Domov Zvuk Úvod do strojového učení pro IT profesionály

Úvod do strojového učení pro IT profesionály

Obsah:

Anonim

Autor: Justin Stoltzfus

Zdroj: Aleutie / iStockphoto

Úvod

Další inženýři a další odborníci začínají se strojovým učením - dělají prvotní výzkum a vytvářejí počáteční systémy, aby začali zkoumat, jak může toto pole umělé inteligence otevřít dveře jednotlivcům a společnostem.

V průběhu celého procesu je však trochu zmatek. Co je vlastně strojové učení?

Základní myšlenkou je, že nové technologie umožňují strojům „myslet“ a „učit se“ způsoby, které jsou více podobné způsobům fungování lidského mozku.

To znamená, že existuje více než několik způsobů, jak tento proces popsat. Pro trochu více, jdeme na StackOverflow, oporu pro programátory a další IT profesionály, kteří hledají definice a skutečná vysvětlení technických problémů. Vlákno StackOverflow popisuje strojové učení jako „proces výuky počítačů k vytváření výsledků na základě vstupních dat“.

Jiný autor popisuje strojové učení jako „oblast informatiky, teorie pravděpodobnosti a teorie optimalizace, která umožňuje řešit složité úkoly, pro které by logický, procedurální přístup nebyl možný nebo proveditelný“.

Tato druhá definice zasahuje téměř hlavní bod toho, co je strojové učení - a není.

Když autor řekne „logický, procedurální přístup by nebyl možný nebo proveditelný“, ukazuje to na skutečnou „magii“ a hodnotu strojového učení. Jednoduše řečeno, je to „postlogická“ - strojové učení překračuje rámec toho, co může tradice, lineární a sekvenční programování kódové základny dělat!

Vrátíme-li krok zpět, můžeme se podívat na základní stavební kameny strojového učení, abychom lépe porozuměli tomu, jak.

Za prvé, existují tréninková data - tréninková data umožňují programovým vstupům pracovat.

Spolu s tréninkovými daty existují algoritmy, které tato data rozdrtí a interpretují různými způsoby. Odborníci popisují základní práci strojového učení jako „rozpoznávání vzorů“ - a uvidíte to také na stránce StackOverflow - ale opět to jen částečně popisuje, jak strojové učení funguje.

Další: Neuronová síť

Sdílet toto:

Obsah

Úvod

Neuronová síť

Strojové učení pod dohledem a bez dozoru

Sestup a backpropagation

Typy neuronových sítí

Ensemble Learning

Aplikace a teorie her

Pět kmenů aplikací strojového učení

Kam máme odsud namířeno?

Úvod do strojového učení pro IT profesionály