Obsah
- Definícia - Čo znamená strojové učenie?
- Úvod do programu Microsoft Azure a Microsoft Cloud V tejto príručke sa dozviete, o čom všetko je cloud computing a ako vám môže Microsoft Azure pomôcť migrovať a podnikať z cloudu.
- Techopedia vysvetľuje strojové učenie
Definícia - Čo znamená strojové učenie?
Strojové učenie je disciplína umelej inteligencie (AI) zameraná na technologický rozvoj ľudských vedomostí. Strojové učenie umožňuje počítačom zvládnuť nové situácie prostredníctvom analýzy, samovzdelávania, pozorovania a skúseností.
Strojové učenie uľahčuje neustály pokrok v oblasti výpočtovej techniky prostredníctvom vystavenia novým scenárom, testovaniu a adaptácii, pričom využíva detekciu vzorov a trendov na zlepšenie rozhodnutí v nasledujúcich (hoci nie identických) situáciách.
Strojové učenie sa často zamieňa s získavaním údajov a získavaním znalostí v databázach (KDD), ktoré zdieľajú podobnú metodológiu.
Úvod do programu Microsoft Azure a Microsoft Cloud V tejto príručke sa dozviete, o čom všetko je cloud computing a ako vám môže Microsoft Azure pomôcť migrovať a podnikať z cloudu.
Techopedia vysvetľuje strojové učenie
Tom M. Mitchell, priekopník strojového učenia a profesor Carnegie Mellon University (CMU), predpovedal vývoj a synergiu ľudského a strojového učenia. Dnešný spravodajský kanál je dokonalým príkladom. Informačný kanál je naprogramovaný tak, aby zobrazoval obsah priateľa používateľa. Ak používateľ často označuje alebo píše na stenu konkrétneho priateľa, informačný kanál zmení svoje správanie tak, aby zobrazoval viac obsahu od tohto priateľa.
Medzi ďalšie aplikácie strojového učenia patrí rozpoznávanie syntaktických vzorov, spracovanie prirodzeného jazyka, vyhľadávače, počítačové videnie a strojové vnímanie.
Je ťažké replikovať ľudskú intuíciu v stroji, predovšetkým preto, že ľudia sa často učia a vykonávajú rozhodnutia nevedome.
Rovnako ako deti, aj stroje vyžadujú pri vývoji rozsiahlych algoritmov zameraných na diktovanie budúceho správania predĺžené školiace obdobie. Tréningové techniky zahŕňajú učenie rote, nastavenie parametrov, makro-operátory, chunking, učenie založené na vysvetlení, zhlukovanie, korekciu chýb, zaznamenávanie prípadov, správu viacerých modelov, šírenie chrbta, zosilňovanie učenia a genetické algoritmy.