Sadržaj:
Posljednjih godina pojam "strojnog učenja" pojavljuje se na različitim raspravama i forumima, ali što to točno znači? Strojno učenje može se definirati kao metoda za analizu podataka, a temelji se na prepoznavanju uzoraka i računalnom učenju. Sastoji se od različitih algoritama poput neuronskih mreža, stabala odluka, Bayesovih mreža itd. Strojno učenje koristi ove algoritme za učenje iz podataka i vraćanje skrivenih uvida iz podataka. Proces učenja je iteravan, pa se s novim podacima također postupa bez nadzora. Znanost koja treba učiti iz prethodnih podataka i koristiti je za buduće podatke nije nova, ali sve više dobiva na popularnosti.
Što je strojno učenje?
Iako neki vjeruju da strojno učenje nije bolje od tradicionalnih metoda računalnog programiranja koje se i dalje koriste, mnogi smatraju strojno učenje revolucijom na polju umjetne inteligencije (AI). Vjeruju da će strojevi pomoću ove tehnologije moći naučiti stvari i raditi stvari vlastitim iskustvom, umjesto da jednostavno slijede ljudske upute.
Da bismo razumjeli više o značenju strojnog učenja, možemo ga usporediti s tradicionalnim računalnim programiranjem. U sljedećim će se odjeljcima raspravljati više o strojnom učenju i njegovoj razlici od tradicionalnog programiranja. (Za neke od prednosti i nedostataka strojnog učenja, pogledajte Obećanja i zamke strojnog učenja.)
