На моём слайде стояли две колонки: «машинное обучение» и «нейросеть». Студент поднял руку и спросил, может ли нейросеть обучаться на примерах. Моя схема подсказывала ему ответ «нет». Пришлось стереть вертикальную черту. Когда объясняешь, как связаны нейросеть и машинное обучение, удобнее показать одну задачу и два способа построить модель для этой задачи. Тогда слова перестают соревноваться за главную роль.
Я беру распознавание рукописных цифр. В таком выступлении зрителю легко понять, что программе дают на вход, какого ответа ждут и зачем готовят отдельную стопку с новыми карточками. Пять слайдов хватит для первого знакомства. Для показа понадобятся рисунки цифр, подписи и простой план речи.
Сначала показать задачу зрителю
На первом слайде рисую две семёрки. У одной есть горизонтальная черта посередине, у другой её нет. Рядом показываю единицу с наклонным начальным штрихом. Вопрос к аудитории короткий: «Какую цифру ты видишь и за счёт чего узнаёшь её?» Пусть зритель сам заметит, что разные следы на бумаге могут обозначать одну цифру.
Я пробовал начинать с определения модели и потратил 3 минуты ещё до вопроса аудитории. Когда сменил порядок, у слушателей появился предмет спора. Похожи ли эти две семёрки? Можно ли в обоих случаях ожидать одного ответа? С этого начинается задача классификации. Программа получает изображение и выбирает категорию. Мы заранее договариваемся, какие категории допустимы.
Слайд о том, как связаны нейросеть и машинное обучение
Я переделал две колонки в одну большую рамку с подписью «машинное обучение». Внутри оставил места для двух карточек. На одной будет пример метода опорных векторов, на другой нейронная сеть. Обе модели можно обучать на примерах с известными метками. Они по-разному устроены, зато у обеих здесь общий вопрос: какую цифру мы видим?
В документации scikit-learn этот вопрос решают классификатором на основе метода опорных векторов. Авторы примера превращают квадратное изображение в набор значений пикселей, выделяют обучающую часть и проверяют модель на другой части. Уже одного примера достаточно, чтобы показать машинное обучение с учителем без нейросети. Рядом можно назвать многослойный перцептрон: это нейросетевая модель, которой тоже можно поручить классификацию. На этом слайде речь о двух подходах, поэтому я не ставлю между карточками стрелку «улучшенная версия».
