Inhoudsopgave:
In de afgelopen jaren is de term 'machine learning' in verschillende discussies en forums opgedoken, maar wat betekent dit precies? Machine learning kan worden gedefinieerd als een methode voor data-analyse, gebaseerd op patroonherkenning en computationeel leren. Het bestaat uit verschillende algoritmen zoals neurale netwerken, beslissingsbomen, Bayesiaanse netwerken, enz. Machine learning gebruikt deze algoritmen om van gegevens te leren en verborgen inzichten uit gegevens te herstellen. Het leerproces is iteratief, dus de nieuwe gegevens worden ook zonder toezicht verwerkt. De wetenschap om te leren van eerdere gegevens en deze te gebruiken voor toekomstige gegevens is niet nieuw, maar wint aan populariteit.
Wat is machinaal leren?
Hoewel sommige mensen geloven dat machine learning niet beter is dan traditionele methoden van computerprogrammering die nog steeds worden gebruikt, beschouwen velen machine learning als een revolutie op het gebied van kunstmatige intelligentie (AI). Ze geloven dat machines met deze technologie dingen kunnen leren en dingen kunnen doen met hun eigen ervaring, in plaats van gewoon menselijke instructies te volgen.
Om meer te begrijpen over de betekenis van machine learning, kunnen we het vergelijken met traditionele computerprogrammering. In de volgende paragrafen wordt meer besproken over machine learning en het verschil met traditioneel programmeren. (Zie De beloften en valkuilen van machine learning voor enkele voor- en nadelen van machine learning.)
