Obsah:
V posledných rokoch sa na rôznych diskusiách a fórach objavoval výraz „strojové učenie“, čo však presne znamená? Strojové učenie možno definovať ako metódu analýzy údajov založenú na rozpoznávaní vzorov a výpočtovom učení. Pozostáva z rôznych algoritmov, ako sú neurónové siete, rozhodovacie stromy, bayesovské siete atď. Strojové učenie používa tieto algoritmy na učenie sa z údajov a na obnovenie skrytých poznatkov z údajov. Proces učenia je opakovaný, takže s novými údajmi sa zaobchádza aj bez dozoru. Veda, ktorá sa má poučiť z predchádzajúcich údajov a používať ich pre budúce údaje, nie je nová, ale získava väčšiu popularitu.
Čo je to strojové učenie?
Zatiaľ čo niektorí ľudia veria, že strojové učenie nie je o nič lepšie ako tradičné metódy počítačového programovania, ktoré sa stále používajú, mnohí považujú strojové učenie za revolúciu v oblasti umelej inteligencie (AI). Sú presvedčení, že pomocou tejto technológie sa stroje budú môcť učiť veci a robiť veci na základe svojich vlastných skúseností, a nie iba sledovať ľudské pokyny.
Aby sme lepšie porozumeli významu strojového učenia, môžeme ho porovnať s tradičným počítačovým programovaním. Nasledujúce časti budú diskutovať viac o strojovom učení a jeho odlišnosti od tradičného programovania. (Niektoré z výhod a nevýhod strojového učenia nájdete v časti Sľuby a úskalia strojového učenia.)
