Садржај
- Дефиниција - Шта значи машинско учење?
- Увод у Мицрософт Азуре и Мицрософт Цлоуд | Кроз овај водич научићете о томе шта се рачуна у облаку и како вам Мицрософт Азуре може помоћи да мигрирате и покренете посао из облака.
- Техопедија објашњава машинско учење
Дефиниција - Шта значи машинско учење?
Машинско учење је дисциплина вештачке интелигенције (АИ) усмерена ка технолошком развоју људског знања. Машинско учење омогућава рачунарима да рјешавају нове ситуације анализом, само-тренингом, посматрањем и искуством.
Машинско учење олакшава континуирано напредовање рачунара излагањем новим сценаријима, тестирањем и прилагођавањем, истовремено користећи детекцију образаца и трендова за побољшане одлуке у каснијим (мада не идентичним) ситуацијама.
Машинско учење се често меша са вађењем података и откривањем знања у базама података (КДД), који имају сличну методологију.
Увод у Мицрософт Азуре и Мицрософт Цлоуд | Кроз овај водич научићете о томе шта се рачуна у облаку и како вам Мицрософт Азуре може помоћи да мигрирате и покренете посао из облака.
Техопедија објашњава машинско учење
Том М. Митцхелл, пионир машинског учења и професор са Универзитета Царнегие Меллон (ЦМУ), предвидио је еволуцију и синергију људског и машинског учења. Данашњи Невс Феед је савршен пример. Невс Феед је програмиран да приказује садржај пријатеља корисника. Ако корисник често означава или пише на зиду одређеног пријатеља, Невс Феед мења своје понашање тако да приказује више садржаја тог пријатеља.
Остале апликације за машинско учење укључују препознавање синтактичких образаца, обраду природног језика, претраживаче, рачунарски вид и машинску перцепцију.
Тешко је копирати људску интуицију у машини, пре свега зато што људска бића често несвесно уче и извршавају одлуке.
Као и деца, машинама је потребан продужени период обуке приликом развијања широких алгоритама усмерених ка диктирању будућег понашања. Технике обуке укључују учење роте, подешавање параметара, макро-операторе, дељење, учење засновано на објашњењу, кластерирање, исправљање грешака, снимање случајева, вишеструко управљање моделом, ширење леђа, учење ојачања и генетски алгоритми.