Общие сведения о машинном обучении
Машинное обучение предполагает передачу больших объемов данных в алгоритм, который затем обрабатывает эти данные для поиска шаблонов и связей.
Например, если вы предоставляете модель искусственного интеллекта с данными о ваших прошлых привычках вакуумирования и макете вашего дома, модель, которая может быть использована для программирования робота вакуума для очистки ковра в аналогичном шаблоне. Теперь представьте, что многие из этих роботов были проданы, передавая все их вакуумные данные обратно разработчику. Использование машинного обучения для обнаружения шаблонов может обнаруживать еще более эффективные шаблоны движения и оптимизировать пути для всех вакуумов роботов с одинаковым дизайном.
В первом видео вы получите лучшее представление о том, что такое машинное обучение.
Машинное обучение — это метод ИИ, использующий алгоритмы для создания прогнозных моделей. Эти модели проверяются на основе известных данных, измеряются определенными метриками и корректируются по мере необходимости. Этот процесс называется обучением. Благодаря переобучению модели машинного обучения улучшают сверхурочное время. Существуют также ключевые методики обучения моделей, например контролируемого обучения, неконтролируемого обучения и обучения с подкреплением.
В следующем видео вы узнаете разницу между этими методологиями и ввести их сочетание в слоях, называемых глубоким обучением.