Google Cloud AutoML Vision
การจัดประเภทรูปภาพโดยใช้แมชชีนเลิร์นนิง
ดังที่กล่าวในบทเรียนที่แล้วว่า Texty ใช้อัลกอริทึมสองแบบในการสร้าง Leprosy of the Land
หลังอัลกอริทึมแรกช่วยแบ่งส่วนภาพถ่ายดาวเทียมของป่าในยูเครนออกเป็นส่วนย่อยที่มองเห็นได้ว่าเหมือนกัน Texty ต้องใช้อัลกอริทึมที่สองซึ่งระบุได้ว่าส่วนไหนของภาพถ่ายดาวเทียมดูเหมือนตัวอย่างการทำเหมืองอำพันที่มีอยู่แล้วมากที่สุด พวกเขาต้องใช้สิ่งที่เรียกกันว่า "ตัวแยกประเภทที่กำหนดเอง"
การใช้ตัวอย่างที่มีป้ายกำกับเพื่อเรียนรู้
ตัวแยกประเภทที่กำหนดเอง คือรูปแบบแมชชีนเลิร์นนิงประเภทหนึ่งที่คุณสามารถใช้งานเมื่อกรณีการใช้งานของคุณต้องใช้ป้ายกำกับที่กำหนดไว้ล่วงหน้า เพื่อแยกประเภทชุดข้อมูลรูปภาพที่คุณต้องการสืบ
ในกรณีของเรา ป้ายกำกับที่กำหนดไว้ล่วงหน้าเหล่านี้จะเรียบง่าย นั่นคือ "YES หมายถึง รูปภาพนี้มีองค์ประกอบที่มองเห็นได้สอดคล้องกับรูปแบบที่มักจะแสดงถึงกิจกรรมการทำเหมืองอำพัน" และ "NO หมายถึง รูปภาพนี้ไม่มีองค์ประกอบที่มองเห็นได้ซึ่งสื่อถึงกิจกรรมการทำเหมืองอำพัน"
Google Cloud AutoML Vision ช่วยให้เราทำเท่านั้นก็พอ เราจะเรียนรู้วิธีใช้ Google Cloud AutoML Vision เพื่อการเรียนรู้แบบมีการกำกับดูแล หมายความว่าเราจะฝึกรูปแบบแมชชีนเลิร์นนิงให้ใช้ป้ายกำกับ YES และ NO อย่างเหมาะสมกับชุดข้อมูลรูปภาพที่เราจะป้อนให้
การเลือกอัลกอริทึม
อย่างที่ Jeremy Merrill จาก Quartz AI Studio กล่าวใน Crash Course in Classifying Text with Machine Learning ของเขาว่า "สำหรับวัตถุประสงค์ของคุณในฐานะนักข่าว ไม่สำคัญเท่าไรว่าคุณจะเลือกอัลกอริทึมไหน ตราบใดที่คุณเลือกอัลกอริทึมที่ทำสิ่งที่ถูกต้อง"
AutoML Vision ไม่ใช่เพียงเครื่องมือเดียวที่เราใช้ให้บรรลุเป้าหมายที่เราต้องการได้ ที่จริงก็ไม่ใช่อัลกอริทึมที่ Texty ระหว่างการสืบเรื่องราวด้วย เหตุผลที่เราจะใช้ AutoML Vision ในหลักสูตรนี้เพราะเราเข้าถึงได้ คุณไม่ต้องมีทักษะการเขียนโค้ดเพื่อเรียนรู้วิธีการทำงานของ AutoML Vision และเพื่อฝึกรูปแบบที่มีประสิทธิภาพสูงกับข้อมูลของคุณ
ถ้าคุณมีทักษะการเขียนโค้ดอยู่แล้วและอยากเจาะลึกกว่านี้ ลองดู Practical Deep Learning for Coders ของ fast.ai
การตั้งค่าบัญชี Google Cloud
ในการใช้งาน AutoML Vision คุณต้อง sign up for a Google Cloud account ขณะลงชื่อสมัครใช้ คุณจะได้รับเครดิต 300 ดอลลาร์เพื่อเริ่มการทดสอบ แต่ละแบบฝึกหัดในการฝึกรูปแบบแมชชีนเลิร์นนิงราคาประมาณ 20 ดอลลาร์ อย่างเช่นแบบฝึกหัดที่เราจะทำในหลักสูตรนี้ ให้ทำตามคำแนะนำทีละขั้นตอน ดังนี้
คลิก “Try for Free” ใต้ “Get Started with Google Cloud Platform” แล้วทำตามคำแนะนำเพื่อสร้างบัญชี
เมื่อคุณสร้างบัญชีแล้ว เปิดเมนูการนำทางด้านซ้ายของหน้าแล้วเลื่อนลงมาล่างสุดเพื่อหา “Vision” ในส่วน “Artificial Intelligence” คลิก “Dashboard”
คราวนี้คุณก็เข้าถึงพื้นที่ทำงานของคุณได้แล้ว ซึ่งจะแสดงเครื่องมือ “Vision” ของ Google Cloud รวมทั้งเครื่องมือที่เราจะใช้ด้วย คือ “Image Classification” คลิก “Datasets” ในเมนูการนำทางด้านซ้าย
ต่อไป คลิก “Enable AutoML API” กระบวนการนี้อาจใช้เวลาสองสามวินาที จากนั้น คลิก “Get Started”
ณ จุดนี้ คุณควรจะเห็นหน้าจอที่ค่อนข้างว่างเปล่าเพราะคุณยังไม่ได้อัปเดตชุดข้อมูลใดๆ เลย เราจะอัปเดตกันในบทเรียนต่อไป
ก้าวไปข้างหน้า
ทีนี้คุณก็พร้อมใช้งาน AutoML Vision แล้ว ในส่วนที่เหลือของหลักสูตรนี้ เราจะเรียนรู้วิธีใช้ AutoML Vision เพื่อให้ได้ผลลัพธ์ที่เราต้องการ นั่นคือการฝึกรูปแบบแมชชีนเลิร์นนิงให้จำแนกการทำเหมืองอำพันผิดกฎหมายได้
Texty และ JournalismAI เป็นพาร์ทเนอร์ในการสร้างหลักสูตรนี้ ด้วยความเป็นพาร์ทเนอร์ดังกล่าว เราจะสามารถใช้ตัวอย่างภาพถ่ายดาวเทียมจริงที่ Texty ใช้ระหว่างสืบเรื่องราว Leprosy of the Land
ก่อนเราจะก้าวต่อไป อย่าลืมดู AI and machine learning products อื่นๆ ที่ Google Cloud มีให้บริการ รวมถึง Natural Language, Translation, Speech-to-Text และ Text-to-Speech และอีกมากมาย
-
![LookingAheadToML-PoweredJournalism]()
Looking ahead to ML-powered journalism
บทเรียนKey learnings and recommended resources to deepen your ML knowledge. -
![GO801_GNI_ImprovingSearchResults_2_TitleCard.jpg]()
Google Trends: การปรับปรุงผลการค้นหาของคุณ
บทเรียนกรองการค้นหาของคุณเพื่อรับข้อมูลที่มีประโยชน์มากขึ้น -
![YouTube Thumbnails (24)]()
วิดีโอ: เครื่องมือของ Google สำหรับผู้ตรวจสอบข้อเท็จจริง
บทเรียนสำรวจเครื่องมือดิจิทัลที่ออกแบบมาโดยเฉพาะสำหรับผู้ตรวจสอบข้อเท็จจริงและนักข่าว
