Куда бы я не заходил - в ВК, на Youtube, Instagram - меня везде преследует реклама. Это особенность текущего уровня развития интернет-технологий. Но для каждого реклама своя. У меня по большей части выскакивают курсы IT, вёрстка, веб-дизайн и Big-data. И если с вёрсткой и веб-дизайном всё более-менее понятно, то с BD возникают вопросы. Давайте разбираться.
Что вообще такое Big-Data или Data Science (вообще-то это разные вещи, но отличия существенны для специалистов)? Big-Data переводится как большие данные (минутка английского языка: дата на английском - Date), а Data Science - обработка данных. Но при чём здесь тогда нейросети и вторая непонятная штука из названия? А при том, что Machine Learning - машинное обучение - подраздел выше упомянутых направлений IT-индустрии.
Что такое нейросеть?
Нейросеть - множество нейронов, получающих информацию, обрабатывающих её и выдающих результат. Нейросети уже захватили мир. Они используются нами постоянно: мы что-то ищем в поисковиках, разговариваем с Алисой, Siri, Стив Джобс знает чем ещё, обрабатываем фотографии. Я не случайно начал с разговора о персональной рекламе - её нам тоже подсылает нейросеть. В общем, областей применения нейросетей так много, что в ML можно выделить свои подразделы.
История нейросетей
Чуть-чуть углубимся в историю. Задумывались об искусственном интеллекте давно, если искать информацию о нейросетях, можно даже до Аристотеля докопаться, но древние к интересующему нас вопросу отношение имели посредственное, поэтому углубимся не так сильно. Вернёмся в 40-ые прошлого века. Бурно развивается медицина, анатомия и, что нас занимает больше остального, нейрофизиология. Появились некоторые представления о работе головного мозга и нейронов, из которых мозг и состоит. Тогда Мак-Каллок и Питс разработали модель нейронной сети, основываясь на математике и появившейся тогда теории деятельности головного мозга. Модель нейрона был достаточно прост - логический элемент с множеством входов для данных и единственным выходом. Внутри с данными проводились различные операции, которые могли быть как простыми так и не очень. А уже в зависимости от результатов проведённых операций выходил определённый набор данных.
Причём здесь то сложное слово?
Через пятнадцать лет Фрэнк Розенблатт представил концепцию перцептрона. Его модель была очень похожа на модель нейрона Мак-Каллока и Питса. Суть вот в чём: входные данные поступают в перцептрон, их называют признаками. Каждый признак имеет свой вес, представленный компьютеру в виде коэффициента. Признаки и их веса перемножают и суммируют произведения. Если сумма переходит определённый порог, установленный человеком, нейрон активируется. Если не переходит - не активируется.
Заключение
Как о нейросетях, так и о перцептроне говорить можно ещё долго, поэтому здесь выйдут ещё статьи на эту тему. Если вам это было интересно, пишите комментарии и ставьте лайки.
