Sadržaj:
Autor Justin Stoltzfus
Uvod
Sve više inženjera i drugih stručnjaka započinje s strojnim učenjem - oni rade rana istraživanja i grade početne sustave kako bi započeli istraživanje kako ovo polje umjetne inteligencije može otvoriti vrata pojedincima i tvrtkama.
Međutim, tijekom cijelog postupka postoji prilično konfuzija. Što je uopće strojno učenje?
Osnovna ideja je da nove tehnologije omogućuju strojevima da "razmišljaju" i "uče" na načine koji su sličniji načinima na koji funkcionira ljudski mozak.
Ipak, postoji više načina za opisivanje ovog procesa. Za malo više, idemo na StackOverflow, oslonac za programere i druge IT stručnjake koji traže definicije i stvarna objašnjenja tehničkih problema. StackOverflow nit opisuje strojno učenje kao "proces podučavanja računala za stvaranje rezultata na temelju ulaznih podataka."
Drugi pisac opisuje strojno učenje kao "polje računarske znanosti, teorije vjerojatnosti i teorije optimizacije koja omogućuje rješavanje složenih zadataka za koje logični, proceduralni pristup ne bi bio moguć ili izvediv."
Ova posljednja definicija pogađa blizu glavne točke o tome što je strojno učenje - a nije.
Kad pisac kaže da "logičan, proceduralni pristup ne bi bio moguć ili izvediv", to ukazuje na pravu "magiju" i vrijednost strojnog učenja. Jednostavno rečeno, to je "post-logika" - strojno učenje nadilazi ono što tradicija, linearno i sekvencijalno programiranje kodnih baza može učiniti!
U korak s korakom natrag, možemo pogledati osnovne sastavne dijelove strojnog učenja kako bismo bolje razumjeli kako.
Prvo, postoje podaci o obuci - podaci o obuci daju ulaze programa za rad.
Uz podatke o treningu, postoje algoritmi koji te podatke drobe i interpretiraju na različite načine. Stručnjaci opisuju osnovni rad strojnog učenja kao "prepoznavanje uzorka" - i to ćete vidjeti i na StackOverflow stranici - ali opet, to samo djelomično opisuje kako funkcionira strojno učenje.
Dalje: Neuronska mreža
Sadržaj
UvodNeuronska mreža
Nadzirano i nenadzirano strojno učenje
Spuštanje gradijenta i povratno širenje
Vrste neuronskih mreža
Ansambl učenje
Aplikacije i teorija igara
Pet plemena primjene strojnog učenja
Kamo idemo odavde?
