As mentioned in the previous lesson, Texty used two different algorithms in the production of Leprosy of the Land. 

After the first algorithm allowed them to divide sections of satellite images of Ukrainian forests into visually uniform subsections, they needed a second algorithm that could identify which sections of satellite images most resembled the existing image examples of amber mining. What they needed was a so-called "custom classifier".

Niestandardowy klasyfikator to rodzaj modelu uczenia maszynowego, który można zastosować, gdy dany przypadek wymaga sklasyfikowania zbioru badanych obrazów na podstawie wstępnie zdefiniowanych etykiet. 

W naszym przypadki etykiety te są proste: „TAK: obraz ten zawiera cechy tożsame z wzorami, które zazwyczaj są typowe dla działań wydobycia bursztynu” oraz „NIE: obraz ten nie zawiera cech, które sugerowałyby obecność działań wydobycia bursztynu”.

Możemy to osiągnąć za pomocą algorytmu Google Cloud AutoML Vision. Nauczymy się używać go do uczenia z nadzorem, tj. będziemy szkolić model uczenia maszynowego, aby stosował odpowiednie etykiety – TAK i NIE – do zbioru danych obrazów, które będziemy mu podawać.

Cytując słowa Jeremiego Merrilla z Quartz AI Studio z Skróconego kursu klasyfikowania tekstu przy użyciu uczenia maszynowego, „dla dziennikarzy nie ma większego znaczenia, który algorytm wybierzecie – wystarczy, że będzie on wykonywał właściwe zadanie”.

AutoML Vision nie jest jedynym narzędziem, które możemy wykorzystać do osiągnięcia pożądanego celu. Nie jest to nawet algorytm, którego agencja Texty użyła do swojego śledztwa. Powodem, dla którego używamy AutoML Vision w tym kursie, jest jego dostępność: nie trzeba umieć kodować, aby nauczyć się jego obsługi i wytrenować wydajny model na podstawie własnych danych.

AutoML Vision is not the only tool we could use to achieve our desired goal. Actually, it is not the algorithm that Texty used during their investigation. The reason why we are using AutoML Vision in this course is its accessibility: you don't need to have any coding skills in order to learn how it works and to train a high-performing model on your data.

If you do have coding skills already and you want to dig deeper, have a look at fast.ai's Practical Deep Learning for Coders. 

Now you are ready to use AutoML Vision. In the rest of the course, we will learn how to use it to achieve our desired outcome: to train a machine learning model to recognise illegal amber mining. 

Zanim przejdziemy dalej, zachęcamy do zapoznania się z resztą oferty uczenia maszynowego oraz SI dostępnej w ramach Google Cloud, w tym m.in. usług naturalnego języka, tłumaczenia, konwersji mowy na tekst i tekstu na mowę. 

Before we move forward, make sure to check the other AI and machine learning products offered by Google Cloud, including Natural Language, Translation, Speech-to-Text and Text-to-Speech, and much more.