Содержание
- Определение - что означает машинное обучение?
- Введение в Microsoft Azure и Microsoft Cloud | Из этого руководства вы узнаете, что такое облачные вычисления и как Microsoft Azure может помочь вам перенести и запустить свой бизнес из облака.
- Техопедия объясняет машинное обучение
Определение - что означает машинное обучение?
Машинное обучение - это дисциплина искусственного интеллекта, направленная на технологическое развитие человеческих знаний. Машинное обучение позволяет компьютерам справляться с новыми ситуациями посредством анализа, самообучения, наблюдения и опыта.
Машинное обучение способствует непрерывному продвижению вычислений за счет ознакомления с новыми сценариями, тестирования и адаптации, используя при этом паттерны и обнаружение тенденций для улучшенных решений в последующих (хотя и не идентичных) ситуациях.
Машинное обучение часто путают с извлечением данных и обнаружением знаний в базах данных (KDD), которые используют сходную методологию.
Введение в Microsoft Azure и Microsoft Cloud | Из этого руководства вы узнаете, что такое облачные вычисления и как Microsoft Azure может помочь вам перенести и запустить свой бизнес из облака.
Техопедия объясняет машинное обучение
Том М. Митчелл, пионер машинного обучения и профессор Университета Карнеги-Меллона (CMU), предсказал эволюцию и взаимодействие человека и машинного обучения. Сегодняшняя новостная лента - прекрасный пример. Лента новостей запрограммирована для отображения контента друга пользователя. Если пользователь часто ставит теги или пишет на стене определенного друга, новостная лента изменяет свое поведение, чтобы отображать больше контента от этого друга.
Другие приложения машинного обучения включают в себя распознавание синтаксических образов, обработку естественного языка, поисковые системы, компьютерное зрение и машинное восприятие.
Трудно воспроизвести человеческую интуицию в машине, прежде всего потому, что люди часто учатся и выполняют решения неосознанно.
Как и дети, машины требуют длительного периода обучения при разработке широких алгоритмов, ориентированных на диктовку будущего поведения. Методы обучения включают в себя заучивание, настройку параметров, макрооператоры, разбиение на фрагменты, обучение на основе объяснений, кластеризацию, исправление ошибок, запись случаев, управление несколькими моделями, обратное распространение, обучение с подкреплением и генетические алгоритмы.