Рекомендуем, 2020

Выбор редакции

определение Машинное обучение

Что такое машинное обучение:

Машинное обучение - это область компьютерных наук, которая означает «машинное обучение».

Это часть концепции искусственного интеллекта, которая изучает способы для машин ставить задачи, которые будут выполнять люди.

Это программирование, используемое в компьютерах, сформированное по заранее определенным правилам, которые позволяют компьютерам принимать решения на основе предыдущих данных и данных, используемых пользователем.

В соответствии с составленными графиками компьютер имеет возможность принимать решения, которые могут, например, решать проблемы или стимулировать публикации в Интернете.

Как работает машинное обучение?

Основой операции являются алгоритмы, которые представляют собой последовательности, определенные и составленные из информации и инструкций, которым будет следовать компьютер.

Эти последовательности позволяют компьютерам принимать решение в соответствии с ситуацией и с информацией, которая была введена в нее.

Это алгоритм, который несет информацию о том, как должны выполняться определенные процедуры и операции или как должно выполняться действие.

Существует несколько типов приложений и языков программирования для использования алгоритмов. Они варьируются в зависимости от потребностей, которые будут удовлетворены, или от цели созданного алгоритма.

Типы машинного обучения

Существует два основных типа машинного обучения: контролируемое обучение и неконтролируемое обучение.

Контролируемое обучение

При контролируемом обучении в машину вставляется предыдущий набор данных, и рекомендации, которые будут предоставляться пользователю, должны быть аналогичны записанным данным.

В основном информация используется для прогнозирования ожидаемого пользователем результата или для классификации используемых элементов.

Пример: фотография размещается в интернет-браузере, который ищет информацию о происхождении изображения или других похожих изображений.

Неконтролируемое обучение

В неконтролируемом обучении нет конкретного ожидаемого результата, то есть невозможно предсказать результаты перекрестных ссылок.

При таком типе обучения данные группируются, а результаты меняются в зависимости от переменных.

Пример: в поисковой системе библиотеки можно добиться разных результатов. Изменение результатов зависит от типа поиска и используемых переменных, таких как название книги, имя автора или дата публикации.

Смотрите также значение искусственного интеллекта.

Для чего нужно машинное обучение?

Машинное обучение может использоваться для многих функций. Один из самых популярных сегодня - это социальные сети, интернет-поиск и цифровой маркетинг.

Например, алгоритмы машинного обучения используются для внесения предложений пользователю Интернета. Они используются на сайтах виртуальной коммерции, социальных сетях, играх, платформах хранения видео и приложениях для воспроизведения музыки.

В этом случае алгоритм использует данные своих последовательностей и данные истории навигации в Интернете, чтобы вносить новые предложения для пользователя. Пользовательские настройки во время просмотра и обмена данными используются для предложения похожих программ или услуг.

Это более распространенное использование, но знание машинного обучения может также применяться во многих других ситуациях, таких как:

  • исследования в интернете,
  • сбор и анализ данных,
  • отслеживание спам-сообщений,
  • организация и классификация информации,
  • поиск мошенничества в интернете.

Разница между машинным обучением и глубоким обучением

И машинное обучение, и глубокое обучение являются способами использования искусственного интеллекта. Но между ними есть разница, потому что глубокое обучение (что означает глубокое обучение) имеет характеристики, более похожие на способности человека к обучению.

Глубокое обучение также использует прогнозирование результатов на основе установленных данных. Разница в том, что это происходит более точно, больше похоже на то, что происходит в мозгу человека, потому что компьютер может адаптировать информацию более гибко.

Это связано с тем, что при глубоком обучении создается искусственная нейронная сеть, которая работает как сеть нейронов человеческого мозга.

Именно эта сеть делает работу машины похожей на работу мозга и способна изучать и интерпретировать информацию.

Смотрите также значения программного обеспечения и биткойнов.

Top