Kazalo:
Avtor Justin Stoltzfus
Uvod
Več inženirjev in drugih strokovnjakov se začenja s strojnim učenjem - že zgodaj raziskujejo in gradijo začetne sisteme, da bi začeli raziskovati, kako lahko to področje umetne inteligence odpre ljudem in podjetjem vrata.
Vendar je v celotnem procesu kar nekaj zmede. Kaj sploh je strojno učenje?
Osnovna ideja je, da nove tehnologije omogočajo strojem, da "razmišljajo" in se "učijo" na načine, ki so bolj podobni načinom delovanja človeških možganov.
Glede na to obstaja več načinov za opis tega procesa. Za nekaj več pa pojdimo na StackOverflow, osnovo za programerje in druge IT strokovnjake, ki iščejo definicije in resnične razlage tehničnih vprašanj. Niti StackOverflow opisuje strojno učenje kot "proces poučevanja računalnikov za ustvarjanje rezultatov na podlagi vhodnih podatkov."
Drugi pisatelj opisuje strojno učenje kot "področje računalništva, teorije verjetnosti in teorije optimizacije, ki omogoča reševanje kompleksnih nalog, za katere logični, postopkovni pristop ne bi bil mogoč ali izvedljiv."
Ta zadnja opredelitev je blizu pomembne točke o tem, kaj je strojno učenje - in kaj ne.
Ko pisatelj pravi, da "logičen procesni pristop ne bi bil mogoč ali izvedljiv", ki kaže na resnično "magičnost" in vrednost strojnega učenja. Preprosto povedano, to je "post-logika" - strojno učenje presega tisto, kar lahko naredi tradicija, linearno in zaporedno programiranje kode!
Ko stopimo korak nazaj, si lahko ogledamo osnovne gradnike strojnega učenja, da bolje razumemo, kako.
Prvič, obstajajo podatki o usposabljanju - podatki o usposabljanju omogočajo vhodom programa za delo.
Poleg podatkov o vadbi obstajajo algoritmi, ki te podatke drobijo in razlagajo na različne načine. Strokovnjaki opisujejo bistveno delo strojnega učenja kot "prepoznavanje vzorcev" - to boste videli tudi na strani StackOverflow - vendar znova le delno opisuje, kako deluje strojno učenje.
Naslednja: Nevronska mreža
Kazalo
UvodNevronska mreža
Nadzorovano in nenadzorovano strojno učenje
Gradientski spust in povratno širjenje
Vrste nevronskih omrežij
Ansambelno učenje
Aplikacije in teorija iger
Pet plemen aplikacij za strojno učenje
Kam gremo od tu?
