Úvod
Strojové učení je v mnoha ohledech průnikem dvou disciplín – datových věd a softwarového inženýrství. Cílem strojového učení je použít data k vytvoření prediktivního modelu, který je možné začlenit do softwarové aplikace nebo služby. K dosažení tohoto cíle je potřeba spolupracovat mezi datovými vědci, kteří data prozkoumávají a připraví, než je použijete k trénování modelu strojového učení, a vývojáři softwaru, kteří integrují modely do aplikací, kde se používají k predikci nových hodnot dat (proces označovaný jako odvozování).
Strojové učení má svůj původ ve statistikách a matematickém modelování dat. Základní myšlenkou strojového učení je použití dat z minulých pozorování k předpovídání neznámých výsledků nebo hodnot. Například:
- Majitel obchodu se zmrzlinou může použít aplikaci, která kombinuje historické záznamy o prodeji a počasí, aby předpovídal, kolik zmrzlin bude pravděpodobně prodávat v daný den na základě předpovědi počasí.
- Lékař může použít klinické údaje od minulých pacientů ke spuštění automatizovaných testů, které předpovídají, zda je nový pacient ohrožen cukrovkou na základě faktorů, jako je hmotnost, hladina glukózy v krvi a další měření.
- Výzkumný pracovník v Antarktidě může na základě minulých pozorování automatizovat identifikaci různých druhů tučňáků (jako je Adelie, Gentoo nebo Chinstrap) na základě měření jejich ploutví, zobáku a dalších fyzických atributů.
Poznámka:
Uvědomujeme si, že se různí lidé rádi učí různými způsoby. Tento modul můžete dokončit ve formátu založeném na videu nebo obsah si můžete přečíst jako text a obrázky. Text obsahuje větší podrobnosti než videa, takže v některých případech na něj můžete chtít odkazovat jako na doplňkový materiál k prezentaci videa.