Что такое машинное обучение — и чем оно НЕ является
Автор разбирает суть машинного обучения через призму его отличия от традиционного программирования. ML — не улучшенная версия кода, а инструмент для задач, где правила невозможно записать явно, только показать примерами. Если проблему можно решить формулой или правилом — ML добавит лишь затраты и неопределённость.
Полезно тем, кто выбирает между ML и классическим кодом: статья учит различать задачи, где ML уместен, и задачи, где он лишь усложняет жизнь. Хорошая методология для продуктовых команд и инженеров.
Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.
О чём статья
- ML применяется только там, где явное программирование бессильно: когда правила скрыты в данных, а не в голове человека
- Классификация — самый наглядный тип ML-задач, и большинство практических успехов (фрод, триаж, модерация) сводятся к ней
- «Чёрный ящик» ML — не баг, а фича: непрозрачность — цена за то, что машина извлекает правила из данных, а не получает их от человека
- Больше данных ≠ лучше модель; качество данных важнее объёма, а сложный фреймворк не улучшит задачу, решаемую простым алгоритмом
Сергей Ефимов
Medium #artificial-intelligence
Читать оригинал
Комментарии