Вкратце - что такое нейронки, и ее обучение
Искусственные нейронки вдохновлены идеями, на основе того, как работает наш мозг.
Есть нейроны — это клетки мозга, которые обмениваются сигналами через синапсы.
Если нейрон получает много сигналов, он активируется и передает сигнал дальше.
В итоге, мозг — это как сеть, где нейроны общаются между собой, обмениваются информацией и эти сети адаптируются и строятся на основе нового опыта.
Эти сети обучаемы. Бывает обучение с позитивным подкреплением, бывает с отрицательным, лично я пока не уверен, какая из них эффективнее.
И так, группа программистов села и решила сделать программный нейрон.
Есть входящие сигналы, функция что то делает внутри, и передает дальше.
Собрали, сделали входной слой, некие сенсоры, первые нейроны, на которые поступает входной сигнал, есть скрытые слои, и есть на выходе некий ответ.
Программные нейроны объединили в сеть. Внутри каждого слоя стоит какая-то функция, которая что-то возвращает.
Посмотрим на примере — нейронка, которая будет решать, выдавать кредит или нет.
Нужен датасет — набор данных для обучения. Имена, фамилии, даты рождения, доход, вернул или нет.
Забираем 900к записей, начинаем обучать нейронку, чтобы она обучала так же, как произошло в жизни — заемщик вернул или не вернул.
Обучение всегда происходит на состоявщихся данных, это очень важно.
Берем нашу нейронку, запускаем её, прогоняем, проверяем ответ по исходной таблице.
Она отвечает — не вернет, мы сверяем с исходной таблицей — ответ неверный, нейронка переучивается (подкручивая внутренние параметры) до тех пор, пока ответ не станет верным.
После этого переходим к второй строчке, подставляем, и добиваемся, чтобы и первое и второе соотвествовало правильному. И так — все 900к записей.
Окей, прогнали 900к, считаем, что научили.
После этого на остаточных 100к данных проверяем данные, что нейронка действительно научилась.
У модели появляется коэффициент точности.
В итоге мы обучили нейросеть на уже состоявшися данных, и если теперь на вход подавать инфу о новом заемщике — она вернет даст прогноз — вернет ли человек займ, на основании исторических данных.
С помощью этого можно прогнозировать продажи, начиная от трендов, заканчивая тем, что выдавая на вход портрет покупателя, прогнозировать, что он купит, и купит ли вообще, оптимизировать ценообразование, транскрибировать голос в текст (для анализа звонов), оптимизировать логистику (к слову, в этом году заказывали и внедряли себе битрикс именно логисты), замещать часть персонала. Расскажу об этом в следующих роликах!