Esittely
Koneoppiminen on monella tapaa kahden tieteenalan leikkauspiste - datatiede ja ohjelmistotekniikka. Koneoppimisen tavoitteena on käyttää tietoja sellaisen ennakoivan mallin luomiseen, joka voidaan sisällyttää ohjelmistosovellukseen tai -palveluun. Tämän tavoitteen saavuttaminen edellyttää yhteistyötä tietotutkijoiden välillä, jotka tutkivat ja valmistelevat tietoja ennen niiden käyttöä koneoppimismallin harjoittamiseksi , ja ohjelmistokehittäjien, jotka integroivat mallit sovelluksiin, joissa heitä käytetään uusien tietoarvojen ennustamiseen (prosessi, joka tunnetaan nimellä päättely).
Koneoppiminen on peräisin tilastoista ja datan matemaattisesta mallintamisesta. Koneoppimisen perusajatuksena on käyttää aiempien havaintojen tietoja tuntemattomien tulosten tai arvojen ennustamiseen. Esimerkkejä:
- Jäätelökaupan omistaja voi käyttää sovellusta, joka yhdistää historialliset myynti- ja säätiedot ennustaakseen, kuinka monta jäätelöä he todennäköisesti myyvät tiettynä päivänä sääennusteen perusteella.
- Lääkäri voi käyttää aiempien potilaiden kliinisiä tietoja suorittaakseen automaattisia testejä, jotka ennustavat, onko uudella potilaalla riski sairastua diabetekseen painon, verensokeritason ja muiden mittausten kaltaisten tekijöiden perusteella.
- Etelämantereen tutkija saattaa käyttää aiempia havaintoja automatisoidakseen eri pingviinilajien (kuten Adelie, Gentoo tai Chinstrap) tunnistamisen linnun räpylöiden, nokan ja muiden fyysisten ominaisuuksien mittausten perusteella.
Huomautus
Ymmärrämme, että eri ihmiset haluavat oppia eri tavoin. Voit suorittaa tämän moduulin videopohjaisessa muodossa tai lukea sisällön tekstinä ja kuvina. Teksti sisältää enemmän yksityiskohtia kuin videot, joten joissain tapauksissa voit viitata siihen videoesityksen lisämateriaalina.