uczenie-maszynowe/wyk/01_Wprowadzenie.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Uczenie maszynowe\n",
    "# 1. Wprowadzenie"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## 1.1. Czym jest uczenie maszynowe?"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Sztuczna inteligencja (*artificial intelligence*)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Naśladowanie ludzkich procesów poznawczych za pomocą komputerów"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Konstruowanie systemów (maszyn), których działanie podobne jest do przejawów ludzkiej inteligencji"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Dziedzina nauki, która zajmuje się naśladowaniem ludzkiej inteligencji przez komputery"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Obejmuje m.in. logikę rozmytą, algorytmy ewolucyjne, robotykę i uczenie maszynowe"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Uczenie maszynowe (*machine learning*)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Tworzenie systemów, które potrafią doskonalić się przy pomocy zgromadzonego doświadczenia"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Sieci neuronowe (neural networks)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Rodzaj struktur matematycznych, które wykonują obliczenia przy pomocy elementów zwanych _sztucznymi neuronami_"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Budowa sieci neuronowych i zasady działania sztucznych neuronów były luźno inspirowane działaniem neuronów w mózgu"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Uczenie głębokie (deep learning)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Użycie sieci neuronowych do automatycznego wydobywania cech z surowych danych"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Data science"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* Dziedzina nauki zajmująca się przetwarzaniem danych w celu wydobycia z nich wiedzy"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "<img style=\"margin: auto\" src=\"venn-ai-ml-nn-dl-ds.png\"/>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Uczenie maszynowe – klasyczne definicje"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "<img style=\"float: right;\" src=\"https://upload.wikimedia.org/wikipedia/commons/f/f8/This_is_the_photo_of_Arthur_Samuel.jpg\"/>\n",
    "\n",
    "> Uczenie maszynowe to dziedzina nauki,\n",
    "> która daje komputerom umiejętność uczenia się\n",
    "> bez programowania ich _explicite_.\n",
    "\n",
    "> &mdash; <cite>Arthur Samuel, 1959</cite>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "<img style=\"float: right;\" width=\"20%\" src=\"http://mediad.publicbroadcasting.net/p/wamc/files/styles/x_large/public/201401/tom_mitchell.jpg\"/>\n",
    "\n",
    "> Mówimy, że program komputerowy **uczy się**\n",
    "> z doświadczenia E w odniesieniu do zadania T i miary skuteczności P,\n",
    "> jeżeli jego skuteczność wykonywania zadania T mierzona według P\n",
    "> wzrasta z doświadczeniem E.\n",
    "\n",
    "> &mdash; <cite>Tom Mitchell, 1998</cite>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "Uczenie maszynowe to:\n",
    "\n",
    "* doskonalenie działania dla pewnych zadań na podstawie doświadczenia"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* tworzenie systemów, które doskonalą swoje działania na podstawie przeszłych doświadczeń"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "* zestaw metod, które potrafią w sposób automatyczny wykrywać wzorce w danych, a następnie używać wcześniej niezaobserwowanych wzorców do przewidywania przyszłych zjawisk"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "Charakterystyczne cechy uczenia maszynowego:\n",
    "\n",
    "* „automatyzacja automatyzacji”\n",
    "* komputer „sam się programuje”\n",
    "* modelowanie danych zastępuje pisanie programu"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "notes"
    }
   },
   "source": [
    "Na czym polega uczenie maszynowe?\n",
    " * Jak uczą się maszyny? https://www.youtube.com/watch?v=R9OHn5ZF4Uo\n",
    " * Jak sztuczna inteligencja tworzy obrazy na podstawie opisów? https://www.youtube.com/watch?v=SVcsDDABEkM"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## 1.2. Zastosowania uczenia maszynowego"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "* rozpoznawanie i rozumienie mowy\n",
    "* rozpoznawanie obrazów\n",
    "* tłumaczenie maszynowe\n",
    "* systemy rekomendacyjne\n",
    "* detekcja spamu\n",
    "* klasyfikacja dokumentów/obrazów\n",
    "* analiza nastrojów\n",
    "* rozpoznawanie pisma odręcznego\n",
    "* samochody autonomiczne\n",
    "* przewidywanie kursów giełdowych\n",
    "* automatyczna diagnostyka medyczna\n",
    "* analiza genów\n",
    "* sztuczna inteligencja w grach"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Co potrafi uczenie maszynowe?"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "* Tekst → obraz: https://labs.openai.com\n",
    "* Tekst → wideo: https://make-a-video.github.io\n",
    "* Generowanie obrazów twarzy: https://thispersondoesnotexist.com\n",
    "* Generowanie obrazów kotów: https://thiscatdoesnotexist.com\n",
    "* Zdanie → artykuł: https://blog.openai.com/better-language-models\n",
    "* Rysunek odręczny → zdjęcie: https://affinelayer.com/pixsrv\n",
    "* Film, którego scenariusz napisała sztuczna inteligencja: https://www.youtube.com/watch?v=Kx-2PyrhnFE\n",
    "* Piosenka w całości wygenerowana przez AI (muzyka i słowa): https://www.youtube.com/watch?v=fN-bQddbbUI"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "* Kanał YouTube \"Two-Minute Papers\" - krótkie prezentacje najnowszych artykułów naukowych z dziedziny sztucznej inteligencji: https://www.youtube.com/c/K%C3%A1rolyZsolnai\n",
    "  * AI uczy się grać w chowanego: https://www.youtube.com/watch?v=Lu56xVlZ40M\n",
    "  * Generowanie twarzy: https://www.youtube.com/watch?v=SWoravHhsUU\n",
    "  * Robot uczy się składać obiekty, których wcześniej nie widział: https://www.youtube.com/watch?v=O8l4Kn-j-5M\n",
    "  * \"Ożywianie\" dzieł sztuki: https://www.youtube.com/watch?v=4J0cpdR7qec"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## 1.3. Metody uczenia maszynowego"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Z jakimi rodzajami zadań mamy do czynienia?\n",
    "\n",
    "* Uczenie nadzorowane\n",
    "  * Regresja\n",
    "  * Klasyfikacja\n",
    "* Uczenie nienadzorowane\n",
    "  * Klastrowanie\n",
    "* Uczenie przez wzmacnianie\n",
    "* Systemy rekomendacyjne"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Klasyfikator\n",
    "\n",
    "* Klasyfikator to funkcja $h$, która przykładowi $x$ przyporządkowuje prognozowaną wartość $h(x)$.\n",
    "* Jeżeli funkcja $h$ jest ciągła, to mówimy o zagadnieniu **regresji**.\n",
    "* Jeżeli funkcja $h$ jest dyskretna, to mówimy o zagadnieniu **klasyfikacji**."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Algorytm uczący\n",
    "\n",
    "* Dane są przykładowe obserwacje $(X, y)$.\n",
    "* Staramy się dobrać funkcję (klasyfikator) $h$ tak, żeby $h(x) \\sim y$."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "W jaki sposób można określić, czy klasyfikator jest „dobry”?"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Podział metod uczenia maszynowego\n",
    "\n",
    "> \\[Każdy algorytm uczenia maszynowego\\] stanowi kombinację dokładnie trzech składników.\n",
    "> Te składniki to:\n",
    "> * reprezentacja\n",
    "> * ewaluacja\n",
    "> * optymalizacja\n",
    "\n",
    "> &mdash; Pedro Domingos, “A Few Useful Things to Know about Machine Learning”"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Reprezentacja\n",
    "\n",
    "* drzewa decyzyjne\n",
    "* regresja liniowa\n",
    "* regresja logistyczna\n",
    "* naiwny klasyfikator bayesowski\n",
    "* algorytm $k$ najbliższych sąsiadów\n",
    "* sieci neuronowe\n",
    "* maszyny wektorów nośnych\n",
    "* algorytmy genetyczne\n",
    "* ..."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Ewaluacja\n",
    "\n",
    "* skuteczność (dokładność)\n",
    "* precyzja i pokrycie\n",
    "* błąd średniokwadratowy\n",
    "* _information gain_\n",
    "* _logistic loss_\n",
    "* BLEU\n",
    "* ..."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "subslide"
    }
   },
   "source": [
    "### Optymalizacja\n",
    "\n",
    "* optymalizacja kombinatoryczna:\n",
    "  * wyszukiwanie zachłanne,\n",
    "  * _beam search_...\n",
    "* optymalizacja ciągła:\n",
    "  * nieograniczona:\n",
    "    * metoda gradientu prostego,\n",
    "    * metoda Newtona...\n",
    "  * ograniczona:\n",
    "    * programowanie liniowe..."
   ]
  }
 ],
 "metadata": {
  "celltoolbar": "Slideshow",
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.4"
  },
  "livereveal": {
   "start_slideshow_at": "selected",
   "theme": "white"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}