Pretrage

Mašinsko učenje: mašinsko učenje


Mašinsko učenje, takođe u Italiji sada poznatijoj kao mašinsko učenje, skup metoda koji se mnogi fokusiraju na statistiku, ali i na razmjenu podataka, mase podataka i koje se koriste u poljima koja se međusobno vrlo razlikuju.

U finansijama i ekonomiji, u informacionoj tehnologiji, u vremenskim prognozama i postupno su mogućnosti primjene sve više i više nezamislive. Pokušat ćemo razumjeti što je u osnovi mašinskog učenja, kako se ono rađa i na čemu se temelji, dok ga svijet koristi inovirati sektor po sektor, delom uplašeni, delom uzvišeni novim granicama koje se otvaraju s njima metode zasnovane na trivijalnim algoritmima.

Vrlo "trivijalan" primjer za razumijevanje onoga o čemu govorimo je filtriranje e-pošte. Je li vam se ikada dogodilo da nakon što nekoliko puta bacite e-poštu određenog pošiljatelja u smeće, sljedeće uđu direktno u neželjenu poštu, sprečavajući nas da ih ručno odbacimo? Evo, to je to automatsko učenje, računalo je automatski saznalo da nas te e-adrese ne zanimaju i prestaje nam ih nuditi. Pruža nam ruku.

Čak i optičko prepoznavanje znakova, razni pretraživači i računalni vid rezultat su mašinskog učenja.

Automatsko učenje jezika

Mnogi glasovni asistenti koristeautomatsko učenje i pokušavaju razgovarati poput nas učeći iz onoga što čuju i onoga zbog čega ih osjećamo. To je vrlo zanimljivo područje primjene kao i programi programa automatski prijevod.

Nedavno pokušavamo riješiti "problem ”polisemije, ili kako prevesti određene riječi koje imaju različita značenja kako se kontekst mijenja. Na primjer riječ kraljica: engleska kraljica, kraljica u šahu, matica ...? kako možeš razumjeti? Stoga je iz konteksta neophodno automatsko učenje konteksta riječi da bi se preveo na najbolji način.

Mašinsko učenje: definicija

Uglavnom razgovaramo o tome mašinsko učenje i ovim izrazom želimo ukazati ne na jednu metodu već porodica potpuno novijih metoda razvijenih za progresivno poboljšanje performansi algoritma u identificiranju obrazaca u podacima. Takođe nije nedavno i vrlo futuristično i neprestano se razvija: prve studije o mašinskom učenju započele su u poslednjim decenijama 1900-ih.

Nije bilo govora Mašinsko učenje pa čak ni mašinsko učenje već tehnike koje su s vremena na vrijeme miješale mnoge predmete, uključujući računska statistika, prepoznavanje uzoraka, umjetne neuronske mreže, adaptivno filtriranje, teorija dinamičkih sistema, obrada slika, rudarenje podacima, adaptivni algoritmi.

Statistika je nesumnjivo krvotok, ali bogovi su također vrlo korisni podaci za "mljevenje"U stvari, danas su podaci više nego ikad dragocjeni za tehnike mašinskog učenja i dubokog učenja.

U vrijeme prvog istraživanja o tom pitanju su bila provedena razlika između dvije metode što i danas može važiti sa određene tačke gledišta. Cilj je prva metoda, koja se naziva neuronska mreža razvoj mašina za mašinsko učenje dok je usmjerena na drugu, specifičniju i složeniju metodu reprodukcija ekvivalenta visoko organizirane mreže dizajniran da nauči samo nekoliko specifičnih aktivnosti.

Mašinsko učenje: algoritmi

Ne možemo govoriti o tome mašinsko učenje bez razgovora o algoritmima, takođe zato što je mašinsko učenje usko povezano sa prepoznavanjem obrazaca i računskom teorijom učenja.

Krećemo u potragu za algoritmima koji su ispred niza podataka sposobni naučiti, a zatim proizvesti predviđanja gradeći model zasnovan na uzorcima induktivnom metodom. Uz algoritme, bitan je i predmet poput računske statistike, koji se bavi obradom predviđanja korištenjem računara. Puno je matematike, a takođe i mnogo računarstva u mašinskom učenju.

Mašinsko učenje: knjige

To nije klasični priručnik i upravo ga iz tog razloga preporučujem, priručnike i vodiče možete pronaći sami. Knjiga je "Licem u lice uz mašinsko učenje. Nevjerovatno putovanje programera u nevjerovatnom svijetu nauke o podacima ", napisao je Alessandro Cucci. Priča je to koja isprepliće život programera s tehnikama i otkrićima koja dolazi, napisana je sa strašću i mudrošću, nasmijava vas i puno podučava.

Mašinsko učenje i neuronske mreže

Kada je u pitanju mašinsko učenje često čujemo pojam "umjetna neuronska mreža", to su nelinearne strukture statističkih podataka organizirane kao alati za modeliranje koje se koriste u mnogim različitim kontekstima. Oni prate naš mozak sa određene tačke gledišta i koriste se u svim tim slučajevima kada je potrebno simulirati složene odnose između ulaza i izlaza koje druge analitičke funkcije ne mogu predstavljati. Takođe se često govori o tome zrcalni neuroni. Hoće li oni imati ikakve veze s tim? Otkrijte to čitajući namjenski članak

Ako vam se svidio ovaj članak, nastavite da me pratite i na Twitteru, Facebooku, Google+, Instagramu

To bi vas takođe moglo zanimati

  • Duboko učenje i mašinsko učenje


Video: OKAP Uvod u mašinsko učenje (Septembar 2021).