Visão geral
- Um sistema de aprendizado de máquina consiste em vários componentes básicos que devem ser gerenciados
- Aprenda sobre os três principais componentes do aprendizado de máquina com os quais você trabalhará como cientista de dados
Introdução
Como funciona um projeto de aprendizado de máquina? Quais são os diferentes blocos de construção necessários para a criação de um sistema de aprendizado de máquina ou inteligência artificial? (ELE)? Este é um problema com o qual eu pessoalmente lutei durante meus primeiros dias no campo..
Ele sabia como fazer modelos de aprendizado de máquina, mas eu não tinha ideia de como um projeto de aprendizado de máquina do mundo real realmente funcionava. Foi uma grande revelação quando passei pelo processo!! E com o tempo, Já vi muitos iniciantes em ciência de dados e aprendizado de máquina se esforçarem para entender as nuances de um sistema de aprendizado de máquina.
Lembrar: Não se trata apenas de construir modelos! É preciso MUITO para criar um sistema de inteligência artificial e aprendizado de máquina de sucesso. É uma fusão de hardware e software, entre outras coisas. Então, a pergunta é: Quais são os principais blocos de construção de um sistema de aprendizado de máquina de sucesso?
Isso é o que cobriremos em detalhes neste artigo.. Apresentarei uma visão geral desses diferentes componentes em um sistema de aprendizado de máquina ou inteligência artificial., e então vamos entender esses componentes com a ajuda de um carro autônomo.
Este artigo e os conceitos que cobriremos fazem parte do programa gratuito ‘Introdução à IA e aprendizado de máquina‘ curso. Eu recomendo dar uma olhada: é um ótimo lugar para se familiarizar com os vários conceitos de inteligência artificial e aprendizado de máquina.
E os três pilares fundamentais do aprendizado de máquina são:
- Bloco de construção de aprendizado de máquina n. ° 1: captura de entrada
- Bloco de construção de aprendizado de máquina n. ° 2: processamento e armazenamento de dados
- Bloco de construção de aprendizado de máquina n. ° 3: unidade de resultado ou interação
Bloco de construção de aprendizado de máquina n. ° 1: captura de entrada
Conforme esperado, todo sistema de aprendizado de máquina precisa de uma grande quantidade de dados para funcionar. Em última instância, tome decisões com base nos dados que você captura. E você precisa capturar dados sobre o ambiente em que está, condições ambientais, entradas do usuário, etc.
Portanto, o primeiro bloco de construção de qualquer sistema de inteligência artificial ou aprendizado de máquina é a maneira como ele captura e entra no sistema.
Então, Como está esta entrada?? Isso pode incluir vários sensores, como uma câmera que captura imagens, Localização GPS, entradas do usuário em aplicativos móveis, etc. Para selecionar as entradas corretas, devemos fazer essas perguntas-chave:
- Quais dados precisamos capturar?
- Com que frequência precisamos capturar esses dados?
- Quão rápido esse fluxo de dados?
- Qual poderia ser a melhor maneira de capturar esses dados?
As vezes, haveria várias maneiras de capturar os mesmos dados. Por exemplo, você pode confiar nos sensores do seu carro para capturar informações meteorológicas, ou você pode extraí-los diretamente da Internet com base nas coordenadas GPS do seu carro.
Pode fazer sentido pesar os prós e os contras das várias maneiras de capturar dados antes de decidir qual você prefere..
Bloco de construção de aprendizado de máquina n. ° 2: processamento e armazenamento de dados (Edge y Cloud)
Depois de capturarmos esses dados das unidades de entrada, precisaremos armazená-los ou executar cálculos neles. Essa é basicamente a escolha que se resume quando estamos trabalhando em um projeto de aprendizado de máquina!
Ambos (processamento ou armazenamento) pode ocorrer no sistema normalmente chamado “IA no limite” ou podem acontecer na nuvem. Novamente, temos algumas opções diante de nós. Precisamos decidir:
- Quais dados seriam armazenados na borda?
- Que cálculos ocorreriam na borda? Aqui, normalmente teria limitações no ambiente de computação (creme, Nem todo mundo tem recursos de computação ilimitados do Google!!)
- O que aconteceria na nuvem?
Em geral, se houver alguma operação crítica que deva ocorrer, mesmo se não houver conexão com a Internet ou uma atualização do sistema, deve sempre ocorrer na borda.
Isso inclui coisas como decisões instantâneas, alertas ou qualquer outra forma de monitoramento que você deseja no dispositivo. O armazenamento de dados e cálculos mais completos são feitos na nuvem. É aqui que os cientistas de dados costumam aplicar várias técnicas de aprendizado de máquina para melhorar o sistema.. Todos os nossos lagos de dados, armazéns de dados, etc. normalmente eles também estariam na nuvem.
Bloco de construção de aprendizado de máquina n. ° 3: unidade de resultado ou interação
Finalmente, haveria uma unidade de saída ou interação em uma inteligência artificial bem-sucedida ou sistema de aprendizado de máquina. Esta é a unidade em que o sistema de aprendizado de máquina iria interagir com o universo externo e agir.
Isso pode ser em formato de tela, saída de voz ou ações robóticas informais. Em geral, a saída de nosso sistema de aprendizado de máquina também teria várias considerações de design.
Por exemplo, se um veículo não consegue decidir ou ler o ambiente com certeza, as principais questões precisam ser respondidas:
- O que o sistema deve fazer?
- Deve parar primeiro ou alertar o usuário?
- Com que frequência e quais detalhes você deve comunicar ao usuário?
Estas son algunas de las questions centrales que se consideran comúnmente en la Camada de saídao "Camada de saída" é um conceito utilizado no campo da tecnologia da informação e design de sistemas. Refere-se à última camada de um modelo ou arquitetura de software que é responsável por apresentar os resultados ao usuário final. Essa camada é crucial para a experiência do usuário, uma vez que permite a interação direta com o sistema e a visualização dos dados processados.... de qualquer sistema de aprendizagem automática.
Estudo de caso: blocos de construção para um carro autônomo
Agora, Vamos dar um exemplo de um carro autônomo e examinar cada um desses blocos de construção com mais detalhes.. Isso ajudará você a obter uma compreensão mais prática de como um sistema de aprendizado de máquina ou inteligência artificial funciona no mundo real..
Então, Qual seria o primeiro bloco de construção ou componente?
Você adivinhou, entrada! Confira o carro autônomo em drive.ai:
Como você pode ver aqui, este veículo autônomo tem muitos sensores que atuam como entrada para o sistema de aprendizado de máquina. Você pode ver esses sensores no topo do carro (Na cor azul). Estes são chamados de LiDAR ou detecção de luz e alcance. além disso, existem outros sensores que capturam mais informações, como o clima, obstáculos dentro e ao redor do carro, detecção de pista, etc.
Depois, há o cálculo e o armazenamento no próprio carro, permitindo que você tome decisões como:
- Quanto dirigir?
- Quão rápido correr?
- Quais são os obstáculos no caminho?
- Como lidar com esses obstáculos?
Há também uma camada de armazenamento e computação em nuvem, que é responsável por melhorar o algoritmo de condução ao longo do tempo.
E finalmente, Eu veria vários componentes de saída como uma tela para mostrar mensagens às pessoas ao redor do carro. Há também a ação realizada pelo processo robótico para impulsionar o veículo para frente.. Aqui está uma ilustração das diferentes camadas que são necessárias nesta fase:
Existem muitos outros aspectos práticos necessários para criar um carro autônomo de sucesso. Mas eu queria pegar este exemplo para mostrar como funciona a ideia geral por trás de um sistema de aprendizado de máquina do mundo real e os principais blocos de construção necessários para executá-lo..
Notas finais
Bastante fascinante, verdade? Como disse anteriormente, um projeto de aprendizado de máquina não se trata apenas de construir modelos. Há muito mais coisas que a maioria dos entusiastas da ciência de dados não conhece. Esse conhecimento prático é necessário se você deseja obter uma posição como um especialista em aprendizado de máquina.
Aqui você tem um desafio. Agora que você entende os vários componentes de um carro autônomo, é sua vez de projetar os componentes de um aspirador inteligente que pode navegar pelo chão por conta própria e limpar a área em que navega. Divirta-se construindo!
E se você tiver dúvidas ou pensamentos sobre este artigo, Eu adoraria ouvir de você.
