Sadržaj
- Definicija - Što znači strojno učenje?
- Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da preselite i pokrenete svoje poslovanje iz oblaka.
- Tehopedija objašnjava Strojno učenje
Definicija - Što znači strojno učenje?
Strojno učenje je disciplina umjetne inteligencije (AI) usmjerena prema tehnološkom razvoju ljudskog znanja. Strojno učenje omogućava računalima da rješavaju nove situacije analizom, samo-treningom, promatranjem i iskustvom.
Strojno učenje olakšava kontinuirano napredovanje računarstva izlaganjem novim scenarijima, testiranjem i prilagođavanjem, dok koristi otkrivanje uzoraka i trendova za poboljšane odluke u kasnijim (mada ne identičnim) situacijama.
Strojno učenje često se brka s vađenjem podataka i otkrivanjem znanja u bazama podataka (KDD), koje imaju sličnu metodologiju.
Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da preselite i pokrenete svoje poslovanje iz oblaka.
Tehopedija objašnjava Strojno učenje
Tom M. Mitchell, pionir strojnog učenja i profesor sa Sveučilišta Carnegie Mellon (CMU), predvidio je evoluciju i sinergiju ljudskog i strojnog učenja. Današnji News Feed savršen je primjer. News Feed programiran je za prikaz sadržaja prijatelja korisnika. Ako korisnik često označava ili piše na zidu određenog prijatelja, News Feed mijenja ponašanje tako da prikazuje više sadržaja tog prijatelja.
Ostale aplikacije za strojno učenje uključuju prepoznavanje sintaktičkih uzoraka, obradu prirodnog jezika, tražilice, računalni vid i računalnu percepciju.
Teško je kopirati ljudsku intuiciju u stroju, prvenstveno zato što ljudska bića često nesvjesno uče i izvršavaju odluke.
Kao i djeca, strojevima je potreban produženi period obuke pri razvoju širokih algoritama usmjerenih na diktiranje budućeg ponašanja. Tehnike treninga uključuju učenje rotea, prilagođavanje parametara, makrooperatore, komadanje, učenje temeljeno na objašnjenju, grupiranje, ispravljanje pogrešaka, snimanje slučajeva, višestruko upravljanje modelom, širenje leđa, učenje ojačanja i genetski algoritmi.