فرادرساهمیت قابل درک بودن مدل یادگیری ماشین – نکات کاربردی
در نظرسنجی سایت KDnuggets، سوال زیر از شرکت‌کنندگان پرسیده شده بود:
هنگام ساخت یک مدل «یادگیری ماشین» (Machine Learning)/«علم داده» (Data Science) در سال ۲۰۱۸، چقدر اهمیت دارد که مدل توسط انسان قابل درک/توضیح باشد؟
نتایج کلی، برپایه بیش از ۵۰۰ رای نشانگر آن است که برای ٪۳۷ از رای‌دهندگان این مساله «همیشه» مهم به شمار می‌آيد. ٪۴۸ دیگر می‌گویند این مساله «اغلب اوقات» اهمیت دارد و این یعنی برای ٪۸۵ از پاسخ‌دهندگان این مساله همیشه یا اغلب اوقات حائز اهمیت است. تنها ۲٪ گفته‌اند که این موضوع هرگز مهم نیست.
در این نظرسنجی پیرامون نوع اشتغال افراد نیز سوال شده بود که نتایج آن به صورت زیر است:
- شرکت یا خوداشتغالی ٪۶۹
- دولتی/ناسودبر ٪۵
- دانش‌آموزش ٪۱۵
- دانشگاه/آموزش عالی ٪۹
- سایر موارد ٪۲
نتایج بررسی میزان اهمیت قابل درک بودن مدل یادگیری ماشین برای انسان بر اساس نوع اشتغال در تصویر زیر موجود است.
مفاهیم رنگ‌های استفاده در جدول:
- نارنجی: همیشه
- سبز: اغلب اوقات
- خاکستری روشن: به ندرت
- خاکستری تیره: هرگز
قابل توجه است که افرادی که برای شرکت‌ها کار می‌کنند و یا خوداشتغال هستند بیشترین پاسخ «اغلب اوقات» را با ٪۵۱.۶ آرا داشته‌اند، در حالیکه دانشجویان کمترین میزان را با ٪۳۶.۷ آرا دارند.
پژوهشگران دانشگاهی گزینه «همیشه» را بیش از هر گروه دیگری برگزیده‌اند و این بدین معنا است که قابل درک بودن مدل‌های یادگیری ماشین یک حوزه پژوهشی فعال است. به طور کلی اکثریت نظرات در کلیه گروه‌های اشتغال بالغ بر ٪۸۰ آرا، «همیشه» یا «اغلب اوقات» بوده است. جای تعجب ندارد که آمار برای دانشجویان اندکی متفاوت و برابر با ٪۷۶ است. ملیت شرکت‌کنندگان در نظرسنجی به شرح زیر است.
- ایالات متحده آمریکا / کانادا ٪۳۶
- اروپا ٪۳۴
- آسیا ٪۱۸
- آمریکای لاتین ٪۶.۰
- آفریقا/خاورمیانه ٪۳.۷
- استرالیا/نیوزیلند ٪۲.۸
در ادامه پاسخ به پرسش نظرسنجی، بر اساس ملیت افراد نشان داده شده است.
نکته جالب توجه آن است که بالاترین نگرانی برای قابل درک بودن مدل نه در اروپا، بلکه در ایالات متحده آمریکا/کانادا وجود دارد. ترکیب گزینه‌های «همیشه» و «اغلب اوقات» نشانگر آن است که پاسخ‌دهندگان آمریکا/کانادا با ٪۸۸.۵ آرا در جایگاه اول، اروپا با ٪۸۱.۹ در جایگاه دوم، آسیا با ٪۸۱.۰ در جایگاه سوم و آمریکای لاتین با ٪۷۸.۲ در جایگاه آخر اهمیت دادن به قابل درک بودن مدل یادگیری ماشین قرار دارند. جمعیت شرکت‌کنندگان در نظرسنجی از دو منطقه دیگر کمتر از آن بوده که در تحلیل‌های آماری لحاظ شوند.
اگر نوشته بالا برای شما مفید بوده، آموزش‌های زیر نیز به شما پیشنهاد می‌شود:
- مجموعه آموزش‌های یادگیری ماشین و بازشناسی الگو
- مجموعه آموزش‌های هوش محاسباتی
- مجموعه آموزش‌های آمار، احتمالات و داده‌کاوی
- مجموعه آموزش‌های شبکه‌های عصبی مصنوعی
- مجموعه آموزش های برنامه نویسی پایتون
- آموزش برنامه‌نویسی R و نرم‌افزار R Studio
- مجموعه آموزش‌های برنامه نویسی متلب (MATLAB)
^^
