Машинне навчання - це область інформатики, що означає „машинне навчання”.
Це частина концепції штучного інтелекту, яка вивчає способи виконання машинами завдань, які б виконували люди.
Це програмування, що використовується в комп’ютерах, утворене заздалегідь визначеними правилами, що дозволяють комп’ютерам приймати рішення на основі попередніх даних та даних, що використовуються користувачем.
Згідно з розробленими програмами, комп’ютер може приймати рішення, які можуть вирішити проблеми або стимулювати публікації в Інтернеті, наприклад.
Як працює машинне навчання?
Основою роботи є алгоритми, які є визначеними послідовностями, складеними з інформації та інструкцій, за якими буде керуватися комп'ютер.
Ці послідовності дозволяють комп’ютерам приймати рішення відповідно до ситуації та інформації, яка в неї введена.
Це алгоритм, який несе інформацію про те, як слід виконувати певні процедури та операції або про те, як слід виконувати дію.
Існує кілька типів програм та мов програмування для використання алгоритмів. Вони змінюються залежно від потреби, яка буде задоволена, або цілі створеного алгоритму.
Види машинного навчання
Існує два основних типи машинного навчання: навчання під контролем та навчання без нагляду.
навчання під наглядом
При контрольованому навчанні в машину вводиться попередній набір даних, і пропозиції, які будуть надані користувачеві, повинні бути подібними до зареєстрованих даних.
В основному інформація використовується для прогнозування очікуваного результату користувачем або для класифікації використовуваних елементів.
Приклад: фотографія розміщується в Інтернет-браузері, який шукає, щоб знайти інформацію про походження зображення або інших подібних зображень.
навчання без нагляду
При навчанні без нагляду немає конкретного очікуваного результату, тобто неможливо передбачити результати перетину інформації.
При цьому типі навчання дані групуються, а результати змінюються відповідно до змінних.
Приклад: у пошуковій системі бібліотеки можна отримати різноманітні результати. Зміна результатів залежить від типу проведеного пошуку та використовуваних змінних, таких як назва книги, ім’я автора або дата публікації.
Див. Також значення Штучний інтелект.
Для чого потрібне машинне навчання?
Машинне навчання можна використовувати для багатьох функцій. На сьогоднішній день одним із найбільш використовуваних є соціальні медіа, пошук в Інтернеті та цифровий маркетинг.
Наприклад, алгоритми машинного навчання використовуються для внесення пропозицій користувачеві Інтернету. Вони використовуються на веб-сайтах електронної комерції, соціальних мережах, іграх, платформах для зберігання відео та програмах для відтворення музики.
У цьому випадку алгоритм використовує дані вашої послідовності та дані історії веб-перегляду, щоб робити нові пропозиції для користувача. Вподобання користувачів під час перегляду веб-сторінок та обміну даними використовуються для пропонування подібних програм або служб.
Це більш поширене використання, але знання машинного навчання також можна застосовувати до багатьох інших ситуацій, таких як:
- пошук в Інтернеті,
- збір та аналіз даних,
- відстеження спам-повідомлень,
- організація та класифікація інформації,
- пошук шахрайства в Інтернеті.
Різниця між машинне навчання і глибоке навчання
Як машинне навчання, так і глибоке навчання - це способи використання штучного інтелекту. Але між ними є різниця, оскільки глибоке навчання (що означає глибоке навчання) має характеристики, більш схожі на здатність людини до навчання.
Глибоке навчання також використовує прогнозування результатів за встановленими даними. Різниця полягає в тому, що це відбувається більш точно, більше подібно до того, що відбувається в мозку людини, оскільки комп’ютер може гнучкіше адаптувати інформацію.
Це відбувається тому, що при глибокому навчанні створюється штучна нейронна мережа, яка функціонує подібно до мережі нейронів людського мозку.
Саме ця мережа робить функціонування машини багато схожого з функціонуванням мозку і здатне засвоювати та інтерпретувати інформацію.
Див. Також значення програмне забезпечення і Біткойн.