Spisu treści:
Justin Stoltzfus
Wprowadzenie
Więcej inżynierów i innych profesjonalistów zaczyna naukę maszynową - prowadzą wczesne badania i budują wstępne systemy, aby rozpocząć badanie, w jaki sposób ta dziedzina sztucznej inteligencji może otworzyć drzwi dla osób prywatnych i firm.
Jednak w trakcie całego procesu występuje sporo zamieszania. Czym w ogóle jest uczenie maszynowe?
Podstawową ideą jest to, że nowe technologie umożliwiają maszynom „myślenie” i „uczenie się” w sposób bardziej podobny do działania ludzkiego mózgu.
To powiedziawszy, istnieje więcej niż kilka sposobów na opisanie tego procesu. Aby uzyskać jeszcze więcej, przejdźmy do StackOverflow, ostoi dla programistów i innych specjalistów IT poszukujących definicji i prawdziwych wyjaśnień problemów technicznych. Wątek StackOverflow opisuje uczenie maszynowe jako „proces uczenia komputerów tworzenia wyników na podstawie danych wejściowych”.
Inny pisarz opisuje uczenie maszynowe jako „dziedzinę informatyki, teorii prawdopodobieństwa i teorii optymalizacji, która umożliwia rozwiązywanie złożonych zadań, dla których logiczne, proceduralne podejście nie byłoby możliwe ani wykonalne”.
Ta ostatnia definicja jest bliska głównego punktu, czym jest uczenie maszynowe - i nim nie jest.
Gdy pisarz mówi „logiczne, proceduralne podejście nie byłoby możliwe ani wykonalne”, wskazuje to na prawdziwą „magię” i wartość uczenia maszynowego. Mówiąc najprościej, jest to „postlogiczne” - uczenie maszynowe wykracza poza to, co potrafi tradycja, liniowe i sekwencyjne programowanie baz kodowych!
Cofając się o krok, możemy spojrzeć na podstawowe elementy uczenia maszynowego, aby lepiej zrozumieć, w jaki sposób.
Po pierwsze, są dane treningowe - dane treningowe dają programowi dane wejściowe do pracy.
Oprócz danych treningowych istnieją algorytmy, które przetwarzają te dane i interpretują je na różne sposoby. Eksperci opisują podstawową pracę związaną z uczeniem maszynowym jako „rozpoznawanie wzorców” - zobaczysz to również na stronie StackOverflow - ale znowu, to tylko częściowo opisuje, jak działa uczenie maszynowe.
Dalej: Sieć neuronowa
Spis treści
WprowadzenieSieć neuronowa
Nadzorowane i nienadzorowane uczenie maszynowe
Gradient Descent i Backpropagation
Rodzaje sieci neuronowych
Ensemble Learning
Aplikacje i teoria gier
Pięć plemion aplikacji uczenia maszynowego
Dokąd zmierzamy?
