Obsah:
V posledních letech se na různých diskuzích a fórech objevuje pojem „strojové učení“, ale co přesně to znamená? Strojové učení lze definovat jako metodu pro analýzu dat, založenou na rozpoznávání vzorů a výpočetním učení. Skládá se z různých algoritmů, jako jsou neuronové sítě, rozhodovací stromy, bayesovské sítě atd. Strojové učení používá tyto algoritmy k učení se z dat a obnovení skrytých poznatků z dat. Proces učení je iterativní, takže nová data jsou zpracovávána také bez dohledu. Věda poučit se z předchozích dat a použít je pro budoucí data není nová, ale získává větší popularitu.
Co je strojové učení?
Zatímco někteří lidé věří, že strojové učení není o nic lepší než tradiční metody počítačového programování, které se stále používají, mnozí považují strojové učení za revoluci v oblasti umělé inteligence (AI). Věří, že pomocí této technologie budou stroje schopny se učit věci a dělat věci podle svých vlastních zkušeností, spíše než jednoduše následovat lidské pokyny.
Abychom pochopili více o významu strojového učení, můžeme jej porovnat s tradičním počítačovým programováním. Následující sekce budou diskutovat více o strojovém učení a jeho rozdílu od tradičního programování. (Pro některé výhody a nevýhody strojového učení, viz Sliby a úskalí strojového učení.)
