning,
the idea is that we're going to teach the
computer how to do something, whereas in
unsupervised learning we're going let
it learn by itself. Don't worry if these
two terms don't make sense yet, in the
next two videos I'm going to say exactly
what these two types of learning are. You
will also hear other buzz terms such as
reinforcement learning and recommender
systems. These are other types of machine
learning algorithms that we'll talk about
later but the two most used types of
learning algorithms are probably
supervised learning and unsupervised
learning and I'll define them in the next
two videos and we'll spend most of this
class talking about these two types of
learning algorithms. It turns out one of
the other things we'll spend a lot of time
on in this class is practical advice for
applying learning algorithms. This is
something that I feel pretty strongly
about, and it's actually something that I
don't know of any other university
teaches. Teaching about learning
algorithms is like giving you a set of
tools, and equally important or more
important to giving you the tools is to
teach you how to apply these tools. I like
to make an analogy to learning to become a
carpenter. Imagine that someone is
teaching you how to be a carpenter and
they say here's a hammer, here's a
screwdriver, here's a saw, good luck.
Well, that's no good, right? You, you, you
have all these tools, but the more
important thing, is to learn how to use
these tools properly. There's a huge
difference between, between people that
know how to use these machines learning
algorithms, versus people who don't know
how to use these tools well. Here in
Silicon Valley where I live, when I go
visit different companies even at the
top Silicon Valley companies very often I see
people are trying to apply machine
learning algorithms to some problem and
sometimes they have been going at it for
six months. But sometimes when I look at
what they're doing I, I, I say, you know,
I could have told them like, gee, I could
have told you six months ago that you
should be taking a learning algorithm and
applying it in like the slightly modified
way and your chance of success would have
been much higher. So what we're going to
do in this class is actually spend a lot
of time talking about how, if you actually
tried to develop a machine learning
system, how to make those best practices
type decisions about the way in which you
build your system so that when you're
applying learning algorithm you're less
likely to end up one of those people who
end up pursuing some path for six months
that, you know, someone else could have
figured out it just wasn't gonna work at
all and it's just a waste of time for six
months. So I'm actually going to spend a
lot of the time teaching you those sorts
of best practices in machine learning and
AI and how to get this stuff to work and
how we do it, how the best people do it in
Silicon Valley and around the world. I
hope to make you one of the best people in
knowing how to design and build serious
machine learning and AI systems. So,
that's machine learning and these are the
main topics I hope to teach. In the next
video, I'm going to define what is
supervised learning and after that, what
is unsupervised learning. And also, start
to talk about when you would use each of them.

ผลลัพธ์ (ไทย) 1:

เรียนรู้เครื่องจักรคืออะไร ในวิดีโอนี้เราพยายามที่จะกำหนดสิ่งที่จะเป็น และยัง ลองให้ความรู้สึกเมื่อคุณต้องการการเรียนรู้ของเครื่อง แม้กระทั่งในเครื่องมีผู้เรียนไม่ดีคำนิยามที่ยอมรับคืออะไรและเครื่องเรียนรู้ไม่ได้ แต่ผมแสดงคุณไม่กี่ตัวอย่างของวิธีการที่คนได้พยายามที่จะกำหนดได้ นี่คือการคำจำกัดความของการเรียนรู้ของเครื่องคืออะไรไม่ไป Samuel Arthur เขากำหนดเครื่องเรียนเป็นสาขาวิชาที่คอมพิวเตอร์สามารถเรียนรู้ โดยการโปรแกรมอย่างชัดเจน ร้องของ Samuelมีชื่อเสียงว่า กลับใน 1950's เขาเขียนโปรแกรมเล่นหมากรุก และสิ่งมหัศจรรย์เกี่ยวกับหมากฮอสนี้เล่นโปรแกรม ถูกที่ Samuel Arthur เองไม่ได้เล่นหมากรุกที่ดีมาก แต่สิ่งที่เขาไม่ได้ เขามีโปรแกรมสำหรับการเล่นของ 1000 เกมกับเองของ 10และดูอะไรทุกประเภทของคณะกรรมการตำแหน่งที่มีแนวโน้มที่จะ นำไปสู่การชนะ และสิ่งที่เรียงลำดับตำแหน่งคณะกรรมการมีแนวโน้มที่จะ นำไปสู่ขาดทุน โปรแกรมเล่นหมากรุกเรียนรู้เวลาบ้างคณะดีตำแหน่งและบอร์ดเสียคืออะไรตำแหน่ง และในที่สุดได้เรียนรู้การเล่นหมากดีกว่า Samuel Arthur เองถูกต้อง นี้คือผลลัพธ์โดดเด่นแม้ว่า Samuel เองเปิดออกไม่ต้องการเล่นหมากฮอสที่ดี แต่เนื่องจากการคอมพิวเตอร์มีความอดทนในการเล่นสิบพันเกมตัวเอง ไม่ใช่มนุษย์ มีความอดทนในการเล่นให้เกมส์ ทำ คอมพิวเตอร์ได้จะได้รับประสบการณ์มากหมากฮอสเล่นซึ่งในที่สุดกลายเป็นความเล่นหมากฮอสดีกว่า Samuel Arthurตัวเอง จึงค่อนข้างเป็นข้อกำหนด และเป็นส่วนหนึ่งของเก่า นี่คือการคำนิยามเล็กน้อยล่าสุด โดย TomMitchell ที่เป็นเพื่อนจากคาร์เนกีเมลลอน ดังนั้น ทอมกำหนดเครื่องจักรการเรียนรู้โดยบอกว่า บ่อเกิดปัญหาเรียนรู้มีกำหนดดังนี้ เขากล่าวว่า คอมพิวเตอร์โปรแกรมกล่าวว่า การเรียนรู้จากประสบการณ์E กับบางงาน T และบางประสิทธิภาพวัด P ของปรับปรุงประสิทธิภาพการทำงานบน T ซึ่งประเมิน ด้วย Pมีประสบการณ์อี จริงคิดว่า เขามาขึ้นกับคำจำกัดความนี้เพียงเพื่อให้สัมผัส สำหรับการเล่นหมากฮอสอย่างอีประสบการณ์ จะมีการประสบการณ์มี 10's เล่นโปรแกรมของ 1000 เกมกับตัวเอง ที่งานที จะเป็นงานของเล่นหมากฮอส และ p วัดประสิทธิภาพจะมีความเป็นไปได้ชนะเกมหมากฮอสกับถัดไปบางฝ่ายตรงข้ามใหม่ ตลอดเวลาเหล่านี้วิดีโอ นอกจากฉันพยายามที่จะสอนคุณสิ่งที่ ฉันจะบางครั้งขอให้คุณเป็นถามให้แน่ใจว่า คุณเข้าใจการเนื้อหา นี่คือหนึ่ง ด้านบนเป็นการรายละเอียดของเครื่องจักรการเรียนรู้โดยทอมMitchell สมมติว่า โปรแกรมอีเมล์ของคุณนาฬิกาที่อีเมล์คุณทำ หรือไม่ใส่ค่าสถานะเป็นสแปม ดังนั้นในการอีเมล์นี้คุณอาจคลิกปุ่มนี้สแปมเพื่อรายงานบางอีเมล์ที่เป็นสแปม แต่ไม่อื่น ๆ อีเมล์ตาม and. ในอีเมล์ที่คุณทำเครื่องหมายเป็นสแปม เพื่อเรียนรู้โปรแกรมอีเมล์ของคุณดีขึ้นวิธีการกรองอีเมล์ขยะ สิ่งงาน T ในการตั้งค่านี้หรือไม่ ในไม่กี่วินาทีวิดีโอจะหยุดชั่วคราว และ เมื่อมันไม่ได้คุณสามารถใช้เมาส์เพื่อเลือกหนึ่ง4 เหล่าวิทยุปุ่มให้ ผมทราบซึ่งของเหล่านี้สี่คุณคิดว่า เป็นการคำตอบที่ถูกต้องคำถามนี้ ที่อาจสามารถวัดประสิทธิภาพพี และ ของเราประสิทธิภาพการดำเนินงานของระบบของเราประสิทธิภาพงาน T ในการวัดประสิทธิภาพ P จะเพิ่มหลังจากประสบการณ์อี ในชั้นนี้หวังเพื่อสอนชนิดต่าง ๆ ของเรียนรู้อัลกอริทึม มีหลายชนิดต่าง ๆ ของอัลกอริทึมการเรียนรู้หลักสองชนิดคือ สิ่งที่เราเรียกแบบมีผู้สอนเรียน และ unsupervisedเรียนรู้ ฉันจะกำหนดว่าเงื่อนไขเหล่านี้หมายถึง การเพิ่มเติมในวิดีโอคู่ถัดไป แต่มันเปลี่ยนจากที่เรียนรู้มีมีความคิดว่า เรากำลังจะไปสอนคอมพิวเตอร์วิธีการทำบางสิ่งบางอย่าง ในขณะที่ในunsupervised เราจะให้การเรียนรู้ได้เรียนรู้ ด้วยตัวเอง ไม่ต้องกังวลถ้าเหล่านี้สองเงื่อนไขไม่เหมาะสมได้ ในการถัดไปสองวิดีโอฉันจะพูดว่าสิ่งทั้งสองประเภทนี้เรียนรู้ได้ คุณจะได้ยิน buzz เงื่อนไขอื่น ๆ เช่นเรียนเสริมและผู้แนะนำระบบ เหล่านี้เป็นเครื่องจักรชนิดอื่น ๆอัลกอริทึมที่เราจะพูดคุยเกี่ยวกับการเรียนรู้ในภายหลังแต่สองชนิดที่ใช้มากที่สุดของอัลกอริทึมเรียนอยู่คงแบบมีผู้สอนเรียน และ unsupervisedเรียนรู้และจะกำหนดให้ในสองวิดีโอและเราจะใช้เวลาทั้งนี้ชั้นพูดถึงทั้งสองประเภทนี้เรียนรู้อัลกอริทึม ดังปรากฎว่าหนึ่งสิ่งอื่น ๆ ที่เราจะใช้เวลาในชั้นนี้มีคำแนะนำการปฏิบัติสำหรับใช้อัลกอริทึมการเรียนรู้ นี่คือสิ่งที่รู้สึกสวยอย่างยิ่งเกี่ยวกับ และเป็นสิ่งที่ฉันไม่ทราบของมหาวิทยาลัยอื่น ๆสอน สอนเกี่ยวกับการเรียนรู้อัลกอริทึมจะรู้สึกชุดเครื่องมือ และมีความสำคัญเท่า ๆ กัน หรือมากกว่าคือเครื่องมือสำคัญเพื่อให้การสอนวิธีการใช้เครื่องมือเหล่านี้ ชอบทำการเปรียบเทียบการเรียนรู้เป็นการช่างไม้ คิดว่า มีคนอยู่สอนวิธีให้ ช่างรื้อ และพวกเขากล่าวว่า นี่คือค้อน นี่เป็นการไขควง นี่คือเลื่อย โชคดีดี มันไม่ดี เหมาะสมหรือไม่ คุณ คุณ คุณมีเครื่องมือเหล่านี้ แต่เพิ่มเติมสิ่งที่สำคัญ เป็นการ เรียนรู้วิธีการใช้นี้เครื่องมืออย่างถูกต้อง มีมากความแตกต่างระหว่าง ระหว่างคนที่รู้วิธีการใช้เครื่องเหล่านี้เรียนรู้อัลกอริทึม เมื่อเทียบกับคนที่ไม่รู้วิธีการใช้เครื่องมือเหล่านี้ด้วย ที่นี่ในวินที่ผมอาศัยอยู่ เมื่อเยี่ยมชมบริษัทต่าง ๆ ได้โรงแรมยอดนิยมในซิลิคอนวัลเลย์บริษัทบ่อยเห็นคนพยายามใช้เครื่องจักรอัลกอริทึมการปัญหาการเรียนรู้ และบางครั้งพวกเขาได้รับจะได้ในหกเดือน แต่บางครั้งมองดูสิ่งที่พวกเขากำลังทำฉัน ฉัน ฉันพูด คุณทราบสามารถบอกได้เช่น gee ไม่แพงมีบอกหกเดือนที่ผ่านมาที่คุณควรใช้อัลกอริทึมการเรียนรู้ และใช้ได้เช่นปรับเปลี่ยนเล็กน้อยลักษณะและโอกาสของความสำเร็จจะมีได้สูง ดังนั้น ที่เรากำลังจะไปในนี้ชั้นใช้จ่ายจริงมากเวลาพูดว่า ถ้าคุณจริงพยายามพัฒนาเรียนรู้ของเครื่องระบบ วิธีการทำให้ผู้ปฏิบัติพิมพ์ตัดสินใจเกี่ยวกับวิธีที่คุณสร้างระบบของคุณเพื่อให้คุณคุณใช้อัลกอริทึมการเรียนรู้ได้น้อยแนวโน้มที่จะสิ้นสุดขึ้นการที่เอยใฝ่หาเส้นบางสำหรับ 6 เดือนว่า รู้ ใครได้คิดว่ามันเพียงไม่ไปทำงานที่และทั้งหมดของเพียงเสียเวลา 6เดือน ดังนั้นฉันจริง ๆ จะใช้เป็นเวลาที่สอนประเภทเหล่านั้นของแนวทางปฏิบัติในการเรียนรู้ของเครื่อง และอ้ายและวิธีการได้รับสิ่งนี้ในการทำงาน และวิธีที่เราทำมัน วิธีสุดคนที่ทำมันในวินและ ทั่วโลก ฉันหวังว่าจะทำให้ดีที่สุดคนหนึ่งในรู้วิธีการออกแบบ และสร้างอย่างจริงจังเรียนรู้ของเครื่องและระบบ AI ดังนั้นนั่นคือการเรียนรู้ของเครื่อง และมีการฉันหวังว่าจะสอนหัวข้อหลัก ในรายการถัดไปวิดีโอ ฉันจะกำหนดว่าอะไรคือแบบมีผู้สอนการเรียน และหลัง จากนั้น สิ่งจะเรียน unsupervised เริ่มต้นด้วยพูดคุยเกี่ยวกับเมื่อคุณต้องการแต่ละของพวกเขา

ผลลัพธ์ (ไทย) 2:

เป็นกลไกการเรียนรู้คืออะไร? ในวิดีโอนี้เรา
จะพยายามที่จะกำหนดสิ่งที่มันเป็นและยังพยายาม
ที่จะให้ความรู้สึกของคุณเมื่อคุณต้องการที่จะ
ใช้การเรียนรู้เครื่อง แม้แต่ในหมู่เครื่อง
ปฏิบัติงานการเรียนรู้ที่มีอยู่ไม่ดี
ความหมายได้รับการยอมรับในสิ่งที่เป็นและสิ่งที่
ไม่ได้เรียนรู้ของเครื่อง แต่ให้ฉันแสดง
คุณคู่ของตัวอย่างของวิธีการที่
คนได้พยายามที่จะกำหนดมัน นี่คือ
ความหมายของสิ่งที่เป็นกลไกการเรียนรู้
ที่จะไม่ซามูเอลอาร์เธอร์ เขากำหนดเครื่อง
การเรียนรู้ด้านการศึกษาที่ช่วยให้
คอมพิวเตอร์สามารถในการเรียนรู้ได้โดยไม่ถูก
ตั้งโปรแกรมอย่างชัดเจน ซามูเอลเรียกร้องที่จะ
มีชื่อเสียงเป็นที่กลับมาในปี 1950 เขาเขียน
โปรแกรมเล่นหมากฮอส และ
สิ่งที่น่าทึ่งเกี่ยวกับการตรวจสอบนี้เล่น
โปรแกรมคือการที่อาร์เธอร์ซามูเอลตัวเอง
ไม่ได้เป็นผู้เล่นหมากฮอสดีมาก แต่
สิ่งที่เขาทำก็คือเขาจะต้องเขียนโปรแกรมให้มันเล่น
10 ของ 1000 ของเกมกับตัวเอง.
และโดยการเฝ้าดูสิ่งที่ประเภทของคณะกรรมการ
ในตำแหน่งที่มีแนวโน้มที่จะนำไปสู่ชัยชนะและสิ่งที่
จัดเรียงของตำแหน่งกรรมการมีแนวโน้มที่จะนำไปสู่
​​การสูญเสีย หมากฮอสเล่นโปรแกรม
เรียนรู้เมื่อเวลาผ่านไปสิ่งที่เป็นคณะกรรมการที่ดี
ตำแหน่งและสิ่งที่เป็นคณะกรรมการที่ไม่ดี
ตำแหน่ง และในที่สุดก็เรียนรู้ที่จะเล่น
หมากฮอสดีกว่าอาร์เธอร์ซามูเอลตัวเอง
ก็สามารถที่จะ นี่เป็นผลที่น่าทึ่ง.
แม้ว่าซามูเอลตัวเองเปิดออกไม่ได้ที่จะเป็น
ผู้เล่นหมากฮอสดีมาก แต่เนื่องจาก
คอมพิวเตอร์มีความอดทนในการเล่นนับ
พันของเกมตัวเอง ไม่มี
มนุษย์มีความอดทนในการเล่นที่หลาย ๆ
เกม โดยทำเช่นนี้คอมพิวเตอร์ก็สามารถที่
จะได้รับประสบการณ์มากหมากฮอสเล่นที่ในที่สุดก็กลายเป็น
ผู้เล่นหมากฮอสดีกว่าอาร์เธอร์ซามูเอล
ตัวเอง นี้เป็นทางการค่อนข้าง
นิยามและหนึ่งที่มีอายุมากกว่า นี่คือ
ความหมายที่ผ่านมาเล็กน้อยโดยทอม
มิตเชลล์ซึ่งเป็นเพื่อนที่ออกมาจากคาร์เนกี
เมลลอน ดังนั้นทอมกำหนดกลไกการเรียนรู้โดย
บอกว่าปัญหาการเรียนรู้ที่ถูกวางอย่างดี
มีการกำหนดดังต่อไปนี้ เขาบอกว่าเครื่องคอมพิวเตอร์
โปรแกรมบอกว่าจะเรียนรู้จากประสบการณ์
E ที่เกี่ยวกับงาน T บางส่วนและบาง
วัดประสิทธิภาพ P, ถ้า
ผลการดำเนินงานในวันที่ T เป็นวัดโดย P ปรับปรุง
ที่มีประสบการณ์อีที่จริงผมคิดว่าเขามา
ขึ้นกับคำนิยามนี้ เพียงเพื่อให้มัน
คล้องจอง สำหรับการตรวจสอบการเล่น
เช่นอีประสบการณ์จะได้รับ
ประสบการณ์ของการมีโปรแกรมเล่น 10
ของ 1000 ของเกมกับตัวเอง
เสื้องานจะเป็นงานของการเล่น
หมากฮอส และวัดประสิทธิภาพ P,
จะมีความน่าจะเป็นที่จะ
ชนะเกมต่อไปของการตรวจสอบกับ
ฝ่ายตรงข้ามบางอย่างใหม่ ตลอดเหล่านี้
วิดีโอนอกจากฉันพยายามที่จะสอนให้คุณ
สิ่งที่ผมเป็นครั้งคราวจะขอให้คุณ
คำถามที่จะทำให้แน่ใจว่าคุณเข้าใจ
เนื้อหา นี่คือหนึ่งในด้านบนเป็น
ความหมายของการเรียนรู้เครื่องโดยทอม
มิตเชลล์ สมมติว่าโปรแกรมอีเมลของคุณ
นาฬิกาซึ่งอีเมลที่คุณทำหรือทำไม่ได้ธง
เป็นสแปม ดังนั้นในไคลเอนต์อีเมลเช่นนี้
คุณอาจจะคลิกที่ปุ่มสแปมนี้ในการรายงาน
อีเมลบางเป็นสแปม แต่ไม่อีเมลอื่น ๆ
และ ตามที่อีเมลที่คุณทำเครื่องหมายเป็น
สแปมดังนั้นโปรแกรมอีเมลของคุณเรียนรู้ที่ดีกว่า
วิธีการกรอง e-mail ขยะ เป็นสิ่งที่
งาน T ในการตั้งค่านี้หรือไม่? ในไม่กี่วินาที,
วิดีโอจะหยุดการทำงานชั่วคราว และเมื่อมันไม่เป็นเช่นนั้น
คุณสามารถใช้เมาส์ของคุณเพื่อเลือกหนึ่งของ
เหล่านี้ปุ่มสี่ที่จะให้เพื่อให้ฉัน
ได้รู้ว่าที่เหล่านี้สี่คุณคิดว่าเป็น
คำตอบที่เหมาะสมสำหรับคำถามนี้ ที่อาจ
จะเป็นตัวชี้วัดประสิทธิภาพการทำงาน P. และเพื่อให้เรา
ปฏิบัติงานในงานระบบของเราของ
ผลการดำเนินงานในวันที่ T งานใน
วัดประสิทธิภาพ P จะดีขึ้นหลังจาก
ประสบการณ์อีในชั้นนี้ผมหวังว่าจะ
สอนคุณเกี่ยวกับประเภทที่แตกต่างกันของ
ขั้นตอนวิธีการเรียนรู้ มีหลาย
ประเภทที่แตกต่างกันของการเรียนรู้ขั้นตอนวิธี.
หลักสองประเภทเป็นสิ่งที่เราเรียกว่า
การเรียนรู้ภายใต้การดูแลและใกล้ชิด
การเรียนรู้ ฉันจะกำหนดสิ่งที่คำเหล่านี้
หมายถึงในวิดีโอคู่ต่อไป แต่
ปรากฎว่าในการเรียนรู้ภายใต้การดูแล,
ความคิดที่ว่าเรากำลังจะไปสอน
คอมพิวเตอร์วิธีที่จะทำบางสิ่งบางอย่างในขณะที่
การเรียนรู้ใกล้ชิดที่เรากำลังจะปล่อยให้
มันเรียนรู้ด้วยตัวเอง ไม่ต้องกังวลถ้าเหล่านี้
สองวาระไม่ได้ทำให้ความรู้สึก แต่ใน
อีกสองวิดีโอที่ฉันจะบอกว่า
สิ่งที่ทั้งสองประเภทของการเรียนรู้ที่มี คุณ
ยังจะได้ยินคำฉวัดเฉวียนอื่น ๆ เช่น
การเรียนรู้การเสริมแรงและ recommender
ระบบ เหล่านี้เป็นประเภทอื่น ๆ ของเครื่อง
ขั้นตอนวิธีการเรียนรู้ที่เราจะพูดถึง
ในภายหลัง แต่ทั้งสองประเภทที่ใช้มากที่สุดของ
อัลกอริทึมการเรียนรู้อาจจะ
ดูแลการเรียนรู้และใกล้ชิด
การเรียนรู้และฉันจะกำหนดให้ในอีก
สองวิดีโอและเราจะใช้เวลาส่วนใหญ่ของเรื่องนี้
ชั้นพูดคุยเกี่ยวกับทั้งสองประเภทของ
ขั้นตอนวิธีการเรียนรู้ แต่กลับกลายเป็นหนึ่งใน
สิ่งอื่น ๆ ที่เราจะใช้จ่ายมากเวลา
ในชั้นนี้เป็นคำแนะนำที่เป็นประโยชน์สำหรับ
การใช้อัลกอริทึมการเรียนรู้ นี่คือ
สิ่งที่ผมรู้สึกว่าสวยอย่างมาก
เกี่ยวกับและก็จริงบางอย่างที่ผม
ไม่ทราบว่าของมหาวิทยาลัยอื่น ๆ ที่
สอน การเรียนการสอนเกี่ยวกับการเรียนรู้
ขั้นตอนวิธีการก็เหมือนให้คุณชุดของ
เครื่องมือและความสำคัญเท่าเทียมกันหรือมากกว่า
สิ่งสำคัญที่จะช่วยให้คุณมีเครื่องมือที่จะ
สอนวิธีการใช้เครื่องมือเหล่านี้ ผมชอบ
ที่จะทำให้การเปรียบเทียบเพื่อการเรียนรู้ที่จะเป็น
ช่างไม้ ลองคิดดูว่ามีใคร
สอนคุณวิธีการที่จะช่างไม้และ
พวกเขากล่าวว่านี่เป็นค้อนที่นี่เป็น
ไขควงนี่เห็นโชคดี.
ดีที่ไม่ดีใช่มั้ย? คุณคุณคุณ
มีเครื่องมือเหล่านี้ แต่ยิ่ง
สิ่งที่สำคัญคือการเรียนรู้วิธีการใช้
เครื่องมือเหล่านี้อย่างถูกต้อง มีขนาดใหญ่เป็น
ความแตกต่างระหว่างระหว่างคนที่
รู้วิธีการใช้เครื่องเหล่านี้เรียนรู้
ขั้นตอนวิธีการเมื่อเทียบกับคนที่ไม่ทราบ
วิธีการใช้เครื่องมือเหล่านี้ได้ดี ที่นี่ใน
Silicon Valley ที่ฉันอยู่เมื่อผมไป
เยี่ยมชม บริษัท ที่แตกต่างกันแม้ใน
บริษัท ชั้นนำ Silicon Valley บ่อยมากผมเห็น
คนที่กำลังพยายามที่จะใช้เครื่อง
อัลกอริทึมการเรียนรู้ที่จะแก้ไขปัญหาบางอย่างและ
บางครั้งพวกเขาได้รับจะไปที่มันสำหรับ
หกเดือน แต่บางครั้งเมื่อฉันมองไปที่
สิ่งที่พวกเขากำลังทำผมผมผมบอกว่าคุณรู้ว่า
ฉันจะได้บอกพวกเขาเหมือน Gee, ฉันจะ
ได้บอกคุณหกเดือนที่ผ่านมาที่คุณ
ควรจะใช้ขั้นตอนวิธีการเรียนรู้และ
ใช้มันใน เช่นเดียวกับการแก้ไขเล็กน้อย
ทิศทางและโอกาสของการประสบความสำเร็จจะได้
รับที่สูงขึ้นมาก ดังนั้นสิ่งที่เรากำลังจะ
ทำในชั้นนี้เป็นจริงการใช้จ่ายจำนวนมาก
ของเวลาพูดคุยเกี่ยวกับวิธีการถ้าคุณจริง
พยายามที่จะพัฒนากลไกการเรียนรู้
ระบบวิธีการปฏิบัติที่ดีที่สุดให้ผู้
พิมพ์ตัดสินใจเกี่ยวกับวิธีที่คุณ
สร้างระบบของคุณ เพื่อที่ว่าเมื่อคุณกำลัง
ใช้อัลกอริทึมการเรียนรู้คุณน้อย
มีแนวโน้มที่จะจบลงด้วยการเป็นหนึ่งในบรรดาผู้ที่
จบลงด้วยการใฝ่หาเส้นทางบางส่วนเป็นเวลาหกเดือน
ที่คุณรู้ว่าคนอื่นจะได้
คิดออกก็แค่ไม่อยากทำงานที่
ทั้งหมด และเป็นเพียงเสียเวลาเป็นเวลาหก
เดือน ดังนั้นฉันจริงที่เกิดขึ้นที่จะใช้จ่าย
เป็นจำนวนมากเวลาการเรียนการสอนประเภทผู้
ปฏิบัติที่ดีที่สุดในการเรียนรู้ของเครื่องและ
AI และวิธีการที่จะได้รับสิ่งนี้ในการทำงานและ
วิธีการที่เราทำมันว่าคนที่ดีที่สุดทำมันใน
Silicon Valley และรอบ ๆ โลก ฉัน
หวังว่าจะทำให้คุณเป็นหนึ่งในคนที่ดีที่สุดใน
การรู้วิธีการออกแบบและสร้างร้ายแรง
เรียนรู้ของเครื่องและระบบ AI ดังนั้น
นั่นคือการเรียนรู้เครื่องและเหล่านี้เป็น
หัวข้อหลักที่ฉันหวังว่าจะสอน ในถัดไป
วิดีโอฉันจะกำหนดว่าอะไรคือ
การเรียนรู้ภายใต้การดูแลและหลังจากนั้นสิ่งที่
เป็นการเรียนรู้ใกล้ชิด และยังเริ่ม
ที่จะพูดคุยเกี่ยวกับเมื่อคุณจะใช้แต่ละของพวกเขา

ผลลัพธ์ (ไทย) 3:

อะไรคือการเรียนรู้เครื่อง ? ในวิดีโอนี้เรา
จะพยายามที่จะกำหนดสิ่งที่มันเป็นและยังพยายาม
เพื่อให้ความรู้สึกเมื่อคุณต้องการ
การเรียนรู้เครื่องใช้ แม้แต่เครื่อง
เรียนผู้ปฏิบัติงานไม่มีดี
ยอมรับความหมายของสิ่งที่เป็นและสิ่งที่
ไม่ใช่การเรียนรู้เครื่อง แต่ขอโชว์
คุณคู่ของตัวอย่างของวิธีการที่
คนมีความพยายามที่จะกำหนดมัน นี่คือ
คำจำกัดความของสิ่งที่เป็นเครื่องการเรียนรู้
ทำให้อาเธอร์ซามูเอล เขากำหนดเครื่อง
การเรียนรู้ด้านการศึกษาที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้

อย่างชัดเจนโดยไม่ต้องตั้งโปรแกรม แซมมวลกำลังเรียกร้องเพื่อชื่อเสียงคือ
กลับในทศวรรษ 1950 เขาเขียน : หมากฮอสเล่นโปรแกรม และสิ่งน่าพิศวงเกี่ยวกับหมากฮอสเล่น

โปรแกรมที่อาเธอร์ซามูเอลตัวเอง
ไม่ได้เป็นผู้เล่นหมากรุกที่ดีมาก แต่
สิ่งที่เขาทำคือ เขามีโปรแกรมให้เล่น
10 ของ 1000 ของเกมกับตัวเอง และดูสิ่งที่ประเภทของ
โดยคณะกรรมการตำแหน่ง
มีแนวโน้มที่จะนำไปสู่ชัยชนะ และสิ่งที่จัดเรียงของคณะกรรมการตำแหน่ง
มีแนวโน้มนำไปสู่
ขาดทุน หมากฮอสเล่นโปรแกรม
เรียนรู้ตลอดเวลา สิ่งที่คณะกรรมการตำแหน่ง
ดีและสิ่งที่คณะกรรมการตำแหน่ง
ไม่ดี และในที่สุดก็เรียนรู้ที่จะเล่น
หมากฮอสดีกว่าอาร์เธอร์ซามูเอลตัวเอง
สามารถ . นี้คือผลที่น่าทึ่ง .
แม้ว่าแซมมวลเองก็ดูไม่ค่อยเป็น
ดีมากหมากฮอสผู้เล่น แต่เนื่องจากคอมพิวเตอร์มีความอดทนที่จะเล่น

นับพันเกมนั่นเอง ไม่มี
มนุษย์ มีความอดทนในการเล่นเกมมากมาย
. โดยทำคอมพิวเตอร์ได้
เพื่อรับประสบการณ์การเล่นหมากฮอสมากที่ในที่สุดก็กลายเป็นผู้เล่นที่ดีกว่าอาเธอร์ซามูเอลหมากฮอส

ตัวเอง นี่คือนิยามที่ค่อนข้างเป็นทางการ
และเก่าหนึ่ง นี่คือ
เล็กน้อยล่าสุดนิยามโดยทอม
มิเชลเพื่อนจาก Carnegie Mellon
. งั้นทอม นิยามการเรียนรู้ของเครื่องโดย
บอกว่าเป็นอย่างดีถูกวางปัญหาการเรียน
นิยามดังนี้ เขาบอกว่า คอมพิวเตอร์
โปรแกรมบอกว่าให้เรียนรู้จากประสบการณ์
E , ด้วยความเคารพบางงานไม่ได้ และบาง
ประสิทธิภาพวัด P ถ้าประสิทธิภาพ
T , P เพิ่ม
ที่มีประสบการณ์ . ฉันคิดว่าเขามา
กับคำนิยามนี้ เพียงแค่จะให้มัน
แต่งกลอน เพื่อตรวจสอบตัวอย่างประสบการณ์เล่น

E จะเป็นประสบการณ์ของการมีโปรแกรมเล่น 10
ของ 1000 ของเกมกับตัวเอง
งานทีจะมีงานเล่น
หมากฮอส . และดัชนีวัดประสิทธิภาพของระบบ P ,
จะมีความน่าจะเป็นที่จะชนะเกมต่อไป

บางหมากฮอสกับคู่แข่งใหม่ ตลอดการวิดีโอเหล่านี้
, นอกจากนี้ฉันพยายามที่จะสอนคุณ
สิ่ง บางครั้งฉันก็ถามคำถามเพื่อให้แน่ใจว่าคุณเข้าใจ

) ที่นี่เป็นหนึ่งในด้านบนเป็นนิยามการเรียนรู้ของเครื่องโดยทอม

มิทเชลล์สมมติว่านาฬิกาโปรแกรม
อีเมล์ของคุณที่อีเมลที่คุณทำหรือทำไม่ธง
เป็นสแปม ดังนั้นในอีเมลไคลเอ็นต์แบบนี้
คุณอาจคลิกปุ่มนี้เพื่อรายงานสแปม
บางอีเมล์เป็นสแปม แต่ไม่อื่น ๆอีเมล
. ตามอีเมล์ที่คุณทำเครื่องหมาย
สแปม ดังนั้นโปรแกรม e - mail ของคุณเรียนรู้ดีกว่า
วิธีการกรองสแปมอีเมล อะไรคือ
งาน t ในการตั้งค่านี้ ? ในไม่กี่วินาที
วิดีโอจะหยุดและเมื่อเป็นอย่างนั้น
คุณสามารถใช้เมาส์เพื่อเลือกหนึ่งของ
ปุ่มเหล่านี้สี่วิทยุให้ ให้ฉัน
รู้อันไหนที่คุณคิดว่าเป็นที่
ตอบคําถามนี้ ที่อาจเป็นวัดหน้างาน

และ ดังนั้น การปฏิบัติงานในระบบงานของการปฏิบัติงานของเรา

t ในการวัดประสิทธิภาพ P จะปรับปรุงหลังจากประสบการณ์ในชั้นนี้
.

หวังว่าสอนคุณเกี่ยวกับชนิดต่าง ๆ ที่แตกต่างกันของ
การเรียนรู้ขั้นตอนวิธี มีหลายชนิดแตกต่างกันของอัลกอริทึมการเรียนรู้
.
หลักสองประเภทคือสิ่งที่เราเรียก

ดูแลการเรียนรู้และการเรียนรู้แบบไม่มีผู้สอน . ฉันจะกำหนดว่าข้อตกลงเหล่านี้
หมายถึงมากขึ้นในวิดีโอคู่ต่อไป แต่ปรากฎว่าในการ

เรียน ความคิดที่เรากำลังจะสอน
คอมพิวเตอร์วิธีการทำอะไรบางอย่างในขณะที่
ดาวแคระดำ เราจะปล่อยให้
มันเรียนรู้ด้วยตัวเอง ไม่ต้องห่วงถ้าเหล่านี้
สองแง่ที่ไม่มีเหตุผล แต่ใน
ถัดไปสองวิดีโอที่ฉันกำลังจะพูดพอดี
อะไรเหล่านี้สองชนิดของการเรียนรู้เป็น คุณจะยังได้ยินเสียงกระหึ่ม
เงื่อนไขอื่นๆ เช่น เสริมสร้างการเรียนรู้ และระบบแนะนำ

เหล่านี้มีชนิดอื่น ๆของขั้นตอนวิธีการเรียนรู้เครื่องที่เราจะพูดถึง

ในภายหลัง แต่สองชนิดส่วนใหญ่ใช้ขั้นตอนวิธีการเรียนรู้อาจจะ

ดูแลการเรียนรู้และการเรียนรู้แบบไม่มีผู้สอน
และผมจะกำหนดไว้ในหน้า
สองวิดีโอและเราจะใช้เวลาส่วนใหญ่ของชั้นเรียนนี้

พูดคุยเกี่ยวกับทั้งสองประเภทของการเรียนรู้วิธีการ มันกลายเป็นหนึ่งในสิ่งอื่น ๆเรา

จะใช้จ่ายมากเวลาในชั้นเรียนนี้เป็นคำแนะนำที่เป็นประโยชน์สำหรับ
ใช้อัลกอริทึมการเรียนรู้ . นี่คือ
บางอย่างที่ผมรู้สึกว่าสวยขอ
เกี่ยวกับและมันเป็นจริงสิ่งที่ฉัน

ไม่รู้ของมหาวิทยาลัยอื่น ๆสอน สอนเกี่ยวกับการเรียนรู้
มาแล้วเหมือนให้คุณชุดของ
เครื่องมือ และมีความสำคัญที่เท่าเทียมกันหรือมากกว่า
ที่สำคัญเพื่อให้คุณมีเครื่องมือที่จะ
สอนวิธีการใช้เครื่องมือเหล่านี้ ฉันชอบ
ให้คล้ายคลึงกับการเรียนรู้ที่จะกลายเป็น
ช่างไม้ ลองจินตนาการว่ามีคน