Machine learning is een gebied van de informatica dat 'machine learning' betekent.
Het maakt deel uit van het concept van kunstmatige intelligentie, dat manieren bestudeert waarop machines taken kunnen uitvoeren die door mensen zouden worden uitgevoerd.
Het is een programmering die wordt gebruikt in computers, gevormd door vooraf gedefinieerde regels waarmee computers beslissingen kunnen nemen op basis van eerdere gegevens en gegevens die door de gebruiker zijn gebruikt.
Volgens gemaakte programma's heeft de computer het vermogen om beslissingen te nemen die bijvoorbeeld problemen kunnen oplossen of publicaties op internet kunnen stimuleren.
Hoe werkt machine learning?
De basis van de werking zijn de algoritmen, dit zijn gedefinieerde reeksen die zijn samengesteld uit informatie en instructies die door de computer worden gevolgd.
Met deze sequenties kunnen computers een beslissing nemen op basis van de situatie en de informatie die erin is ingevoerd.
Het is het algoritme dat informatie bevat over hoe bepaalde procedures en bewerkingen moeten worden uitgevoerd of over hoe een actie moet worden uitgevoerd.
Er zijn verschillende soorten applicatie- en programmeertalen voor het gebruik van algoritmen. Ze variëren afhankelijk van de behoefte waaraan zal worden voldaan of het doel van het gecreëerde algoritme.
Soorten machine learning
Er zijn twee hoofdtypen machine learning: begeleid leren en niet-gesuperviseerd leren.
leren onder toezicht
Bij begeleid leren is er een eerdere set gegevens ingevoerd in de machine en de suggesties die aan de gebruiker worden gegeven, moeten vergelijkbaar zijn met de geregistreerde gegevens.
In principe wordt de informatie gebruikt om een door de gebruiker verwacht resultaat te voorspellen of om de gebruikte elementen te classificeren.
Voorbeeld: er wordt een foto in de internetbrowser geplaatst, die zoekt naar informatie over de herkomst van de afbeelding of andere soortgelijke afbeeldingen.
leren zonder toezicht
Bij niet-gesuperviseerd leren is er geen specifiek verwacht resultaat, dat wil zeggen, het is niet mogelijk om de resultaten van het kruisen van informatie te voorspellen.
Bij dit type leren worden de gegevens gegroepeerd en veranderen de resultaten volgens de variabelen.
Voorbeeld: in een bibliotheekzoekmachine is het mogelijk om gevarieerde resultaten te krijgen. Het wijzigen van de resultaten is afhankelijk van het type zoekopdracht dat wordt uitgevoerd en de variabelen die worden gebruikt, zoals boeknaam, auteursnaam of publicatiedatum.
Zie ook de betekenis van Kunstmatige intelligentie.
Waar is machine learning voor?
Machine learning kan voor veel functies worden gebruikt. Een van de meest gebruikte tegenwoordig is in sociale media, zoeken op internet en digitale marketing.
Machine learning-algoritmen worden bijvoorbeeld gebruikt om suggesties te doen aan een internetgebruiker. Ze worden gebruikt in e-commercewebsites, sociale netwerken, games, video-opslagplatforms en toepassingen voor het afspelen van muziek.
In dit geval gebruikt het algoritme uw sequentiegegevens en internetbrowsegeschiedenisgegevens om nieuwe suggesties aan de gebruiker te doen. Gebruikersvoorkeuren tijdens het browsen en het delen van gegevens worden gebruikt om programma's of services voor te stellen die vergelijkbaar zijn.
Dit zijn meer algemene toepassingen, maar kennis van machine learning kan ook worden toegepast op veel andere situaties, zoals:
- internet zoekopdrachten,
- gegevensverzameling en analyse,
- spamberichten bijhouden,
- organisatie en classificatie van informatie,
- zoeken naar fraude op internet.
Verschil tussen machine learning en diep leren
Zowel machine learning als deep learning zijn manieren om kunstmatige intelligentie te gebruiken. Maar er is een verschil tussen beide, omdat deep learning (wat betekent deep learning) kenmerken heeft die meer lijken op het menselijk leervermogen.
Deep learning maakt ook gebruik van de voorspelling van resultaten uit gevestigde gegevens. Het verschil is dat dit preciezer gebeurt, meer zoals in het brein van een mens, omdat de computer informatie flexibeler kan aanpassen.
Dit gebeurt omdat bij deep learning een kunstmatig neuraal netwerk wordt gecreëerd, dat vergelijkbaar is met het netwerk van neuronen in het menselijk brein.
Het is dit netwerk dat ervoor zorgt dat de werking van de machine veel overeenkomsten vertoont met de werking van de hersenen en informatie kan leren en interpreteren.
Zie ook de betekenissen van software en Bitcoin.
