Innehåll
- Definition - Vad betyder maskininlärning?
- En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
- Techopedia förklarar maskininlärning
Definition - Vad betyder maskininlärning?
Maskininlärning är en artificiell intelligens (AI) -disciplin inriktad på teknisk utveckling av mänsklig kunskap. Maskininlärning gör det möjligt för datorer att hantera nya situationer via analys, självträning, observation och erfarenhet.
Maskininlärning underlättar kontinuerlig utveckling av datorer genom exponering för nya scenarier, tester och anpassning, samtidigt som man använder mönster- och trenddetektering för förbättrade beslut i efterföljande (men inte identiska) situationer.
Maskininlärning förväxlas ofta med data mining och kunskapsupptäckt i databaser (KDD), som delar en liknande metod.
En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
Techopedia förklarar maskininlärning
Tom M. Mitchell, en pionjär inom maskininlärning och professor i Carnegie Mellon University (CMU), förutspådde utvecklingen och synergin mellan mänskligt och maskinlärande. Dagens nyhetsflöde är ett perfekt exempel. Nyhetsflödet är programmerat för att visa användarväninnehåll. Om en användare ofta taggar eller skriver på en viss väns vägg, ändrar News Feed sitt beteende för att visa mer innehåll från den vänen.
Andra applikationer för maskininlärning inkluderar syntaktiskt mönsterigenkänning, naturlig språkbearbetning, sökmotorer, datorsyn och maskinuppfattning.
Det är svårt att kopiera mänsklig intuition i en maskin, främst för att människor ofta lär sig och genomför beslut omedvetet.
Liksom barn kräver maskiner en längre träningsperiod när man utvecklar breda algoritmer som är inriktade på dikteringen av framtida beteende. Utbildningstekniker inkluderar rote-lärande, parameterjustering, makrooperatörer, chunking, förklaringsbaserat lärande, klustering, felkorrigering, fallinspelning, multipel modellhantering, backutbredning, förstärkningslärande och genetiska algoritmer.