Зміст
- Визначення - Що означає машинне навчання?
- Вступ до Microsoft Azure та Microsoft Cloud | У цьому посібнику ви дізнаєтеся, що стосується хмарних обчислень та як Microsoft Azure може допомогти вам мігрувати та вести свій бізнес із хмари.
- Техопедія пояснює машинне навчання
Визначення - Що означає машинне навчання?
Машинне навчання - це дисципліна штучного інтелекту (ШІ), спрямована на технологічний розвиток людських знань. Машинне навчання дозволяє комп'ютерам вирішувати нові ситуації за допомогою аналізу, самопідготовки, спостереження та досвіду.
Машинне навчання сприяє постійному просуванню обчислювальної техніки за допомогою впливу нових сценаріїв, тестування та адаптації, використовуючи при цьому виявлення шаблонів і тенденцій для вдосконалених рішень в наступних (хоча і не однакових) ситуаціях.
Машинне навчання часто плутають із вилученням даних та відкриттям знань у базах даних (KDD), які поділяють аналогічну методологію.
Вступ до Microsoft Azure та Microsoft Cloud | У цьому посібнику ви дізнаєтеся, що стосується хмарних обчислень та як Microsoft Azure може допомогти вам мігрувати та вести свій бізнес із хмари.
Техопедія пояснює машинне навчання
Том Мітчелл, піонер машинного навчання та професор університету Карнегі Меллона (КМУ), передбачив еволюцію та синергію людського та машинного навчання. Сьогоднішня новина - прекрасний приклад. News Feed запрограмований для відображення вмісту друзів користувача. Якщо користувач часто тегує або пише на стіні певного друга, News Feed змінює свою поведінку, щоб відображати більше вмісту від цього друга.
Інші додатки машинного навчання включають розпізнавання синтаксичного шаблону, природну обробку мови, пошукові системи, комп'ютерне бачення та машинне сприйняття.
Важко повторити людську інтуїцію в машині, насамперед тому, що люди часто навчаються і виконують рішення несвідомо.
Як і діти, машинам потрібен тривалий період навчання при розробці широких алгоритмів, орієнтованих на диктант майбутньої поведінки. Навчальні методи включають в себе навчання за допомогою розробок, коригування параметрів, макрооператори, збивання, навчання на основі пояснень, кластеризація, виправлення помилок, запис випадків, управління кількома моделями, розповсюдження спинки, навчання підкріплення та генетичні алгоритми.