Машинное обучение
ML
Это понятие впервые встречается на программе «Электроника, программирование и инженерная практика» — примерно 13-14 лет (7-8 класс).
Способ создать программу не правилами, а примерами: показываешь ей много картинок с готовыми ответами — и она сама настраивается их различать.
Тренировка броска мяча в кольцо: не учишь формулы полёта, а бросаешь сто раз и подстраиваешься после каждого промаха.
Сыграть в «обучение по примерам»: ведущий загадывает правило («красные — да»), остальные отгадывают его по десяти примерам с ответами.
Раздел искусственного интеллекта. Модель с настраиваемыми параметрами обучают на данных с известными ответами: параметры подбирают так, чтобы ошибка уменьшалась, потом проверяют на новых данных. Чем больше и разнообразнее примеры, тем лучше модель справляется с незнакомыми случаями.
Разделить 20 фотографий на обучающий и проверочный наборы и объяснить, зачем проверять модель на снимках, которых она не видела.
Построение моделей, минимизирующих ошибку на обучающей выборке. Виды: с учителем (классификация, регрессия), без учителя (кластеризация), с подкреплением. Главные риски: переобучение — модель заучивает выборку и проваливается на новых данных (контроль — разделение train/test) — и смещение: модель наследует перекосы собранных примеров.
На десяти точках показать переобучение: провести кривую точно через все точки и прямую по тренду, затем сравнить их ошибку на новой точке.
Частое заблуждение
«Программа учится, как человек в школе». Нет: обучение здесь — автоматический подбор чисел-параметров, пока ответы на примерах не совпадут с правильными; понимания при этом не появляется.