Машинното обучение е модна дума за днешните технологии и се разраства много бързо всеки ден. Използваме машинно обучение в ежедневието си, дори без да го знаем, като Google Maps, Google Assistant, Alexa и т.н. По-долу са някои от най-модерните реални приложения на Machine Learning:
1. Разпознаване на изображения:
Разпознаването на изображения е едно от най-разпространените приложения на машинното обучение. Използва се за идентифициране на обекти, лица, места, цифрови изображения и т.н. Популярният случай на използване на разпознаване на изображения и разпознаване на лица е, Автоматично предложение за маркиране на приятели :
Facebook ни предоставя функция за автоматично предложение за маркиране на приятели. Всеки път, когато качваме снимка с нашите приятели във Facebook, автоматично получаваме предложение за маркиране с име, а технологията зад това е машинно обучение разпознаване на лица и алгоритъм за разпознаване .
Базиран е на проекта на Facebook, наречен ' Дълбоко лице , който отговаря за разпознаването на лицето и идентифицирането на човек в снимката.
2. Разпознаване на реч
Докато използваме Google, получаваме опция за „ Гласово търсене ,“ попада в разпознаването на реч и е популярно приложение за машинно обучение.
Разпознаването на реч е процес на преобразуване на гласови инструкции в текст и е известен също като ' Реч към текст ', или ' Компютърно разпознаване на реч .' В момента алгоритмите за машинно обучение се използват широко от различни приложения за разпознаване на реч. Google асистент , Siri , Кортана , и Алекса използват технология за разпознаване на реч, за да следват гласовите инструкции.
java списък възел
3. Прогноза за трафика:
Ако искаме да посетим ново място, използваме помощта на Google Maps, който ни показва правилния път с най-краткия маршрут и прогнозира условията на трафика.
Той прогнозира условията на трафика, като например дали трафикът е свободен, бавно се движи или е силно задръстван с помощта на два начина:
Всеки, който използва Google Map, помага на това приложение да стане по-добро. Той взема информация от потребителя и я изпраща обратно в своята база данни, за да подобри производителността.
4. Препоръки за продукта:
Машинното обучение се използва широко от различни компании за електронна търговия и развлечения, като напр Amazon , Нетфликс и др., за препоръка на продукта на потребителя. Всеки път, когато търсим някакъв продукт в Amazon, започваме да получаваме реклама за същия продукт, докато сърфираме в интернет на същия браузър и това се дължи на машинното обучение.
Google разбира интереса на потребителите, използвайки различни алгоритми за машинно обучение и предлага продукта според интереса на клиента.
По същия начин, когато използваме Netflix, намираме някои препоръки за развлекателни сериали, филми и т.н., като това също се прави с помощта на машинно обучение.
5. Самоуправляващи се автомобили:
Едно от най-вълнуващите приложения на машинното обучение са самоуправляващите се автомобили. Машинното обучение играе важна роля в самоуправляващите се автомобили. Tesla, най-популярната компания за производство на автомобили, работи върху самоуправляваща се кола. Той използва метод на обучение без надзор, за да обучи моделите на автомобили да откриват хора и предмети по време на шофиране.
6. Филтриране на нежелана поща и зловреден софтуер:
Всеки път, когато получим нов имейл, той се филтрира автоматично като важен, нормален и спам. Винаги получаваме важна поща във входящата си кутия с важния символ и спам имейли в нашата кутия за спам, а технологията зад това е машинно обучение. По-долу са някои филтри за спам, използвани от Gmail:
- Филтър за съдържание
- Филтър за заглавка
- Общ филтър за черни списъци
- Филтри, базирани на правила
- Филтри за разрешения
Някои алгоритми за машинно обучение, като напр Многослоен перцептрон , Дърво на решенията , и Наивен класификатор на Бейс се използват за филтриране на спам по имейл и откриване на злонамерен софтуер.
7. Виртуален личен асистент:
Имаме различни виртуални лични асистенти като напр Google асистент , Алекса , Кортана , Siri . Както подсказва името, те ни помагат да намерим информацията, използвайки нашите гласови инструкции. Тези асистенти могат да ни помогнат по различни начини само чрез нашите гласови инструкции, като Пуснете музика, обадете се на някого, Отваряне на имейл, Насрочване на среща и т.н.
Тези виртуални асистенти използват алгоритми за машинно обучение като важна част.
Тези асистенти записват нашите гласови инструкции, изпращат ги през сървъра в облак и ги декодират с помощта на ML алгоритми и действат съответно.
8. Откриване на онлайн измами:
Машинното обучение прави нашата онлайн транзакция безопасна и защитена чрез откриване на измамна транзакция. Всеки път, когато извършваме някаква онлайн транзакция, може да има различни начини, по които може да се извърши измамна транзакция, като напр фалшиви акаунти , фалшиви документи за самоличност , и крадат пари в средата на транзакция. Така че, за да откриете това, Feed Forward Невронна мрежа ни помага, като проверява дали това е истинска транзакция или измамна транзакция.
За всяка истинска транзакция изходът се преобразува в някои хеш стойности и тези стойности стават вход за следващия кръг. За всяка истинска транзакция има специфичен модел, който получава ресто за измамната транзакция, следователно я открива и прави нашите онлайн транзакции по-сигурни.
9. Търговия на фондовия пазар:
Машинното обучение се използва широко в борсовата търговия. На фондовия пазар винаги има риск от ръстове и спадове на акциите, така че за това машинно обучение невронна мрежа с дългосрочна и краткосрочна памет се използва за прогнозиране на тенденциите на фондовия пазар.
10. Медицинска диагноза:
В медицината машинното обучение се използва за диагностициране на заболявания. С това медицинската технология се развива много бързо и е в състояние да изгради 3D модели, които могат да предвидят точната позиция на лезиите в мозъка.
Помага за лесно откриване на мозъчни тумори и други заболявания, свързани с мозъка.11. Автоматичен езиков превод:
В днешно време, ако посетим ново място и не сме наясно с езика, тогава това изобщо не е проблем, тъй като за това също ни помага машинното обучение, като преобразува текста в познатите ни езици. GNMT на Google (Google Neural Machine Translation) предоставя тази функция, която е невронно машинно обучение, което превежда текста на познатия ни език и се нарича автоматичен превод.
Технологията зад автоматичния превод е алгоритъм за обучение от последователност към последователност, който се използва с разпознаване на изображения и превежда текста от един език на друг език.