Obsah:
Autor: Justin Stoltzfus
Zdroj: Aleutie / iStockphoto
úvod
Viac inžinierov a ďalších odborníkov začína strojovým učením - robia počiatočný výskum a budujú počiatočné systémy, aby začali skúmať, ako môže táto oblasť umelej inteligencie otvoriť dvere jednotlivcom a spoločnostiam.
Počas celého procesu je však dosť zmätený. Čo je vlastne strojové učenie?
Základnou myšlienkou je, že nové technológie umožňujú strojom „myslieť“ a „učiť sa“ spôsobmi, ktoré sú viac podobné tým, ako funguje ľudský mozog.
Existuje však viac ako niekoľko spôsobov, ako tento proces opísať. Poďme sa pozrieť na StackOverflow, základ pre programátorov a ďalších odborníkov v oblasti IT, ktorí hľadajú definície a skutočné vysvetlenia technických problémov. Vlákno StackOverflow popisuje strojové učenie ako „proces výučby počítačov na vytváranie výsledkov na základe vstupných údajov“.
Iný autor opisuje strojové učenie ako „oblasť informatiky, teórie pravdepodobnosti a optimalizácie, ktorá umožňuje riešiť zložité úlohy, pre ktoré by logický, procedurálny prístup nebol možný alebo uskutočniteľný“.
Táto posledná definícia zasiahla takmer hlavný bod toho, čo je strojové učenie - a nie je.
Keď autor hovorí: „logický, procedurálny prístup by nebol možný alebo uskutočniteľný“, poukazuje to na skutočnú „mágiu“ a hodnotu strojového učenia. Jednoducho povedané, je to „postlogická“ - strojové učenie presahuje to, čo môže tradícia, lineárne a sekvenčné programovanie v kóde bázy robiť!
Keď sa krok vrátime, môžeme sa pozrieť na základné stavebné prvky strojového učenia, aby sme lepšie porozumeli tomu, ako.
Po prvé, existujú školiace údaje - školiace údaje dávajú programovým vstupom prácu.
Spolu so školiacimi údajmi existujú algoritmy, ktoré tieto údaje drvia a interpretujú rôznymi spôsobmi. Odborníci popisujú podstatnú prácu strojového učenia ako „rozpoznávanie vzorov“ - a toto uvidíte aj na stránke StackOverflow - ale opäť to len čiastočne popisuje, ako strojové učenie funguje.
Ďalej: Neurónová sieť
Obsah
úvodNeurónová sieť
Strojové učenie pod dohľadom a bez dozoru
Zostup a klesanie
Typy neurónových sietí
Ensemble Learning
Aplikácie a teória hier
Päť kmeňov aplikácií strojového učenia
Kam ideme odtiaľto?