Машинное обучение — это область или подмножество искусственного интеллекта, основной целью которого является обучение машины в соответствии с нашими потребностями и данными. Формальное определение:
«Машинное обучение — это приложение искусственного интеллекта (ИИ), которое предоставляет системам возможность автоматически учиться и совершенствоваться на основе опыта без явного программирования. Машинное обучение направлено на разработку компьютерных программ, которые могут получать доступ к данным и использовать их для самостоятельного обучения».
Примером может служить обнаружение мошенничества или выявление заболеваний. Он также используется для примеров классификации, таких как определение того, носит ли человек маску или нет.
Чтобы получить общее представление о том, как это работает, давайте рассмотрим ситуацию, в которой нам нужно выяснить, будет ли идти снег в конкретный день или нет. Несколько факторов вступают в игру, чтобы понять это. Во-первых, давайте рассмотрим место. Это пустыня, холмистый регион, тропический регион и т. д. Если это пустыня, совершенно очевидно, что вероятность снегопадов равна 0, и то же самое относится и к тропическому региону. Однако, если регион холмистый, вероятность снегопада увеличивается. Следующим фактором является время года, то есть лето, зима, осень, дождливая или весна. Очевидно, что снегопадов у нас не будет ни в какое время года, кроме зимы. Следующий фактор – месяц. Зимы с середины ноября по февраль. В некоторых городах снегопад обычно бывает в январе. Так что, если дата предсказания декабрь, шансы довольно низкие. Затем мы могли бы рассмотреть такие вещи, как температура, влажность, скорость ветра и т. д. Учитывая все эти факторы, мы приходим к выводу в форме «да» или «нет». Будет ли идти снег 25 января, результат «Да». Будет ли снег 6 июня? Нет. Этот процесс анализа имеющейся у нас информации и получения выводов на основе прогнозов, основанных на определенных факторах, называется машинным обучением. Визуализация, очистка данных и применение алгоритмов помогают в настройке и получении наилучших выводов.
Машинное обучение и наука о данных взаимосвязаны и являются подмножествами искусственного интеллекта. Диаграмма, приведенная ниже, объясняет соотношение:
Чтобы разобраться в этом подробно, я дам определения терминам, которые мы будем часто использовать!
Искусственный интеллект: Искусственный интеллект – это интеллект, демонстрируемый машинами, в отличие от естественного интеллекта, демонстрируемого людьми и животными, который включает в себя сознание и эмоциональность.” По сути, это означает, что машина самостоятельно интерпретирует полученные данные и обучается принимать решения и выполнять задачи, обычно связанные с людьми. Примером может служить режим автопилота в самолетах или помощник Google и Siri.
Наука о данных.«Наука о данных — это междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и идей из множества структурных и неструктурированных данных». Цель науки о данных – получить представление и знания о данных из любого возможного источника. Это изучение данных. Примером может служить прогнозирование тенденций для определенного продукта или тенденций на фондовом рынке.
Это был краткий обзор всего, что мы будем изучать! Следующие несколько блогов будут посвящены данным, основам машинного обучения и алгоритмам, которые мы будем часто использовать!
