← capítulos anteriores

51. Escolhendo os componentes do pipeline: facilidade para resolver problemas

O segundo fator importante a considerar ao construir um pipeline, além da disponibilidade de dados de treinamento, é a facilidade de uso do componente. Você precisa tentar escolher esses componentes do pipeline, cada um dos quais é fácil de desenvolver ou aprender. Mas o que isso significa: o componente é fácil de aprender?

A seguir, são apresentadas tarefas de aprendizado de máquina em ordem crescente de dificuldade:

1. Classificação de imagens superexpostas (como no exemplo acima)
2. Determinando se uma imagem é tirada em ambientes internos ou externos
3. Determinando se uma imagem contém um gato ou não
4. Determinando se uma imagem contém um gato com pêlo preto e branco
5. Determinando se uma imagem contém um gato siamês (uma raça especial de gato).

Cada um deles é uma tarefa de classificação binária: uma imagem é inserida, o algoritmo gera 0 ou 1. Além disso, quanto maior a tarefa da lista, mais "fácil" é a rede neural para aprender como resolvê-la. Tarefas mais simples exigem menos exemplos de treinamento.

Atualmente, não existe uma boa definição formal de dificuldade da tarefa no aprendizado de máquina

: « », , — , , ( ). . .

, «», ( (shallow neural network)), «», (, () ). .

, , , .

, . :

, :

( ) .

( ) , 1, - .

( ) , , 0 1.

: , , , . , , . , Deep Learning Coursera.

.

: (1) , (2) (3) . «», , .

, , , , «» , .

52.

, x , . , ( , , )?

x =

y = « , »

h: -> Y, y .

:

, , , y, , . , (x) (y).

A tendência crescente de aprendizado profundo é o ensino de sistemas de ponta a ponta, cuja saída, com a disponibilidade de dados rotulados adequados (entrada e saída rotuladas para o sistema), você pode obter imagens, fragmentos de texto, clipes de áudio e outros objetos complexos, e não apenas números.

continuação