{"id":16959,"date":"2019-03-30T17:59:44","date_gmt":"2019-03-30T16:59:44","guid":{"rendered":"https:\/\/thingsolver.com\/blog\/friday-talks-the-holy-grail-of-machine-learning\/"},"modified":"2024-11-29T14:05:14","modified_gmt":"2024-11-29T13:05:14","slug":"razgovori-petkom-sveti-gral-masinskog-ucenja","status":"publish","type":"post","link":"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/","title":{"rendered":"Razgovori petkom: Sveti gral ma\u0161inskog u\u010denja"},"content":{"rendered":"<p><a href=\"https:\/\/homes.cs.washington.edu\/~pedrod\/\" target=\"_blank\" rel=\"noopener\">Pedro Domingos<\/a> je profesor ra\u010dunarstva i in\u017eenjeringa na Univerzitetu Va\u0161ington. On je dobitnik nagrade za inovaciju <a href=\"https:\/\/www.kdd.org\/\" target=\"_blank\" rel=\"noopener\">SIGKDD<\/a>, a koja, za va\u0161u informaciju, predstavlja najve\u0107u po\u010dast u nauci o podacima. Ka\u017eu da je otprilike sedam godina vremenski period potreban da postanete stru\u010dnjak iz oblasti nauke o podacima. Ovaj \u010dovek je 2001. godine odr\u017eao jedno od svojih prvih predavanja o ve\u0161ta\u010dkoj inteligenciji. Iza sebe ima decenije istra\u017eivanja, napornog rada i anga\u017emana. Autor je knjige Master algoritam. Po\u0161to mi se ova knjiga mnogo dopada, \u017eeleo bih da podelim glavne utiske u ovom blog-postu. Znam da svi obo\u017eavamo Andreja, ali \u0161to se mene ti\u010de, na\u0161ao sam jo\u0161 jedno bo\u017eanstvo ovde na Zemlji. Pedro Domingos je ime koje sam propustio da spomenem u svom prethodnom postu. A tu je i gomila va\u017enih imena na koja sam potpuno zaboravio. Ali, na srec\u0301u, imam priliku da to ispravim. \ud83d\ude42 Ako vam se dopala pri\u010da o je\u017eu i lisici, ostanite sa nama, jer c\u0301e biti jo\u0161 zanimljivije! \ud83d\ude09<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_72 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Sadr\u017eaj<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Pet_plemena_masinskog_ucenja\" title=\"Pet plemena ma\u0161inskog u\u010denja\">Pet plemena ma\u0161inskog u\u010denja<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Konekcionisti\" title=\"Konekcionisti\">Konekcionisti<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Evolucionisti\" title=\"Evolucionisti\">Evolucionisti<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Bajesovci\" title=\"Bajesovci\">Bajesovci<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Analogizatori\" title=\"Analogizatori\">Analogizatori<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Simbolisti\" title=\"Simbolisti\">Simbolisti<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/#Jedan_algoritam_koji_c%CC%81e_upravljati_svima%E2%80%A6\" title=\"Jedan algoritam koji c\u0301e upravljati svima&#8230;\">Jedan algoritam koji c\u0301e upravljati svima&#8230;<\/a><\/li><\/ul><\/nav><\/div>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Pet_plemena_masinskog_ucenja\"><\/span>Pet plemena ma\u0161inskog u\u010denja<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>U svojoj knjizi, Pedro govori o ne\u010demu \u0161to on naziva \u2013 plemenima ma\u0161inskog u\u010denja. O \u010demu se radi? Kladim se da to mo\u017eete predvideti. Kao i u svakom drugom polju, postoje razli\u010diti tokovi koje mo\u017eete pratiti. A to zavisi od va\u0161ih uverenja i preferencija. Ovo je ta\u010dka gde cela ova diskusija o generalistima i specijalistima eskalira. Dakle, ne radi se samo o jednostavnoj podeli na generaliste i specijaliste, vec\u0301 i o paradigmama kojima sledite, \u0161to stvari \u010dini jo\u0161 komplikovanijim. \ud83d\ude00 Ili mo\u017eemo to zvati zanimljivim. Kao da sam oduvek znao da postoje razli\u010diti na\u010dini razmi\u0161ljanja i pristupi, ali nisam mogao da povu\u010dem ta\u010dnu liniju izme\u0111u njih. Pedro navodi sledec\u0301e osnovne pravce: konekcionisti, evolucionisti, bajesovci, analogizatori i simbolisti. Pre nego \u0161to u\u0111emo dublje u ove termine, hajde da ka\u017eemo ne\u0161to uop\u0161teno. Svaki pristup nalazi svoje poreklo u razli\u010ditim oblastima nauke i istra\u017eivanja. Svaki od njih ima svoj glavni algoritam, u\u010denika op\u0161te namene koji mo\u017ee (ili barem \u2013 veruje se da mo\u017ee) da se koristi za u\u010denje svega. Ako mu date dovoljno podataka. I moc\u0301 ra\u010dunara. I jo\u0161 neke podatke. I iako mo\u017eda te\u017eite jednom od ovih pristupa, ne mo\u017eete sa sigurno\u0161c\u0301u rec\u0301i koji je najbolji ili najmoc\u0301niji. Svaki od njih ima svoje prednosti u specifi\u010dnim domenima problema. Sa druge strane, svaki od njih ima svoje nedostatke.\u00a0 Hajde da pro\u0161etamo kroz ove \u201e\u0161kole misli\u201c u ma\u0161inskom u\u010denju.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Konekcionisti\"><\/span>Konekcionisti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ovo je mo\u017eda najpopularniji pristup danas, jer uklju\u010duje neuronske mre\u017ee, a samim tim i duboko u\u010denje. Konekcionisti veruju da probleme treba re\u0161avati na na\u010din na koji to ljudi rade. Dakle, svoju osnovu pronalaze u neuronauci, poku\u0161avajuc\u0301i da opona\u0161aju ljudski mozak. Da budemo precizni, konekcionisti polude kada neko ka\u017ee da neuronske mre\u017ee opona\u0161aju ljudski mozak. Zato \u0161to to ne rade. Ljudski mozak je mnogo slo\u017eeniji i ne mo\u017ee se lako opona\u0161ati, jer ima mnogo stvari koje tek treba otkriti. Neuronske mre\u017ee koriste samo ljudski mozak kao inspiraciju, a ne model koji se slepo sledi. Sastoje se od ra\u010dunarskih jedinica \u2013 neurona, koji uzimaju ulaze, izra\u010dunavaju njihovu ponderisanu sumu, prosle\u0111uju rezultat kroz neku funkciju aktivacije i prosle\u0111uju taj izlaz neuronima u sledec\u0301em sloju. Op\u0161ta ideja je jednostavna &#8211; uzmite ovaj ulaz, pustite neuronima da izvode magiju i vratite neku izlaznu vrednost. Ali kako neuronske mre\u017ee u\u010de, kako generi\u0161u izlaznu vrednost koju bi trebalo? Kori\u0161c\u0301enjem povratnog \u0161irenja, \u0161to se smatra njihovom najvec\u0301om predno\u0161c\u0301u. Gre\u0161ka se prenosi nazad sa izlazne vrednosti na prethodne slojeve mre\u017ee da bi se izvr\u0161ilo pode\u0161avanje te\u017eina, kako bi gre\u0161ka bila najmanja moguc\u0301a. I zaista su moc\u0301ni i \u0161iroko kori\u0161c\u0301eni. Prepoznavanje slika, istra\u017eivanje raka, obrada prirodnog jezika, svejedno. Ali i dalje postoje neki nedostaci, kao \u0161to je koli\u010dina potrebnih podataka. Ili nedostatak interpretabilnosti. Dug je put do toga, ali konekcionisti veruju da bi jednom mogli postati svemoc\u0301ni algoritam.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Evolucionisti\"><\/span>Evolucionisti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Evolucionisti idu korak dalje od konekcionista. Oni tvrde da je evolutivni proces daleko moc\u0301niji od procesa ljudskog rasu\u0111ivanja, po\u0161to je, na kraju, evolucija pokrenula rasu\u0111ivanje kakvo je danas. Oni imaju korene u evolucionoj biologiji. Postoji nekoliko najpoznatijih evolucionista: D\u017eon Holand je razvio genetske algoritme, D\u017eon Koza je razvio genetsko programiranje, dok je Hod Lipson nastavio ovaj razvoj kroz evoluciono u\u010denje. Kako funkcioni\u0161e genetski algoritam? Na po\u010detku procesa imamo populaciju pojedinaca. U centru pa\u017enje je genom, koji opisuje svaku individuu (u ra\u010dunanju predstavljenom u bitovima). Dakle, svaki pojedinac se procenjuje za konkretan zadatak koji treba da re\u0161i, kako bi pojedinci koji se najbolje uklapaju imali vec\u0301e \u0161anse da pre\u017eive i budu roditelji sledec\u0301e generacije. U ovom procesu genomi dve osobe se kombinuju da bi se stvorio de\u010dji genom, koji sadr\u017ei po jedan deo genoma od svakog roditelja. Kao i u evoluciji, mo\u017ee se desiti nasumi\u010dna mutacija genoma, tako je i u evolucionom u\u010denju, tako da prakti\u010dno dobijamo novu populaciju u svakoj generaciji. Ovaj proces se ponavlja sve dok ne dobijemo generaciju sa najboljim pojedincima koji mogu optimalno da re\u0161e problem. Dok konekcionisti\u010dki pristup samo prilago\u0111ava te\u017eine kako bi se uklopio u fiksnu strukturu, evolucionisti\u010dki pristup je u stanju da nau\u010di strukturu, da smisli samu strukturu.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Bajesovci\"><\/span>Bajesovci<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Sada, Bajesovci pronalaze svoje poreklo u statistici. Po\u0161to je sve neizvesno, oni kvantifikuju neizvesnost izra\u010dunavanjem verovatnoc\u0301e. Oni se klanjaju Bajesovoj teoremi. Ali kako se odvija njihov proces u\u010denja? U po\u010detku defini\u0161u neke hipoteze. Nakon toga izra\u010dunavaju prethodnu verovatnoc\u0301u za svaku hipotezu, \u0161to zna\u010di koliko veruju da je hipoteza istinita pre nego \u0161to saznaju bilo \u0161ta o njoj. Pedro primec\u0301uje da je to najkontroverznija \u010dinjenica u njihovom procesu u\u010denja. Kako mo\u017eete pretpostaviti ne\u0161to bez podataka? Ali kako dokazi dolaze, oni a\u017euriraju verovatnoc\u0301u svake hipoteze. Oni tako\u0111e mere verovatnoc\u0301u, koja govori koliko je verovatan dokaz, s obzirom da je hipoteza ta\u010dna. Nakon toga, oni mogu izra\u010dunati posteriornu verovatnoc\u0301u koja govori koliko je hipoteza verovatna s obzirom na uo\u010deni dokaz. Dakle, hipoteza koja je u skladu sa podacima imac\u0301e sve vec\u0301u verovatnoc\u0301u i obrnuto. Najvec\u0301a prednost ovog pristupa je njegova sposobnost merenja neizvesnosti. I to je \u010desto problem. Uop\u0161teno govorec\u0301i, novo znanje koje generi\u0161emo je u po\u010detku neizvesno i dobro je tu neizvesnost kvantifikovati. Mo\u017eda niste ba\u0161 svesni toga, ali samovozec\u0301i automobili imaju Bajesove mre\u017ee implementirane unutra i koriste ih za proces u\u010denja. Neki od najpoznatijih bajesovaca su D\u017eudea Perl, koji je razvio moc\u0301ne bajesovske mre\u017ee, Davin Hekerman i Majkl D\u017eordan. Ka\u017eu da su bajesovci najfanati\u010dniji od svih plemena, tako da se ne bih petljao sa njima, da budem iskren.\ud83d\ude09<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Analogizatori\"><\/span>Analogizatori<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Osnovna ideja koju donose analogizatori je rasu\u0111ivanje po analogiji. Prebaciti re\u0161enje poznate situacije u novu situaciju sa kojom se suo\u010dava. Kao \u0161to mo\u017eete rec\u0301i, oni pronalaze svoje poreklo u nekoliko oblasti nauke, ali uglavnom u psihologiji. Piter Hart je jedan od najpoznatijih analogizatora, po\u0161to se dosta bavio algoritmom najbli\u017eeg suseda. Vladimir Vapnik je pronalaza\u010d ma\u0161ina za vektor podr\u0161ke, poznatih kao kernel ma\u0161ine. Kao jo\u0161 jedan analogizator, Daglas Hof\u0161tater je radio na sofisticiranijim temama koje je predstavio u svojoj <a href=\"https:\/\/en.wikipedia.org\/wiki\/G%C3%B6del,_Escher,_Bach\" target=\"_blank\" rel=\"noopener\">knjizi<\/a>. Pedro ka\u017ee da je u jednoj od svojih knjiga Daglas \u010dak potro\u0161io pet stotina stranica samo tvrdec\u0301i da je sva inteligencija \u010dista analogija. Sada, mo\u017eda treba da preispitamo fanatike ovde. \ud83d\ude00 Dakle, u osnovi, ono \u0161to oni tvrde je da mo\u017eemo pro\u0161iriti na\u0161e znanje istra\u017eujuc\u0301i nove fenomene kroz vo\u0111enje analogije sa drugim poznatim fenomenima. Najpoznatija primena u\u010denja zasnovanog na analogiji su sistemi preporuke. I to zaista ima smisla! Ako \u017eelite da odredite \u0161ta da predlo\u017eite kupcu kao slede\u0107e, onda proverite \u0161ta se dopalo sli\u010dnim kupcima i analogno plasirajte sli\u010dne ponude datom kupcu. Najbolja kompetencija analogizatora je sposobnost generalizacije iz samo nekoliko primera. \u010cesto se susrec\u0301emo sa nepoznatim problemima, a njihov pristup u\u010denjem kori\u0161c\u0301enjem sli\u010dnosti je dobro re\u0161enje problema u tim slu\u010dajevima. Tako jednostavno, zar ne?<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Simbolisti\"><\/span>Simbolisti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p style=\"text-align: justify;\">\n<p>Simbolisti svoje poreklo nalaze u logici i filozofiji. Njihova glavna svrha je popunjavanje praznina u postojec\u0301em znanju. U\u010denje je indukcija znanja. Indukcija je u osnovi obrnuta dedukcija. Op\u0161ta pravila se sastoje od konkretnih \u010dinjenica, pa proces indukcije uklju\u010duje prelazak od konkretnih \u010dinjenica ka op\u0161tim pravilima. Ali ne samo to.\u00a0 Na osnovu nekih poznatih pravila indukuju nova pravila, kombinuju ih sa poznatim \u010dinjenicama i postavljaju pitanja koja se nikada ranije nisu postavljala, \u0161to dovodi do novih pravila i odgovora koji sve vi\u0161e obogac\u0301uju znanje. Prakti\u010dno, oni zapo\u010dinju proces sa nekim osnovnim znanjem, zatim formuli\u0161u hipotezu, osmi\u0161ljavaju eksperimente, sprovode ih i na osnovu rezultata se dora\u0111uju hipoteze ili se generi\u0161u nove hipoteze. Ovo je ne\u0161to najbli\u017ee na\u010dinu na koji nau\u010dnici generalno pristupaju istra\u017eivanju. Stoga se ovaj pristup uglavnom koristi u stvaranju robota nau\u010dnika. Jedan od najpoznatijih Pedrovih primera inverzne dedukcije je robot molekularne biologije, Eva. Eva je prona\u0161la novi lek protiv malarije, koristec\u0301i inverznu dedukciju. Neki od najistaknutijih simbolista koje broji Pedro su Stiv Maglton, Tom Mi\u010del i Ros Kvinlan. Najvec\u0301a prednost ovog pristupa je \u0161to je u stanju da komponuju znanje na mnogo razli\u010ditih na\u010dina, koristec\u0301i logiku i inverznu dedukciju.<\/p>\n<p style=\"text-align: center;\">Da sumiramo.<\/p>\n<table class=\" aligncenter\" width=\"624\">\n<tbody>\n<tr>\n<td width=\"155\">Pristup<\/td>\n<td width=\"243\">Problem<\/td>\n<td width=\"226\">Re\u0161enje<\/td>\n<\/tr>\n<tr>\n<td width=\"155\">Konekcionisti<\/td>\n<td width=\"243\">Dodela zasluga<\/td>\n<td width=\"226\">Propagiranje unazad<\/td>\n<\/tr>\n<tr>\n<td width=\"155\">Evolucionisti<\/td>\n<td width=\"243\">Otkric\u0301e strukture<\/td>\n<td width=\"226\">Genetsko programiranje<\/td>\n<\/tr>\n<tr>\n<td width=\"155\">Bajesovci<\/td>\n<td width=\"243\">Neizvesnost<\/td>\n<td width=\"226\">Verovatnoc\u0301a zaklju\u010divanja<\/td>\n<\/tr>\n<tr>\n<td width=\"155\">Analogizatori<\/td>\n<td width=\"243\">Sli\u010dnost<\/td>\n<td width=\"226\">Kernel ma\u0161ine<\/td>\n<\/tr>\n<tr>\n<td width=\"155\">Simbolisti<\/td>\n<td width=\"243\">Sastav znanja<\/td>\n<td width=\"226\">Inverzna dedukcija<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><span class=\"ez-toc-section\" id=\"Jedan_algoritam_koji_c%CC%81e_upravljati_svima%E2%80%A6\"><\/span>Jedan algoritam koji c\u0301e upravljati svima&#8230;<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ono \u0161to Pedro navodi je da se na kraju &#8211; ne radi o samoj particiji. Radi se o pronala\u017eenju jedinstvenog re\u0161enja. Univerzalni u\u010denik. Svemoc\u0301ni model. Glavni algoritam. Dakle, svaka od ovih pet \u0161kola ima svoje prednosti. Mo\u017eemo li uzeti ono \u0161to je najvec\u0301a prednost svakog od njih, kombinovati ih i dobiti glavni algoritam koji mo\u017ee da re\u0161i svaki problem ma\u0161inskog u\u010denja koji mu damo? Pedro ka\u017ee da je to cilj. Da li je previ\u0161e komplikovano? Ne mora nu\u017eno biti. On sve ove pristupe deli u tri glavna modula: predstavljanje, evaluacija i optimizacija. Predstavljanje nam govori kako u\u010denik predstavlja proces u\u010denja. I u vec\u0301ini slu\u010dajeva, ovo c\u0301e se odraziti u logici zdravog razuma (ali mo\u017ee biti u diferencijalnim jedna\u010dinama, polinomskoj funkciji ili bilo \u010demu drugom). U knjizi, objedinjavanje ovog procesa dolazi kombinovanjem simbolisti\u010dkog i bajesovskog pristupa. Po\u0161to simbolisti koriste logiku, dok bajesovci koriste grafi\u010dke modele \u2013 njihova kombinacija mo\u017ee predstavljati bilo koju vrstu problema sa kojim se mo\u017ee susresti. Evaluacija se koristi za merenje performansi modela (u smislu prepoznavanja obrazaca, podobnosti podataka, generalizacije, itd.). Glavni algoritam treba da bude u stanju da preuzme bilo koju od funkcija evaluacije koje su dostupne u ovih pet pristupa, i da pru\u017ei moguc\u0301nost korisniku da odlu\u010di koja c\u0301e od njih biti kori\u0161c\u0301ena. Optimizacija je zadatak pronala\u017eenja modela koji najbolje odgovara za dati problem. Ovo uklju\u010duje otkrivanje formula koje c\u0301e matemati\u010dki opisati dati problem, kori\u0161c\u0301enjem pristupa evolucionarnog genetskog programiranja, i optimizaciju te\u017eina u ovim formulama, \u0161to se mo\u017ee re\u0161iti algoritmom za propagaciju unazad koji koriste konekcionisti. Pedro veruje da c\u0301e glavni algoritam moc\u0301i da re\u0161i svaki dati problem. Vec\u0301ina prakti\u010dnih primera uklju\u010duje kuc\u0301ne robote, lek(ove) za rak, sisteme za preporuke od 360 prikaza, itd. Lista se nastavlja i nastavlja.<\/p>\n<p>\u017deleo bih da zatvorim ovaj post njegovim inspirativnim re\u010dima:<\/p>\n<p><em>\u201eNau\u010dnici prave teorije, a in\u017eenjeri prave ure\u0111aje. <\/em>Informati\u010dari prave i teorije i ure\u0111aje\u201d.<\/p>\n<p>Zar ne? Knjiga je prili\u010dno sa\u017eeto napisana, i \u010dita se u dahu! Prihvatite ovu knjigu kao moju najtopliju preporuku za dobro \u010ditanje i prosto u\u017eivajte u njoj. Nadam se da c\u0301e i vama biti inspirativno kao i meni. Podelite svoje utiske, jedva \u010dekam da ih \u010dujem! :3<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Pedro Domingos je profesor ra\u010dunarstva i in\u017eenjeringa na Univerzitetu Va\u0161ington. On je dobitnik nagrade za inovaciju SIGKDD, a koja, za va\u0161u informaciju, predstavlja najve\u0107u po\u010dast u nauci o podacima. Ka\u017eu da je otprilike sedam godina vremenski period potreban da postanete &#8230; <\/p>\n<p class=\"read-more\"><a class=\"btn small\" href=\"https:\/\/thingsolver.com\/sr\/blog\/razgovori-petkom-sveti-gral-masinskog-ucenja\/\">Pro\u010ditaj vi\u0161e<\/a><\/p>\n","protected":false},"author":3,"featured_media":15533,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[189],"tags":[254,255,256,196,257,258,259,260],"acf":[],"_links":{"self":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16959"}],"collection":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/comments?post=16959"}],"version-history":[{"count":3,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16959\/revisions"}],"predecessor-version":[{"id":16963,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16959\/revisions\/16963"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media\/15533"}],"wp:attachment":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media?parent=16959"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/categories?post=16959"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/tags?post=16959"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}