С тех пор, как я стала AI-продактом, мой путь познания строится через практические вызовы, и так вышло, что до сих пор я сталкивалась только с обучением моделей через размеченные данные. Берешь, например, массив отзывов пользователей и вручную маркируешь каждый: этот отзыв - плохой, а этот - хороший. То есть, ты заранее знаешь и сообщаешь модели, на какие группы можно разделить данные. Затем модель смотрит на эти примеры, учится на них и дальше умеет оценивать новые отзывы сама. Это называется Supervised Learning - обучение с учителем.

Такая модель: - фильтрует спам в почте, - рекомендует фильмы и товары, - помогает диагностировать болезни по снимкам, - распознает рукописный текст, - предсказывает цены на товары и акции и так далее.

А теперь я узнала, что есть понятие Unsupervised Learning - это вариант, когда учителя нет, модель не получает правильных ответов и сама ищет закономерности в данных.

Вот 2 типа задач, где применяется Unsupervised Learning,

1️⃣ Кластеризация - когда модель группирует похожие объекты: - сегментация клиентов для маркетинга, - объединение изображений в группы по лицам или темам, - тематическое моделирование текстов (например, новости или отзывы).

2️⃣ Поиск аномалий - когда модель выявляет необычные или подозрительные элементы: - мошеннические операции в банке, - обнаружение ботов и подозрительных аккаунтов в соцсетях, - выявление сбоев оборудования на производстве.

То есть Unsupervised Learning позволяет модели исследовать данные самостоятельно, находить скрытые группы и аномалии. Вот, #чтоясегодняузнала