Spisu treści:
W ostatnich latach w różnych dyskusjach i forach pojawia się termin „uczenie maszynowe”, ale co to właściwie znaczy? Uczenie maszynowe można zdefiniować jako metodę analizy danych opartą na rozpoznawaniu wzorców i uczeniu obliczeniowym. Składa się z różnych algorytmów, takich jak sieci neuronowe, drzewa decyzyjne, sieci bayesowskie itp. Uczenie maszynowe wykorzystuje te algorytmy do uczenia się z danych i odzyskiwania ukrytych wglądów z danych. Proces uczenia się jest iteracyjny, więc nowe dane są przetwarzane również bez nadzoru. Nauka uczenia się na podstawie poprzednich danych i wykorzystywania ich do przyszłych danych nie jest nowa, ale zyskuje coraz większą popularność.
Co to jest uczenie maszynowe?
Chociaż niektórzy uważają, że uczenie maszynowe nie jest lepsze niż tradycyjne metody programowania komputerowego, które są nadal w użyciu, wielu uważa uczenie maszynowe za rewolucję w dziedzinie sztucznej inteligencji (AI). Wierzą, że dzięki tej technologii maszyny będą mogły uczyć się i robić rzeczy z własnym doświadczeniem, zamiast po prostu postępować zgodnie z ludzkimi instrukcjami.
Aby lepiej zrozumieć znaczenie uczenia maszynowego, możemy porównać to z tradycyjnym programowaniem komputerowym. W poniższych sekcjach omówiono więcej na temat uczenia maszynowego i jego różnic w porównaniu z tradycyjnym programowaniem. (Aby zapoznać się z niektórymi zaletami i wadami uczenia maszynowego, zobacz Obietnice i pułapki uczenia maszynowego).
