Машинско учење је област рачунарске науке која значи „машинско учење“.
То је део концепта вештачке интелигенције, који проучава начине на које машине могу да обављају задатке које би обављали људи.
То је програм који се користи у рачунарима, формиран од унапред дефинисаних правила која омогућавају рачунарима да доносе одлуке на основу претходних података и података које користи корисник.
Према направљеним програмима, рачунар може да доноси одлуке које могу да реше проблеме или подстакну публикације на Интернету, на пример.
Како функционише машинско учење?
Основа рада су алгоритми, који су дефинисани низови састављени од информација и упутстава које ће рачунар следити.
Ове секвенце омогућавају рачунарима да донесу одлуку у складу са ситуацијом и информацијама које су у њу унете.
Алгоритам је тај који преноси информације о томе како треба извршити одређене поступке и операције или о томе како треба извршити неку радњу.
Постоји неколико врста апликационих и програмских језика за употребу алгоритама. Они се разликују у зависности од потребе која ће бити задовољена или сврхе створеног алгоритма.
Врсте машинског учења
Постоје две главне врсте машинског учења: учење под надзором и учење без надзора.
учење под надзором
У надзорованом учењу постоји претходни скуп података унетих у машину и предлози који ће се дати кориснику морају бити слични регистрованим подацима.
Информације се у основи користе за предвиђање очекиваног резултата од стране корисника или за класификацију употребљених елемената.
Пример: фотографија се ставља у интернет прегледач који претражује како би пронашао информације о пореклу слике или другим сличним сликама.
учење без надзора
У учењу без надзора нема конкретних очекиваних резултата, односно није могуће предвидети резултате укрштања информација.
У овој врсти учења подаци се групишу и резултати се мењају према променљивим.
Пример: у претраживачу библиотека могуће је добити различите резултате. Промена резултата зависи од врсте обављене претраге и променљивих које се користе, као што су име књиге, име аутора или датум објављивања.
Види такође значење Вештачка интелигенција.
Чему служи машинско учење?
Машинско учење се може користити за многе функције. Једно од најчешће коришћених данас је у друштвеним медијима, претраживању Интернета и дигиталном маркетингу.
На пример, алгоритми машинског учења користе се за давање предлога кориснику Интернета. Користе се на веб локацијама е-трговине, друштвеним мрежама, играма, платформама за складиштење видео записа и апликацијама за репродукцију музике.
У овом случају, алгоритам користи податке о вашој секвенци и податке историје прегледања на Интернету да би кориснику дао нове предлоге. Корисничке поставке током прегледавања и дељења података користе се за предлагање сличних програма или услуга.
То су чешће употребе, али знање о машинском учењу може се применити и у многим другим ситуацијама, као што су:
- претраживања интернета,
- прикупљање и анализа података,
- праћење нежељених порука,
- организација и класификација информација,
- потрага за преварама на Интернету.
Разлика између Машинско учење и дубоко учење
И машинско учење и дубоко учење начини су употребе вештачке интелигенције. Али постоји разлика између њих јер дубоко учење (што значи дубоко учење) има карактеристике сличније људским могућностима учења.
Дубоко учење такође користи предвиђање резултата из утврђених података. Разлика је у томе што се то догађа прецизније, више попут онога што се дешава у мозгу особе, јер рачунар може флексибилније да прилагођава информације.
То се дешава јер се у дубоком учењу ствара вештачка неуронска мрежа, која функционише слично мрежи неурона у људском мозгу.
Управо та мрежа чини функционисање машине многим сличностима са функционисањем мозга и способно је да учи и тумачи информације.
Погледајте и значења софтвер и Битцоин.