Разбираемся простыми словами Машинное обучение — как секс в старших классах. Все говорят о нем по углам, единицы понимают, а занимается только препод. Статьи о машинном обучении делятся на два типа: это либо трёхтомники с формулами и теоремами, которые я ни разу не смог дочитать даже до середины, либо сказки об искусственном интеллекте, профессиях будущего и волшебных дата-саентистах. Решил сам написать пост, которого мне не хватало. Большое введение для тех, кто хочет наконец разобраться в машинном обучении — простым языком, без формул-теорем, зато с примерами реальных задач и их решений...

День создания полноценного искусственного интеллекта все ближе. Сейчас мы все еще далеки от утопического будущего технократии и всевластия разумных машин, но алгоритмы, называемые технологией машинного обучения, используются все чаще повсеместно в наши дни в разных сферах. Страх общества перед современными тенденциями развития технологий базируется на отсутствии понимания этой комплексной технологии. ML+AI = будущее технологий рынка приложений В свою очередь, машинное обучение является отраслью искусственного интеллекта и техники анализа данных...

Область машинного обучения сейчас на подъёме, и специалистов в ней остро не хватает. О том, какими навыками нужно владеть, чтобы стать одним из таких специалистов, мы решили узнать у экспертов. Ксения Шишканова, архитектор big data решений Accenture в России За последние 5 лет сформировался стандартный набор требований к специалисту по машинному обучению, который включает: сильную математическую подготовку (теорию вероятности, статистику, линейную алгебру), как минимум один из языков программирования Python/R (реже С++), знание и способность на практике реализовать модели машинного обучения...