Mašininis mokymasis yra informatikos sritis, reiškianti „mašininį mokymąsi“.
Tai yra dirbtinio intelekto sampratos dalis, tirianti būdus, kaip mašinos gali atlikti užduotis, kurias atliktų žmonės.
Tai programavimas, naudojamas kompiuteriuose, suformuotas iš anksto nustatytų taisyklių, leidžiančių kompiuteriams priimti sprendimus remiantis ankstesniais ir vartotojo naudojamais duomenimis.
Pagal padarytas programas kompiuteris turi galimybę priimti sprendimus, kurie gali išspręsti problemas arba, pavyzdžiui, padidinti publikacijas internete.
Kaip veikia mašininis mokymasis?
Veikimo pagrindas yra algoritmai, kurie yra apibrėžtos sekos, sudarytos iš informacijos ir instrukcijų, kurių laikysis kompiuteris.
Šios sekos leidžia kompiuteriams priimti sprendimą atsižvelgiant į situaciją ir į ją įvestą informaciją.
Tai algoritmas, kuris pateikia informaciją apie tai, kaip turėtų būti atliekamos tam tikros procedūros ir operacijos arba kaip turėtų būti atliekamas veiksmas.
Yra keli algoritmų naudojimo programų ir programavimo kalbų tipai. Jie skiriasi priklausomai nuo poreikio, kuris bus patenkintas, arba sukurto algoritmo tikslo.
Mašininio mokymosi tipai
Yra du pagrindiniai mašininio mokymosi tipai: prižiūrimas mokymas ir neprižiūrimas mokymasis.
prižiūrimas mokymasis
Prižiūrint mokymąsi, mašinoje yra ankstesnis duomenų rinkinys, o vartotojui pateikti pasiūlymai turi būti panašūs į užregistruotus duomenis.
Iš esmės informacija naudojama numatomam vartotojo rezultatui numatyti arba naudojamiems elementams klasifikuoti.
Pavyzdys: interneto naršyklėje dedama nuotrauka, kurioje ieškoma informacijos apie atvaizdo ar kitų panašių vaizdų kilmę.
neprižiūrimas mokymasis
Neprižiūrint mokymosi nėra konkretaus laukiamo rezultato, tai yra, neįmanoma numatyti informacijos kryžminimo rezultatų.
Šio tipo mokymosi metu duomenys sugrupuojami, o rezultatai keičiasi atsižvelgiant į kintamuosius.
Pavyzdys: bibliotekos paieškos sistemoje galima gauti įvairius rezultatus. Rezultatų keitimas priklauso nuo atliktos paieškos tipo ir naudojamų kintamųjų, tokių kaip knygos pavadinimas, autoriaus vardas ar paskelbimo data.
Taip pat žr Dirbtinis intelektas.
Kam skirtas mašininis mokymasis?
Mašininis mokymasis gali būti naudojamas daugybei funkcijų. Vienas iš labiausiai naudojamų šių dienų yra socialinė žiniasklaida, interneto paieška ir skaitmeninė rinkodara.
Pavyzdžiui, mašininio mokymosi algoritmai naudojami teikiant pasiūlymus interneto vartotojui. Jie naudojami elektroninės prekybos svetainėse, socialiniuose tinkluose, žaidimuose, vaizdo įrašų saugojimo platformose ir muzikos atkūrimo programose.
Šiuo atveju algoritmas naudoja jūsų sekos duomenis ir interneto naršymo istorijos duomenis, kad vartotojui pateiktų naujus pasiūlymus. Vartotojo nuostatos naršant ir dalijantis duomenimis yra naudojamos siūlant panašias programas ar paslaugas.
Tai yra dažnesni naudojimo būdai, tačiau mašininio mokymosi žinios taip pat gali būti pritaikytos daugelyje kitų situacijų, pavyzdžiui:
- interneto paieškos,
- duomenų rinkimas ir analizė,
- sekti šlamšto pranešimus,
- informacijos organizavimas ir klasifikavimas,
- ieškoti sukčiavimo internete.
Skirtumas tarp mašininis mokymasis ir gilus mokymasis
Ir mašininis, ir gilus mokymasis yra dirbtinio intelekto panaudojimo būdai. Tačiau tarp jų yra skirtumas, nes gilus mokymasis (tai reiškia gilų mokymąsi) pasižymi panašesnėmis savybėmis kaip žmogaus mokymosi gebėjimai.
Giliai mokantis taip pat naudojamas numatytų duomenų rezultatų prognozavimas. Skirtumas tas, kad tai vyksta tiksliau, panašiau į tai, kas vyksta žmogaus smegenyse, nes kompiuteris gali lanksčiau pritaikyti informaciją.
Taip atsitinka todėl, kad giliai mokantis sukuriamas dirbtinis neuronų tinklas, kuris veikia panašiai kaip žmogaus smegenų neuronų tinklas.
Būtent šis tinklas daro mašinos veikimą panašų su smegenų veikimu ir geba išmokti bei interpretuoti informaciją.
Taip pat žr programinė įranga ir Bitcoin.
