Crowdsource by Google: Building better products for everyone with machine learning

머신 러닝에 대해 들어 봤지만 무엇입니까? "기계 학습"은 컴퓨터가 몇 가지 예를보고 기술을 습득 할 수있게하는 기술입니다 규칙 세트 대신에

기계 학습을 통해 일상적인 작업을보다 쉽게 ​​수행 할 수 있습니다 좋아하는 사진 검색, 어떤 언어로든 사람과 대화하고 전 세계 어디든 가고 싶은 곳으로 정확하게 이동할 수 있습니다 기계는 어떻게 배우나요? 기계 학습에서 컴퓨터는 일련의 데이터를 통해 공통 패턴을 찾고 식별하고 학습합니다 예를 들어 컴퓨터에 많은 자동차 이미지를 보여 주면 어떤 그림에서든 자동차를 인식하는 방법을 배울 수 있습니다 우리가 보여주는 다양한 자동차 이미지는 더 잘 인식됩니다

따라서 Crowdsource 앱에 대한 귀하의 기여가 중요합니다 컴퓨터가 배울 수있는 정확한 예를 만들고 확인하는 데 도움이됩니다 이는 모든 사람에게 혜택을 줄 수있는 기능을 활성화합니다 이미지 레이블을 확인하면 Google 포토 및 Google 렌즈와 같은 앱이 사진을 분류하고 물체를 식별하는 데 도움이됩니다 문장의 정서에 라벨을 붙이면 Google지도 및 Google Play에서 사용자 언어로 리뷰를 구성하는 데 도움이됩니다

번역을 확인하면 Google Translate가 귀하의 언어로보다 정확한 번역을하도록 도와줍니다 덕분에 좋아하는 앱이 모두에게 도움이됩니다 전 세계 크라우드 소싱 커뮤니티의 일환으로 귀하의 국가 및 전 세계의 기고자들과 함께 수백만의 사례를 제공하고 있습니다 귀하의 답변은 수천 명의 다른 사용자의 답변과 결합되어“최상의”답변을 결정합니다이를“지상 진실”이라고합니다

실제 기술은 특정 기술을 습득 할 수있는 패턴을 찾는 기계 학습 모델에 적용됩니다 사진에서 자동차를 식별하는 방법 또는 한 언어에서 다른 언어로 번역하는 방법 등이 있습니다 기계가 배우는 것은 주어진 데이터에 의해 제한됩니다 세계의 작은 지역에서 온 이미지로 이미지 인식 알고리즘을 개발하면 세계의 해당 부분에서만 객체를 인식합니다 사진과 같은 앱이 모든 사람에게 잘 작동하려면 세계 각지의 이미지를 사용하여 기계를 훈련시켜야합니다

Crowdsource를 사용하면 교육 데이터에서 지역, 언어 및 의견을 나타냅니다 커뮤니티에 참여해 주셔서 감사합니다!

Building a sustainable, open source machine learning platform for everyone (TensorFlow Meets)

[음악 재생] LAURENCE MORONEY : 안녕하세요, 여러분, TensorFlow에 오신 것을 환영합니다 만나자

제 동료 인 Edd Wilder-James를 만나서 정말 기쁩니다 오늘 나와 함께 이제 Edd는 Mr Community와 TensorFlow입니다 모두 커뮤니티에 관한 것입니다

그래서 에드, 우리에게 조금 말할 수 있니? 네가 한 일에 대해서? EDD WILDER-JAMES : 그래, 물론 나는 훌륭한 직장이있다 나는 일종의 직장이다 전체 커뮤니티에 다가 가기 위해 TensorFlow에서 작업 그리고 TensorFlow에 관한 가장 놀라운 것들 중 하나 분명히 너무 많은 장소에서 사용되기 때문에 많은 지역에서 사용됩니다

그리고 TensorFlow가 계속해서 훌륭한 프로젝트가 되려면, 계속 성장해야한다 커뮤니티가 쉽게 그 일의 일부가 될 수 있도록 많은 유스 케이스가 있기 때문에 우리가 만들고있는 것입니다 핵심 팀에게 그들 모두를 지원하기 위해, 맞습니까? 지속 가능한 커뮤니티가되어야합니다 유스 케이스에 대한 TensorFlow 구축을 도울 수 있습니다 그들이 가지고있는, LAURENCE MORONEY : 음 ~ 흠

나는 놀랍다는 것은 우리가 지역 사회에 대한 헌신 그러나 지역 사회에 대한 헌신의 증거 우리는 당신이 그것에 종사하는 데 전적으로 종사하고 있습니다 그것은 당신의 역할과 같습니다, 맞죠? EDD WILDER-JAMES : 그렇습니다 그리고 그것은 엄청나게 재미있는 직업입니다 엔지니어링 팀이 도와 줄 수있는 종류의 도움 다른 부분을 수행함으로써 같은 방식으로 그룹을 처리하고 설계한다

API가 당신에게 도움이된다는 것입니다, 그렇죠? 제가 구조를 돕는 구조 중 일부는 사람들이 상호 작용하도록 돕습니다 LAURENCE MORONEY : 정말 흥미로운 비유입니다 나는 그렇게 생각하지 않았다 꽤 괜찮은데 이제 TensorFlow 개발자 포럼에서 여러분이 이야기를 나눴습니다

주변 지역 사회 그리고 정말로 뛰어 내렸던 한가지가있었습니다, 저에게, 당신이 슬라이드에 부제가 있다는 것이 었습니다 그 말은, 나는 생각한다 우리는 TensorFlow를 만들고있다 함께– EDD WILDER-JAMES : 그렇습니다

LAURENCE MORONEY : 그 라인을 따라 뭔가 그래서 우리에게 정말로 그것을 말해 줄 수 있니? 우리가 함께 TensorFlow를 건설하는 것을 의미합니다 커뮤니티와? 작년에 특히, 나는 생각한다 함께 일하는 데 도움이되는 두 가지가 있습니다 커뮤니티로서

첫 번째는 우리가 시작한 것입니다 디자인에 대한 주석 프로세스에 대한 RFC 요청 사용 변경 그래서 1 년 전, 우리는 그 시점에있었습니다 여기서 우리는 코드의 디자인 변경을 착륙 시켰습니다 또는 다른 누군가가 기부하기를 원한다면, 그들은 방금 큰 홍보물에 착륙했습니다

투명성이나 토론이 많지 않습니다 하지만 이제는 21 개 RFC를 게시했습니다 API에 대한 새로운 디자인이 앞에서 논의됩니다 대중의 시간 그리고 그것은 단지 토론이 아니기 때문에, 나중에, 문서에 액세스합니다

따라서 누군가 미래에 와서 이해할 수 있습니다 왜 우리가 이러한 선택을 했는가 LAURENCE MORONEY : 흥미 롭습니다 EDD WILDER-JAMES : 그것은 우리가 함께 구축 한 한 방법입니다 두 번째 방법은 우리가 확립 한 것입니다, 이제 6 개의 특별 이익 단체

그리고 이것들은 매우 정의 된 프로젝트 그룹입니다 그래서 그들은 새로운 네트워킹 프로토콜이나 방법 같은 것들에 대해 작업합니다 TensorFlow를 다른 데이터 소스에 연결합니다 그리고 이것들은 공동으로, 주로 커뮤니티 TensorFlow의 부품을 만들기 위해 인도했습니다 이제 우리는 표면적을 증가 시켰습니다

투명성과 의사 소통이 향상되었습니다 LAURENCE MORONEY : 와우, 좋은 물건 그래서 내가 항상 들었던 것들 중 하나 – 커뮤니티에 관해 이야기하는 것이 쉽습니다 커뮤니티를 구축하기가 어렵습니다 그리고 건물 공동체를 만드는 것들 중 하나 가능한 한 쉽게 참여하고 참여하는 것입니다

그리고 당신이 제비 뽑기와 제비 뽑기를하고있다라는 것을 알고있다 그 공간에서 위대한 일을했다 위대한 것들에 대해 조금이라도 이야기 해 주시겠습니까? 우리가 가진 것이 사람들을 도울 것입니다 이미 당신이 가진 것 이상으로 커뮤니티에 참여하는 것 공유 되었습니까? EDD WILDER-JAMES : 오, 글쎄, 노력하겠습니다 그래, 지금 많이있다

표면적이 훨씬 더 많습니다 그리고 그것은 정말로 표면적에 관한 것입니다, 그렇죠? TensorFlow와 같은 큰 프로젝트를 시작하면 어디에서 시작합니까? 견인력을 얻을 수있는 포인트는 어디에 있습니까? 그래서 우리는 분명히 6 가지가 진행되고 있다고 언급했습니다 코드 기반의 모듈성도 중요합니다 그리고 이것은 TensorFlow 20에서 우리가하는 일 중 하나입니다

더 모듈화 된 방식으로 이 모 놀리 식 코어는 적습니다 이제는 원하는 작업을 수행 할 수 있습니다 또는 그 뒤를 돌보는 개발자 그것은 훨씬 더 접근하기 쉽습니다 앞서 언급 한 6 가지 코드와 더불어, 우리는 이제 커뮤니티 문서 그룹을 가지고 있습니다

누가 증기를 얻고있다 LAURENCE MORONEY : 번역본을 보았습니다 그게 믿을만하지 않니? EDD WILDER-JAMES : 예, 훌륭합니다 LAURENCE MORONEY : – 지역 사회에서 나옵니다 EDD WILDER-JAMES : 지난 주 우리는 한국어와 러시아어를 올렸습니다

번역 그리고 우리 웹 사이트에 1 급 리소스를 두는 것은 최고입니다 그 지역 사회에 그리고 마지막으로, 테스트 그룹 TensorFlow 20의 경우 [INAUDIBLE] 페이지가 선두이고, 사람들에게 제때에 손을 내주고 있습니다

TensorFlow 20을 부수고 그것을 돕기 위해, 그 모든 중요한 용도를 충족하는지 확인하십시오 모두가 가진 사례 LAURENCE MORONEY : 바로 거기에 많이 있습니다 지역 사회에 기부금이 있습니까? 당신이 특히 당신에게 영감을 준 것을 보았습니다

너 정말 좋아? EDD WILDER-JAMES : 글쎄, 나는 특히 고무시키는 것이 무엇인지 생각해 나 모두가 함께하는 길이다 TensorFlow 20을 지원합니다 그리고 여러면에서 그것은 우리가하는 방식으로 2

0을 할 수있다 지역 사회 없이도 할 수 있습니다 내가 한 가지 예를 들어 보겠다 모든 주요 설계, 변경 사항은 RFC와상의했습니다 이제 우리는 많은 것들을 contrib에서 제외 시켰습니다

전에 존재하고 유지되고있는 지역 사회 단체들에 의해, 여섯 명 그 전에는 불가능했을 것입니다 또한, TensorFlow 20 테스트 그룹, 또한 많은 훌륭한 Google 개발자가 제공합니다 전문가는 실제로 API를 부숴 버리는 것입니다

작동하는지 확인하고 기능을 시연 할 수있는 예제 및 노트북 LAURENCE MORONEY : 나는 특히 TensorFlow 데이터 서비스와 마찬가지로, 사실 우리가 데이터 세트에 기여할 수 있다는 것 커뮤니티에서 데이터 세트 중 일부는 스탠포드 출신이 하나 있었는데 스탠포드 대학의 학부 200,000 개의 흉부 X 선 이미지를 데이터에 제공 한 사람 세트 다른 사람이 쉽게 사용할 수 있도록 에 훈련을 구축합니다 좋은 공동체 없이는 어떻게 할 수 있겠습니까? 나는 그것을 영감으로 생각한다

네, 정확히 요 그것은 우리의 태도에 대해서도 절반입니다 우리가 창조 한 것과 구조에 관한 것 또한 우리가 코드화하는 방법도 있습니다 로렌스 모닝 로니 : 맞아, 그럼, 기어를 바꿔 보자 1 초

이제 네가 무언가에 열심히 일한다는 것을 안다 TensorFlow World라고 불렀습니다 네 EDD WILDER-JAMES : 네 LAURENCE MORONEY : 그래서 위대한 이름입니다

[웃음] 그래서 그것에 관해 우리에게 조금 이야기 해 주시겠습니까? EDD WILDER-JAMES : 그래, 그럼 TensorFlow에 대한 흥미로운 것들 지금은 그렇게 널리 퍼져 있습니다 우리가하고 싶었던 것은 정말로 모두를 가능하게하는 이벤트를 만들자 생태계에서 함께 모여 그리고 그들이하는 일에 대해 이야기하기 분명히 Google은 훌륭한 TensorFlow를 지향합니다

이벤트 그러나 용량이 제한적입니다 그들은 꽤 짧습니다 TensorFlow의 핵심 요소가 많이 있습니다 팀 외부에 제시합니다

하지만 세상에는 너무 많은 것들이 있습니다 TensorFlow가 사용되는 곳은 어디입니까? 계속해서 우리에게 중요한 모든 사람들이 모여서 생태계를 키울 수 있습니다 LAURENCE MORONEY : 알겠습니다 내가 참조 EDD WILDER-JAMES : 글쎄, 내가 너에게 줄께

우리가 가질 수있는 것들에 대한 예입니다 그래서 그것은 단지 대화가 아닙니다 그러나 튜토리얼이있을 것입니다 LAURENCE MORONEY : 좋아 EDD WILDER-JAMES : 훈련이있을 것입니다

인터페이스를 제공하는 소프트웨어 공급 업체가있을 수 있습니다 TensorFlow와 함께 – 현실 세계에서, 사람들은 모든 데이터를 데이터베이스 및 클라우드 등에 보관합니다 장소 – 우리는 그들의 이야기에 대해 이야기하고 싶습니다 그들도 TensorFlow와 함께 작업합니다 그래서 그것은 모두에게 무언가가 될 것입니다

LAURENCE MORONEY : 제발 갈 수 있을까요? EDD WILDER-JAMES : 말씀 드리죠 네가 갈 수있는 좋은 방법을 말해 줄께 분명히, 우리는 모두가 와서 참석하도록하고 싶다 참석자로 하지만 지금 당장 우리는 열려있는 참여를 촉구합니다

LAURENCE MORONEY : 맞아 EDD WILDER-JAMES : 4 월 23 일까지 열려 있습니다 LAURENCE MORONEY : 좋아 EDD WILDER-JAMES : 그리고 당신은 웹 사이트에 갈 수 있습니다 URL은 매우 흥미롭게도 텐서 플로우입니다

세계 LAURENCE MORONEY : 좋아, 기억이 나는 것 같아 EDD WILDER-JAMES : 네, 맞습니다 실마리가 그 이름입니다 튜토리얼을 말하거나 전달하라는 제안서를 제출하십시오

그리고 우리는 그것들을 검토 할 것입니다 그리고 5 월 중순까지 일정이 정해집니다 LAURENCE MORONEY : TensorFlow World는 언제 어디에서? EDD WILDER-JAMES : 맞습니다 자체는 10 월 28 일부터 10 월 31 일까지입니다 산타 클라라에있을거야

LAURENCE MORONEY : 좋아요 그래서 할로윈이 있어요 EDD WILDER-JAMES : 할로윈이고 TensorFlow는 오렌지를 좋아합니다 그래서 나는 정신이 들었다 LAURENCE MORONEY : 바로 그거야

멋진 드레스 입니? [웃음] 글쎄, 고마워 아, 한가지 마지막 질문입니다 사람들이 지역 사회에 대해 더 알고 싶다면, 그들은 어디로 갈 수 있습니까? EDD WILDER-JAMES : 우리는 다시 한 URL 가장 좋은 생각입니다 따라서 tensorfloworg/community에 가면, TensorFlow 홈페이지로 가서 커뮤니티 레이블에서 모든 리소스를 이용할 수 있습니다

LAURENCE MORONEY : 굉장하고, 굉장합니다, 좋아, 좋아 정말 고마워 이 에피소드를 시청 해 주신 모든 분들께 감사드립니다 TensorFlow의 만남 Edd에게 질문이 있으시면 네가 나에게 궁금한 점이 있다면 아래 코멘트에 남겨주세요

그리고 오늘 우리가 토론 한 모든 링크, 나는 거기에 붙여 넣을거야 고마워요 [음악 재생]

Lecture 1.2 — Machine Learning — [AI For Everyone | Andrew Ng]

인공 지능의 부상은 인공 지능의 한 도구는 기계 학습이라고합니다 이 비디오에서는 결국 기계 학습이므로 결국에는 우리는 기계 학습이 어떻게 이루어지는 지 생각하기를 바랍니다

귀하의 회사 또는 귀하의 산업에 적용될 수 있습니다 가장 일반적으로 사용되는 유형 기계 학습의 유형은 AI의 한 유형입니다 그 배우는 A에서 B, 또는 입력 대 출력 맵핑 이것은 감독 학습이라고합니다 몇 가지 예를 살펴 보겠습니다

입력 A가 이메일이고 출력 B는 전자 메일 스팸이거나 0이 아닙니다 그러면 이것은 AI의 핵심 부분입니다 스팸 필터를 만드는 데 사용됩니다 또는 입력이 오디오 클립 인 경우, AI의 일은 텍스트 사본을 출력하는 것입니다 그러면 이것은 음성 인식입니다

원하는 경우 더 많은 예를 들어보세요 영어를 입력하고 다른 언어로 출력하십시오 중국어, 스페인어, 다른 것, 이것이 기계 번역입니다 또는 감독 학습의 가장 수익성있는 형태, 이 유형의 기계 학습 어쩌면 온라인 광고 일 수도 있고, 모든 대형 온라인 광고 플랫폼이 광고에 관한 약간의 정보를 입력하는 AI의 조각, 그리고 당신에 관한 어떤 정보, 알아 내려고 이 광고를 클릭 할 것인가 말 것인가? 클릭 가능성이 가장 높은 광고를 보여줌으로써 이것은 매우 유리한 것으로 밝혀졌습니다 가장 영감을주는 응용 프로그램이 아닐 수도 있지만, 그러나 오늘날 엄청난 경제적 영향을 미쳤습니다

또는 당신이 self-driving 차를 건설하고 싶은 경우에, AI의 주요 부분 중 하나 AI에서 입력으로 이미지를 취하고, 일부 정보는 그들의 레이더, 또는 다른 센서로부터, 다른 차량의 위치를 ​​출력하고, 그래서 당신의 self-driving 차는 다른 차를 피할 수있다 또는 제조 중 나는 실제로 많은 일을했습니다 당신이 어디에서 제조하는지 방금 제조 한 사진을 입력으로 사진과 같은 조립 라인에서 떨어지는 휴대폰 이것은 전화의 그림입니다

전화로 찍은 사진이 아니라, 그리고 출력하고 싶다면, 거기에 흠집이 있거나 움푹 들어간 곳이있다 또는 기타 결함 방금 만든이 물건? 그리고 이것은 육안 검사입니다 제조업체는 그들이 만들고있는 물건의 결함을 예방하십시오 이 AI 세트는 감독 학습 (supervised learning) 그냥 출력을 입력 배우고, 또는 A와 B 매핑 한편으로는, 입력 – 출력, A ~ B는 상당히 제한적으로 보입니다

그러나 올바른 애플리케이션 시나리오를 발견하면, 이것은 엄청나게 가치있을 수 있습니다 자, 감독 학습의 아이디어 수십 년 동안 주변에있다 하지만 실제로 이륙했습니다 지난 몇 년 동안 왜 이런거야? 글쎄, 내 친구들이 나에게 물었다

"헤이 앤드류, 감독 학습은 왜 지금 이륙하고 있습니까? " 내가 그린 그림이있다 나는이 그림을 당신에게 보여주고 싶다 당신은이 사진을 그릴 수 있습니다 당신에게 똑같은 질문을하는 사람들도 있습니다 가로 축에 대해 작업에 대해 가지고있는 데이터의 양을 표시하십시오

따라서, 음성 인식을 위해, 이 금액은 오디오 데이터 및 성적표 많은 산업 분야에서, 액세스 권한이있는 데이터의 양 지난 수십 년 동안 정말로 성장했습니다 인터넷의 등장으로, 컴퓨터의 부상 종이 조각을 말하는 데 많이 사용되었지만, 이제 대신 디지털 컴퓨터에 기록됩니다 그래서 우리는 점점 더 많은 데이터를 얻고 있습니다 자, 세로축에 플롯을 인공 지능 시스템의 성능

전통적인 AI 시스템을 사용하는 경우, 성능은 이렇게 커질 것입니다 더 많은 데이터를 제공 할 때 성능이 조금 나아졌습니다 그러나 특정 시점을 넘어서 그만큼 나아지지 않았다 마치 음성 인식 시스템과 같습니다 훨씬 정확 해지지는 않았지만, 또는 귀하의 온라인 광고 시스템이 그것을 얻지 못했습니다

가장 관련성이 높은 광고를 보여주는 것이 훨씬 정확합니다 더 많은 데이터를 표시 할 때도 마찬가지입니다 AI는 최근으로 인해 최근에 이륙했습니다 신경 네트워크와 깊은 학습의 부상 나중에 비디오에서이 용어를보다 정확하게 정의 할 것이지만, 이제는 그것이 의미하는 바에 대해 너무 걱정하지 마십시오

그러나 현대 인공 지능으로, 신경 네트워크와 깊은 학습, 우리가 본 것은 그 것이었다 작은 신경망을 훈련 시키면, 그러면 성능이 이렇게 보입니다 어디에서 더 많은 데이터를 피드로, 성능은 훨씬 더 오랫동안 좋아지고 있습니다 약간 더 큰 신경망을 훈련 시키면, 중형 신경망을 말한다 그러면 성능이 그렇게 보일 수 있습니다

매우 큰 신경망을 훈련 시키면, 그때의 성능은 점점 더 좋아지고 있습니다 음성 인식과 같은 애플리케이션의 경우, 온라인 광고, 건물자가 운전 자동차, 고성능, 매우 정확하다 음성 인식 시스템이 중요하다 이러한 인공 지능 시스템을 훨씬 더 효율적으로 사용할 수있게하고, 음성 인식 제품 만들기 사용자가 훨씬 더 수용 할 수 있으며, 회사와 사용자에게 훨씬 더 가치가 있습니다 자,이 그림의 몇 가지 의미

최상의 성능 수준을 원한다면, 너의 공연이 여기있을거야 이 수준의 성과를 달성하려면 다음 두 가지가 필요합니다 하나는, 정말 많은 양의 데이터가있는 데 도움이됩니다 그래서 가끔 큰 데이터에 대해 듣는 것입니다 더 많은 데이터를 보유하면 거의 항상 도움이됩니다

두 번째로 할 수있는 일은 매우 큰 신경망을 훈련시키는 것 그래서 무어의 법칙을 포함한 빠른 컴퓨터의 등장은, 뿐만 아니라의 상승 특수 프로세서 그래픽 처리 장치 또는 GPU, 최신 비디오에서 더 많이들을 수 있습니다 많은 기업을 활성화 시켰습니다 단지 거대한 기술 회사가 아니라, 그러나 많은 다른 많은 회사들이 큰 신경망을 훈련시킬 수 있어야한다 얻을 수있는 충분한 양의 데이터 아주 좋은 성과 및 운전 비즈니스 가치

AI에서 가장 중요한 아이디어는 기계 학습이었습니다 기본적으로 감독 학습, 즉 A ~ B를 의미하며, 또는 입력 대 출력 맵핑 그것이 실제로 잘 작동하게하는 것은 데이터입니다 다음 비디오에서, 무엇이 있는지 살펴 보겠습니다 데이터 및 이미 보유하고있는 데이터는 무엇입니까? 이것을 AI 시스템에 주입하는 방법에 대해 생각해보십시오

다음 비디오로 넘어 갑시다