aleatorius | (no subject)

тут что то приспичило глянуть на предмет под названием machine learning (машинное обучение или как там переводят) , с оценкой будущей применимости в моем проекте
обнаружил что это собственно я и есть,

ну например грамматику что русского, что английского я никогда толком не знал, а грамматика до некой степени это есть устройство черного ящика,
но язык изучаю только через просмартивание текстов, и зачастую грамматику никогда не узнаю, хотя некое представление что выглядит правильно а что нет -- имею, но бывают какие лакуны где так и повторяю какую ошибку, которая легко снимается элементарной грамматикой, но как то не увиделось.

чтение учебников тоже для меня всегда была пыткой, я могу читать все по диагонали только, некоторые элементарные факты узнаю сильно потом

далее, жизненные решения принимаю не по логике, или размышлительным ab initio схемам, а скорее смотрю по возбужденному каррасу, причем в каррасе есть как положительные люди и явления, так и отрицательные, и те и эти нужны для моей собственной маршрутизации.

и получается что маршрут прокладываю не совсем я, а некий черный ящик, я же фильтрую впечатления и людей, и смотрю поверхности отклика,

эстетика и этика дает веса каким событиям и людям, и вот совокупность этого машинного карраса и дает маршрут.

Можно подумать про каррас как литературное тело, которому нужны акторы (актеры) и контексты, вне этой совокупности, искуственным и логичным путем решить что невозможно.

Ну т.е. можно, но неполезно.

Flat | Top-Level Comments Only

сооружение гадательной машины

http://flag.blackened.net/dinsdale/dna/book5.html
"I know that astrology isn't a science,' said Gail. "Of course it isn't. It's just an arbitrary set of rules like chess or tennis or, what's that strange thing you British play?'

"Er, cricket? Self-loathing?"

"Parliamentary democracy. The rules just kind of got there. They don't make any kind of sense except in terms of themselves. But when you start to exercise those rules, all sorts of processes start to happen and you start to find out all sorts of stuff about people. In astrology the rules happen to be about stars and planets, but they could be about ducks and drakes for all the difference it would make. It's just a way of thinking about a problem which lets the shape of that problem begin to emerge. The more rules, the tinier the rules, the more arbitrary they are, the better. It's like throwing a handful of fine graphite dust on a piece of paper to see where the hidden indentations are. It lets you see the words that were written on the piece of paper above it that's now been taken away and hidden. The graphite's not important. It's just the means of revealing their indentations. So you see, astrology's nothing to do with astronomy. It's just to do with people thinking about people."

мне довелось недавно проектец делать с этими штуками; сама теория интересная но то что вы описываете, на практике реализовано для очень узкого класса задач типа распознавания рукописных дигитов, а в основном традиционные методы пока лучше работают, но требуют больше усилий.

но я согласен, что сейчас стало возможно не будучи спецом в алгоритмах каких, а зная только свои данные, тренировать электронные мозги, не особо вникая в то как они работают.

В дигитах, как я понимаю, применяют комбинацию методов. Частью rule-based: тут у него палочка, тут завитушка, частью learning. Профессиональные распознавалки вроде Файнридера тупо смотрят несколько методов.

Сделать это чисто на лёрнинге можно (я видел), но, видимо, комбинация лучше.

сейчас в индустрии волна просто идёт, рассказывали что бизнес-проекты без слов глубокое, пардон, обучение, клиенты отказываются принимать.

Да уж. Мне приходилось слышать по поводу своей научной деятельности: "Да нафиг всё это, взять нейросеть". Поэтому я последнюю заявку на грант начал с объяснений, почему взять нейросеть тут нельзя :-)

мне интересно как к планированию и оптимизации экспериментов эти штуки применимы, вот навскидку пара статей что сегодня нагуглил

https://www.researchgate.net/publication/235602901_Using_Machine_Learning_Tools_to_Model_Complex_Toxic_Interactions_with_Limited_Sampling_Regimes
http://www.nature.com/articles/srep25890

вообще вроде забавно

Мне по первой ссылке понравилось, что они в дискуссии говорят про hypothesis testing vs hypothesis generation. В принципе, я это наблюдаю в vision, что ближе к моей области, где из натренированных сетей извлекают готовые фильтры, обосновывают научно почему это работает (не доверяя особо кросс-валидации) и дальше уже запускают линейный анализ.
То есть, научное объяснение должно быть, а интуицию в выборе оптимального пути типа научились получать искусственным путём.