Inhoudsopgave:
Door Justin Stoltzfus
Invoering
Meer ingenieurs en andere professionals gaan aan de slag met machine learning - ze doen het vroege onderzoek en bouwen initiële systemen om te onderzoeken hoe dit gebied van kunstmatige intelligentie deuren kan openen voor particulieren en bedrijven.
Gedurende het hele proces is er echter nogal wat verwarring. Wat is machine learning eigenlijk?
Het basisidee is dat nieuwe technologieën machines in staat stellen te 'denken' en 'leren' op manieren die meer lijken op de manieren waarop het menselijk brein werkt.
Dat gezegd hebbende, er zijn meer dan een paar manieren om dit proces te beschrijven. Laten we voor een beetje meer naar StackOverflow gaan, een steunpilaar voor programmeurs en andere IT-professionals die op zoek zijn naar definities en echte verklaringen van technische problemen. Een StackOverflow-thread beschrijft machine learning als 'het proces van het leren van computers om resultaten te maken op basis van invoergegevens'.
Een andere schrijver beschrijft machine learning als "een gebied van informatica, waarschijnlijkheidstheorie en optimalisatietheorie waarmee complexe taken kunnen worden opgelost waarvoor een logische, procedurele aanpak niet mogelijk of haalbaar is."
Deze laatste definitie komt bijna in de buurt van wat machine learning is - en niet is.
Wanneer de schrijver zegt "een logische, procedurele benadering niet mogelijk of haalbaar is", wijst dat op de echte "magie" en de waarde van machine learning. Simpel gezegd, het is "post-logica" - machine learning gaat verder dan wat traditie, lineaire en sequentiële codebase-programmering kan doen!
Als we een stap terug doen, kunnen we kijken naar de basisbouwstenen van machine learning om beter te begrijpen hoe.
Ten eerste zijn er trainingsgegevens - de trainingsgegevens geven de programma-invoer om van te werken.
Naast de trainingsgegevens zijn er algoritmen die die gegevens kraken en op verschillende manieren interpreteren. Experts beschrijven het essentiële werk van machine learning als "patroonherkenning" - en u zult dit ook op de StackOverflow-pagina zien - maar nogmaals, dat beschrijft slechts gedeeltelijk hoe machine learning werkt.
Volgende: Het neurale netwerk
Inhoudsopgave
InvoeringHet neurale netwerk
Machinaal leren onder toezicht en zonder toezicht
Gradient Descent en Backpropagation
Soorten neurale netwerken
Ensemble leren
Toepassingen en speltheorie
Vijf stammen van toepassingen voor machinaal leren
Hoe gaan we verder?
