中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

由于機(jī)器學(xué)習(xí)現(xiàn)在比以往任何時(shí)候都更容易獲得，設(shè)計(jì)師今天有機(jī)會(huì)思考如何將機(jī)器學(xué)習(xí)應(yīng)用于改進(jìn)他們的產(chǎn)品。設(shè)計(jì)師應(yīng)該能夠與軟件開發(fā)人員討論什么是可能的，如何準(zhǔn)備，以及預(yù)期的結(jié)果。

還記得4月份的時(shí)候，在阿里巴巴UCAN用戶體驗(yàn)設(shè)計(jì)論壇上，阿里巴巴智能設(shè)計(jì)實(shí)驗(yàn)室負(fù)責(zé)人向觀眾展示“魯班”的設(shè)計(jì)能力，應(yīng)該大家都能感受到人工智能的強(qiáng)大。之后的一段時(shí)間，大家紛紛在討論，自己是否會(huì)被人工智能所取代。

這讓我們有了一種緊迫感，工作不能只是停留在體力勞動(dòng)階段，我們需要學(xué)習(xí)一些更有深度，更有價(jià)值的東西。

不過，話說回來，既然人工智能時(shí)代以不可阻擋的勢頭到來，我們作為從業(yè)者，理應(yīng)對它有一些基本的了解。說不定，未來的工作模式，很可能就需要與機(jī)器相互協(xié)作。了解彼此，才能共贏。

下面咱們來看看老外是如何介紹這部分知識：

在Google上搜索關(guān)于“設(shè)計(jì)師該不該會(huì)代碼”這個(gè)問題的文章有很多（我之前也有寫過一篇，請見設(shè)計(jì)師到底需不需要會(huì)代碼？），但無論你在哪里看到的這種文章，大多數(shù)都同意設(shè)計(jì)師是有必要了解代碼的，這有助于設(shè)計(jì)師理解設(shè)計(jì)約束并能與開發(fā)很好的溝通。

它也能讓設(shè)計(jì)師跳出視覺的條條框框，創(chuàng)造出更多的可能性。出于同樣的原因，設(shè)計(jì)師也應(yīng)該了解機(jī)器學(xué)習(xí)。

簡單來說，機(jī)器學(xué)習(xí)是一個(gè)“使計(jì)算機(jī)能夠在沒有顯式編程的情況下進(jìn)行學(xué)習(xí)的研究領(lǐng)域” （Arthur Samuel, 1959）。盡管Arthur Samuel在五十年前就發(fā)明了這個(gè)詞，但直到最近我們才看到機(jī)器學(xué)習(xí)領(lǐng)域誕生的一些令人興奮的應(yīng)用——語音助手、無人駕駛和無垃圾郵件，這些都要?dú)w功于機(jī)器學(xué)習(xí)。

在過去的十年中，新算法，更好的硬件和更多的數(shù)據(jù)使得機(jī)器學(xué)習(xí)的效率提高了一個(gè)數(shù)量級。僅在過去的幾年中，谷歌、亞馬遜和蘋果等公司已經(jīng)為開發(fā)者提供了一些功能強(qiáng)大的機(jī)器學(xué)習(xí)工具?，F(xiàn)在是了解機(jī)器學(xué)習(xí)的最佳時(shí)機(jī)，并能將其應(yīng)用于您正在構(gòu)建的產(chǎn)品。

一、為什么機(jī)器學(xué)習(xí)對設(shè)計(jì)師很重要

由于機(jī)器學(xué)習(xí)現(xiàn)在比以往任何時(shí)候都更容易獲得，設(shè)計(jì)師今天有機(jī)會(huì)思考如何將機(jī)器學(xué)習(xí)應(yīng)用于改進(jìn)他們的產(chǎn)品。設(shè)計(jì)師應(yīng)該能夠與軟件開發(fā)人員討論什么是可能的，如何準(zhǔn)備，以及預(yù)期的結(jié)果。

下面是一些示例應(yīng)用，它們或許可以給你帶來一些靈感。

1. 個(gè)性化體驗(yàn)

機(jī)器學(xué)習(xí)可以通過個(gè)性化體驗(yàn)來幫助創(chuàng)建以用戶為中心的產(chǎn)品。這使得我們能夠改進(jìn)諸如推薦、搜索結(jié)果、通知和廣告之類的內(nèi)容。

視頻推薦是如何被影響的基本概述

2. 識別異常

機(jī)器學(xué)習(xí)能有效的發(fā)現(xiàn)異常內(nèi)容，信用卡公司用它來檢測欺詐行為，電子郵件提供商用它來檢測垃圾郵件，社交媒體公司用它來檢測非法言論。

3. 創(chuàng)造新的互動(dòng)方式

機(jī)器學(xué)習(xí)使計(jì)算機(jī)能夠開始理解我們所說的話（自然語言處理）和我們看到的東西（計(jì)算機(jī)視覺）。這讓Siri可以理解“Siri，設(shè)置一個(gè)提醒……”，谷歌照片可以為你的狗創(chuàng)建相冊，F(xiàn)acebook可以為視障人士描述一張照片。

4. 提供見解

機(jī)器學(xué)習(xí)也有助于理解用戶是如何分組的，然后，可以使用這種洞察力逐個(gè)分組分析。從這里開始，可以跨組評估不同的特性，或者只向特定的用戶組進(jìn)行推送。

5. 準(zhǔn)備內(nèi)容

機(jī)器學(xué)習(xí)使得我們能夠預(yù)測用戶接下來的行為成為可能，了解到這一點(diǎn)，我們就可以為用戶的下一步行動(dòng)做好準(zhǔn)備。例如：如果我們可以預(yù)測用戶打算查看什么內(nèi)容，我們可以預(yù)加載該內(nèi)容，以便在用戶需要時(shí)立即準(zhǔn)備好。

二、機(jī)器學(xué)習(xí)的類型

譯者注：以下這些內(nèi)容，可能比較難懂，有興趣的可以結(jié)合百度百科或谷歌資料來看。不過，個(gè)人認(rèn)為看不懂也沒太大關(guān)系，先有一些基本的認(rèn)識即可，循序漸進(jìn)的去研究。另外，我在搜狐上有找到一篇文章，寫的比較通俗易懂些，有興趣的可以去看看，鏈接是：https://www.sohu.com/a/150444351_697750

根據(jù)不同應(yīng)用和不同數(shù)據(jù)，有幾種不同類型的機(jī)器學(xué)習(xí)算法可供選擇。下面，我就逐個(gè)介紹這些類型。

1. 監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)允許我們使用正確標(biāo)記的數(shù)據(jù)進(jìn)行預(yù)測，標(biāo)記數(shù)據(jù)是一組具有信息標(biāo)簽或輸出的示例。例如：帶有相關(guān)標(biāo)簽的照片或房屋特征（臥室的數(shù)量、位置）和價(jià)格。

通過使用監(jiān)督學(xué)習(xí)，我們可以為標(biāo)記數(shù)據(jù)添加一條線，該線可以將數(shù)據(jù)分成不同的類別，也可以表示數(shù)據(jù)的趨勢。利用這條線，我們可以對新的數(shù)據(jù)做出預(yù)測。例如：我們可以查看新照片并預(yù)測標(biāo)簽，或者查看新房子的特性并預(yù)測其價(jià)格。

如果我們要預(yù)測的輸出是一個(gè)標(biāo)簽或值的列表，我們稱之為分類。如果我們試圖預(yù)測的輸出是一個(gè)數(shù)字，我們稱之為回歸。

2. 無監(jiān)督學(xué)習(xí)

當(dāng)我們有未標(biāo)記的數(shù)據(jù)或者我們不確定哪些輸出（比如：圖像的標(biāo)簽或房子的價(jià)格）是有意義的時(shí)候，無監(jiān)督學(xué)習(xí)是有用的。相反，我們可以在未標(biāo)記的數(shù)據(jù)中識別模式。例如：我們可以識別電商網(wǎng)站上的相關(guān)商品，或者根據(jù)其他購買類似產(chǎn)品的人向他們推薦產(chǎn)品。

如果模式是一個(gè)組，我們稱之為集群。如果模式是一個(gè)規(guī)則（比如：這個(gè)、那個(gè)），我們稱之為關(guān)聯(lián)。

3. 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)不使用現(xiàn)有的數(shù)據(jù)集。相反，我們創(chuàng)建了一個(gè)代理，通過在一個(gè)被獎(jiǎng)勵(lì)強(qiáng)化的環(huán)境中反復(fù)試驗(yàn)來收集自己的數(shù)據(jù)。例如：可以把這個(gè)代理當(dāng)成馬里奧，收集硬幣得到積極的獎(jiǎng)勵(lì)或者踩到陷阱得到消極的反饋。

強(qiáng)化學(xué)習(xí)的靈感來自于人類學(xué)習(xí)的方式，并且已經(jīng)證明是一種有效的教學(xué)方法。具體來說，強(qiáng)化在訓(xùn)練計(jì)算機(jī)玩Go和Dota等游戲方面非常有效。

三、需要考慮的事情

1. 可行的方法是什么?

理解你正在嘗試解決的問題和可用的數(shù)據(jù)，將限制你能夠使用的機(jī)器學(xué)習(xí)類型（例如：使用監(jiān)督學(xué)習(xí)識別圖像中的對象需要一個(gè)標(biāo)記的圖像數(shù)據(jù)集）。然而，約束是創(chuàng)造力的結(jié)晶。在某些情況下，你可以著手收集尚未可用的數(shù)據(jù)，或者考慮其他方法。

2. 誤差范圍是多少？

盡管機(jī)器學(xué)習(xí)是一門科學(xué)，但它也有誤差，考慮用戶的體驗(yàn)，如何受到這個(gè)誤差的影響很重要。例如：當(dāng)一輛無人駕駛汽車無法識別周圍環(huán)境時(shí)，人們可能會(huì)受傷。

3. 是否值得？

盡管機(jī)器學(xué)習(xí)從未像今天這樣容易獲得，但它仍然需要將額外的資源（開發(fā)人員和時(shí)間）集成到產(chǎn)品中。這就使得我們有必要思考一下，由此產(chǎn)生的影響是否平衡了實(shí)施所需的資源數(shù)量。

總結(jié)

我寫的這些內(nèi)容甚至都沒能觸及機(jī)器學(xué)習(xí)的冰山一角，但希望能從這篇文章出發(fā)，你能更輕松地思考如何將機(jī)器學(xué)習(xí)應(yīng)用到你的產(chǎn)品上。如果你有興趣學(xué)習(xí)更多關(guān)于機(jī)器學(xué)習(xí)的知識，這里有一些有用的資源:

• 為人類而生的機(jī)器學(xué)習(xí)（https://medium.com/machine-learning-for-humans/why-machine-learning-matters-6164faf1df12）——通俗易懂，內(nèi)容中會(huì)有一些數(shù)學(xué)，代碼和現(xiàn)實(shí)中的例子；
• 機(jī)器學(xué)習(xí)算法：為你的問題選擇何種方法（https://blog.statsbot.co/machine-learning-algorithms-183cc73197c）——為選擇一個(gè)機(jī)器學(xué)習(xí)算法來應(yīng)用于某個(gè)具體問題的開發(fā)技巧；
• 有趣的機(jī)器學(xué)習(xí)（https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471）——?偏技術(shù)性文章，主要介紹如何實(shí)現(xiàn)一個(gè)機(jī)器學(xué)習(xí)示例；
• 由3Blue1Brown提供的神經(jīng)網(wǎng)絡(luò)（https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi）?——一系列有吸引力的Youtube技術(shù)視頻，它們講的內(nèi)容貫穿神經(jīng)網(wǎng)絡(luò)以及它們的工作方式；
• Andrew Ng的機(jī)器學(xué)習(xí)課程（https://www.coursera.org/learn/machine-learning）——超高質(zhì)量的技術(shù)課程，涵蓋了機(jī)器學(xué)習(xí)的眾多領(lǐng)域。

原文鏈接：https://uxdesign.cc/an-intro-to-machine-learning-for-designers-5c74ba100257

原文作者：Sam Drozdov

譯者：彩云Sky，公眾號：彩云譯設(shè)計(jì)

題圖來自Unsplash，基于CC0協(xié)議