Паттерны машинного обучения
Машинное обучение (ML) позволяет компьютерам строить прогнозы и выполнять задачи без явного программирования.
Выявляя закономерности в больших и сложных наборах данных, машинное обучение находит применение в самых разных областях: например, при поиске информации по изображениям, персонализации пользовательского опыта в чат-приложении или распознавании музыки.
Технологии на основе машинного обучения становятся всё более доступными благодаря таким продуктам, как ML Kit, предоставляющим готовые API — например, для обнаружения объектов и распознавания текста. Такие API упрощают интеграцию машинного обучения в продукты.
По мере того как функции на основе машинного обучения охватывают всё больше пользовательских сценариев, паттерны проектирования помогают сделать эти сценарии удобными, привлекательными и понятными. Material Design в партнёрстве с ML Kit исследовал применение машинного обучения в визуальном поиске. Хотя ни один паттерн проектирования в отдельности не раскрывает весь потенциал этой технологии, визуальный поиск позволяет сформулировать рекомендации по дизайну, которые помогут пользователям понять, как лучше всего взаимодействовать с технологиями машинного обучения.