Машинско учење је популарна реч за данашњу технологију и расте веома брзо из дана у дан. Користимо машинско учење у свакодневном животу чак и не знамо за то, као што су Гоогле мапе, Гоогле асистент, Алека, итд. Испод су неке од најпопуларнијих апликација машинског учења у стварном свету:
1. Препознавање слике:
Препознавање слика је једна од најчешћих примена машинског учења. Користи се за идентификацију објеката, особа, места, дигиталних слика, итд. Популаран случај употребе препознавања слика и детекције лица је, Аутоматски предлог за означавање пријатеља :
Фацебоок нам пружа функцију аутоматског предлога за означавање пријатеља. Кад год отпремимо фотографију са нашим пријатељима на Фејсбуку, аутоматски добијамо предлог за означавање са именом, а технологија иза овога је машинско учење детекција лица и алгоритам за препознавање .
Заснован је на Фејсбук пројекту под називом ' Дубоко лице ,' који је одговоран за препознавање лица и идентификацију особа на слици.
2. Препознавање говора
Док користимо Гоогле, добијамо опцију ' Претражујте гласом ,' спада под препознавање говора и популарна је примена машинског учења.
Препознавање говора је процес претварања гласовних инструкција у текст, а познат је и као ' Говор у текст ', или ' Рачунарско препознавање говора .' Тренутно се алгоритми машинског учења широко користе у различитим апликацијама за препознавање говора. Гоогле асистент , Сири , Цортана , и Алека користе технологију препознавања говора да прате гласовна упутства.
слф4ј вс лог4ј
3. Предвиђање саобраћаја:
Ако желимо да посетимо ново место, користимо Гугл мапе које нам показују исправну путању са најкраћим путем и предвиђају услове у саобраћају.
Предвиђа саобраћајне услове као што је да ли је саобраћај очишћен, споро се креће или је јако загушен уз помоћ два начина:
Сви који користе Гоогле мапу помажу овој апликацији да је побољша. Узима информације од корисника и шаље их назад у своју базу података ради побољшања перформанси.
4. Препоруке производа:
Машинско учење нашироко користе разне компаније за е-трговину и забаву као нпр Амазон , Нетфлик , итд., за препоруку производа кориснику. Кад год тражимо неки производ на Амазону, онда смо почели да добијамо рекламу за исти производ док сурфујемо интернетом на истом претраживачу и то је због машинског учења.
Гоогле разуме интересовање корисника помоћу различитих алгоритама машинског учења и предлаже производ према интересовању корисника.
Слично, када користимо Нетфлик, налазимо неке препоруке за забавне серије, филмове итд., а то се такође ради уз помоћ машинског учења.
5. Аутомобили који се сами возе:
Једна од најузбудљивијих примена машинског учења су аутомобили који се сами возе. Машинско учење игра значајну улогу у самовозећим аутомобилима. Тесла, најпопуларнија компанија за производњу аутомобила, ради на самовозећем аутомобилу. Користи метод учења без надзора да обучи моделе аутомобила да откривају људе и предмете током вожње.
6. Филтрирање нежељене е-поште и малвера:
Кад год примимо нову е-пошту, она се аутоматски филтрира као важна, нормална и непожељна. Увек добијамо важну пошту у пријемном сандучету са важним симболом и нежељеном е-поштом у нашој кутији за нежељену пошту, а технологија која стоји иза тога је машинско учење. Испод су неки филтери за нежељену пошту које користи Гмаил:
- Филтер садржаја
- Филтер заглавља
- Општи филтер црних листа
- Филтери засновани на правилима
- Филтери за дозволе
Неки алгоритми машинског учења као нпр Вишеслојни перцептрон , Дрво одлучивања , и Наивни Бајесов класификатор се користе за филтрирање нежељене е-поште и откривање злонамерног софтвера.
7. Виртуелни лични асистент:
Имамо разне виртуелне персоналне асистенте као нпр Гоогле асистент , Алека , Цортана , Сири . Као што име говори, они нам помажу у проналажењу информација помоћу наших гласовних инструкција. Ови помоћници нам могу помоћи на различите начине само нашим гласовним упутствима као што су Пусти музику, позовите некога, отворите е-пошту, закажете састанак итд.
Ови виртуелни асистенти користе алгоритме машинског учења као важан део.
Ови помоћници снимају наша гласовна упутства, шаљу их преко сервера у облаку и декодирају помоћу МЛ алгоритама и поступају у складу са тим.
8. Откривање превара на мрежи:
Машинско учење чини наше онлајн трансакције безбедним и безбедним откривањем лажних трансакција. Кад год извршимо неку онлајн трансакцију, могу постојати различити начини на које може доћи до лажне трансакције, као што је нпр лажни налози , лажни ид , и краде новац усред трансакције. Да би ово открио, Неурална мрежа унапред помаже нам тако што проверава да ли је реч о правој трансакцији или о лажној трансакцији.
За сваку праву трансакцију, излаз се конвертује у неке хеш вредности, а ове вредности постају улаз за следећу рунду. За сваку праву трансакцију постоји специфичан образац који мења трансакцију преваре, открива је и чини наше онлајн трансакције сигурнијим.
9. Трговање на берзи:
Машинско учење се широко користи у трговању на берзи. На берзи увек постоји ризик од пораста и падова акција, тако да се ради о машинском учењу неуронска мрежа дугорочне меморије користи се за предвиђање кретања на берзи.
10. Медицинска дијагноза:
У медицинској науци, машинско учење се користи за дијагнозу болести. Уз то, медицинска технологија расте веома брзо и може да направи 3Д моделе који могу предвидети тачан положај лезија у мозгу.
Помаже у лаком проналажењу тумора на мозгу и других болести повезаних са мозгом.11. Аутоматски превод језика:
Данас, ако посетимо неко ново место, а нисмо свесни језика, онда то уопште није проблем, јер нам у томе помаже и машинско учење претварањем текста у наше познате језике. Гоогле-ов ГНМТ (Гоогле неуронско машинско превођење) обезбеђује ову функцију, а то је неуронско машинско учење које преводи текст на наш познати језик, а зове се аутоматски превод.
Технологија која стоји иза аутоматског превођења је алгоритам учења секвенце до секвенце, који се користи за препознавање слика и преводи текст са једног језика на други језик.