Machine Learning

Изучать и применять технологии машинного обучения теперь легко благодаря новой бесплатной программе NeoNeuro Machine Learning. 

neoneuro machine learning

 

  1. Основная идея NeoNeuro Machine Learning – универсальность.
  2. Универсальность – это когда всё работает по одной кнопке. Скопировали данные в таблицу и нажали Calculate. Всё!
  3. По умолчанию в Machine Learning открывается пример, в котором компьютер учится элементарным математическим операциям. Советуем потренироваться и с нуля научить компьютер складывать и вычитать – это сразу даёт понимание того, как работает программа.
  4. Нажмите на ChessBoard и научите компьютер шахматным ходам. Вы увидите, как компьютер вначале ошибается и как постепенно учится ходить правильно. Искусственный интеллект Machine Learning в этом аспекте подобен человеческому.
  5. «Человечность» программы проявляется и в работе со статистическими базами – в отличие от классических Data Mining и  Machine Learning приложений, NeoNeuro Machine Learning может отвечать «не знаю» или давать ответы на выбор – совсем как человек-эксперт.
  6. Универсальность Machine Learning это:
    1. Единый метод работы с любыми данными: статистические базы, обучение компьютера арифметике, решение геометрических задач, таких как обучение или шахматным ходам или движению роботов.
    2. Интуитивно понятное добавление данных. Скопируйте данные из электронной таблицы или HTML страницы и просто вставьте в NeoNeuro Machine Learning – программа сама разберётся с типами параметров, при этом их можно менять вручную.
    3. Ввод данных для проверки идентичен вводу данных для обучения, здесь также можно использовать копирование и вставку.
    4. Machine Learning предлагает детальный и понятный отчёт. Для статистических данных 10% обучающей выборки не используются для обучения, а используются для проверки. Вы увидите как матрицу ошибок (confusion matrix), так и диаграмму распределения типов ответов.

 

  1. Настройки. По умолчанию в Machine Learning всё настроено так, чтобы было комфортно работать c любыми данными. При этом можно настраивать:
    1. Типы атрибутов
    2. Размерности атрибутов. Например, ежемесячный доход и платёж – это размерность «деньги», а возраст и количество лет займа – это «время».
    3. In Machine Learning you can tune the Confidence parameter. Better confidence gives more “unknown” answers, lower confidence accepts more variants to give exact answer. This is like a human’s confidence.
    4. В Machine Learning Вы можете настраивать параметр Уверенности. Большая уверенность даёт больше ответов «не знаю», меньшая уверенность принимает больше вариантов для выдачи точного ответа. Это похоже на человеческую уверенность.
  2. На сегодняшний день  Machine Learning – это единственная известная программа, которую можно научить шахматным  ходам. Эта способность появляется за счёт использования размерности атрибутов – геометрических координат X и Y и может применятся в вопросах обучения роботов передвижению. В Machine Learning показано, как обезьяну можно научить подходить к банану, аналогичный алгоритм можно использовать для обучения робота делать сложные манипуляции  от уборки и строительства до проведения хирургической операции. Причём обучение аналогично обучению человека – роботу показывают как нужно делать ту или иную работу и объясняют, какие робот делает ошибки, чтобы он не совершал их в будущем.
  3. Работа с геометрией – не единственная уникальная особенность Machine Learning. Алгоритм, применённый в программе, показывает лучшие результаты при обработке статистических данных, чем большинство классических алгоритмов. Во многом это связано с тем, что Machine Learning в случае неуверенности в ответе может сказать «не знаю» или дать ответ на выбор. Уровень ошибок у Machine Learning обычно ниже, чем у таких методов, как логистической регрессии, байесовских сетей, нейронных сетей и других методов data mining.
  4. В будущих версиях Machine Learning планируется:
    1.  API для программирования на языках VC++, C# и Delphi
    2. Переводы на множество языков