Turinys:
Autorius Justinas Stoltzfusas
Įvadas
Daugiau inžinierių ir kitų specialistų pradeda mokytis mašinų - jie atlieka ankstyvuosius tyrimus ir kuria pradines sistemas, kad galėtų pradėti tyrinėti, kaip ši dirbtinio intelekto sritis gali atverti duris asmenims ir įmonėms.
Tačiau viso proceso metu yra gana daug painiavos. Kas vis dėlto yra mašinų mokymasis?
Pagrindinė idėja yra ta, kad naujos technologijos įgalina mašinas „mąstyti“ ir „mokytis“ panašiau, kaip veikia žmogaus smegenys.
Vis dėlto yra daugiau nei keli būdai apibūdinti šį procesą. Norėdami sužinoti šiek tiek daugiau, eikime į „StackOverflow“ - pagrindinį pagrindą programuotojams ir kitiems IT specialistams, ieškantiems apibrėžimų ir tikrų techninių problemų paaiškinimų. „StackOverflow“ gija mašininį mokymąsi apibūdina kaip „kompiuterių mokymo procesą kurti rezultatus, pagrįstus įvesties duomenimis“.
Kitas rašytojas mašininį mokymąsi apibūdina kaip „informatikos, tikimybių teorijos ir optimizavimo teorijos sritį, leidžiančią išspręsti sudėtingas užduotis, kurioms loginis, procedūrinis požiūris būtų neįmanomas ar neįmanomas“.
Pastaroji apibrėžtis yra beveik esminė to, kas yra mašininis mokymasis, o kas ne.
Kai rašytojas sako, kad „logiškas, procedūrinis požiūris būtų neįmanomas ar neįmanomas“, tai rodo tikrąją mašininio mokymosi „magiją“ ir vertę. Paprasčiau tariant, tai yra „logika“ - mašininis mokymasis peržengia tradicinių, linijinių ir nuosekliųjų kodų programavimo tradicijų galimybes!
Žengdami žingsnį atgal, galime pažvelgti į pagrindinius mašinų mokymosi elementus, kad geriau suprastume.
Pirma, ten yra mokymų duomenys - mokymų duomenys suteikia programos įvestis, nuo kurių reikia dirbti.
Kartu su treniruočių duomenimis yra algoritmų, kurie tuos duomenis sutraukia ir interpretuoja įvairiais būdais. Ekspertai apibūdina esminį mašininio mokymosi darbą kaip „modelio atpažinimą“ - ir tai pamatysite ir „StackOverflow“ puslapyje - tačiau tai tik iš dalies apibūdina, kaip mašininis mokymasis veikia.
Kitas: Neuralinis tinklas
Turinys
ĮvadasNeuroninis tinklas
Prižiūrimas ir neprižiūrimas mašinų mokymasis
Gradiento nusileidimas ir atkrytis
Neuroninių tinklų tipai
Ansamblio mokymasis
Programos ir žaidimų teorija
Penkios mašinų mokymosi programų gentys
Kur mes einame iš čia?
