Vsebina
- Opredelitev - Kaj pomeni strojno učenje?
- Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, za kaj gre računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
- Tehopedija razlaga strojno učenje
Opredelitev - Kaj pomeni strojno učenje?
Strojno učenje je disciplina umetne inteligence (AI), usmerjena v tehnološki razvoj človeškega znanja. Strojno učenje računalnikom omogoča obvladovanje novih situacij z analizo, samo-treningom, opazovanjem in izkušnjami.
Strojno učenje omogoča nenehno napredovanje računalništva z izpostavljenostjo novim scenarijem, testiranjem in prilagajanjem, hkrati pa uporablja zaznavanje vzorcev in trendov za izboljšane odločitve v poznejših (čeprav ne identičnih) situacijah.
Strojno učenje pogosto zamenjujemo s pridobivanjem podatkov in odkrivanjem znanja v bazah podatkov (KDD), ki imajo podobno metodologijo.
Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, za kaj gre računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
Tehopedija razlaga strojno učenje
Tom M. Mitchell, pionir strojnega učenja in profesor z univerze Carnegie Mellon (CMU), je napovedoval razvoj in sinergijo človeškega in strojnega učenja. Današnji News Feed je odličen primer. News News je programiran za prikaz vsebine prijateljev uporabnika. Če uporabnik pogosto označi ali piše na steni določenega prijatelja, News Feed spremeni svoje vedenje, da prikaže več vsebine tega prijatelja.
Druge aplikacije za strojno učenje vključujejo prepoznavanje skladenj vzorcev, obdelavo naravnega jezika, iskalnike, računalniški vid in strojno zaznavanje.
Težko je kopirati človeško intuicijo v stroju, predvsem zato, ker se ljudje pogosto nezavedno učijo in izvajajo odločitve.
Tako kot otroci tudi pri razvijanju širokih algoritmov, usmerjenih v diktiranje prihodnjega vedenja, tudi pri otrocih potrebujemo daljše obdobje usposabljanja. Tehnike usposabljanja vključujejo učenje na krovu, prilagajanje parametrov, makro-operaterji, koščanje, učenje na podlagi razlag, grozdanje, odprava napak, beleženje primerov, upravljanje več modelov, razširjanje hrbta, učenje okrepitve in genetski algoritmi.