Machine Learning (Machine Learning) es una especialidad cruzada multidisciplinaria que cubre el conocimiento de la teoría de la probabilidad, el conocimiento estadístico y el conocimiento de algoritmos complejos, utilizando una computadora como herramienta y dedicada a la simulación en tiempo real de los métodos de aprendizaje humano y la estructura del conocimiento del contenido existente. Divide para mejorar efectivamente la eficiencia del aprendizaje. Esta columna resumirá los conocimientos básicos de "Aprendizaje automático" en forma de notas de estudio. ¡Bienvenidos a aprender y comunicarse juntos!
Enlace de columna: notas de estudio "Aprendizaje automático"
El aprendizaje automático es una rama importante de las disciplinas generadas a partir de la inteligencia artificial y la clave de la inteligente.
Proceso de aprendizaje automático
La relación entre aprendizaje automático, bases de datos y minería de datos.
Aplicaciones de aprendizaje automático
Búsqueda en Internet, conducción automática de automóviles, identificación de pinturas, restauración de documentos antiguos ...
Desarrollo de aprendizaje automático
Aprendizaje automático derivado de la "inteligencia artificial" La
Conferencia de Dartmouth marcó el nacimiento de la disciplina de la inteligencia artificial. La
primera etapa: el período de razonamiento (1956-1960: razonamiento lógico).
Principales logros: sistema automático de prueba de teoremas (por ejemplo, Simon y Newer
Segunda etapa del sistema "Teórico lógico" : período de conocimiento (1970-1980: Ingeniería del conocimiento)
Principales logros: sistema experto (por ejemplo, sistema "DENDRAL" de Feigenbaum et al.)
Tercera etapa: período de estudio (1990 -ahora: Aprendizaje automático)
El aprendizaje automático surgió como un arma para "romper el cuello de botella de la ingeniería del conocimiento".
Sucedió que a mediados y finales de la década de 1990, los humanos se encontraron ahogando en el océano de datos. La demanda es cada vez más urgente
El "aprendizaje automático" de hoy en día ya es una gran área temática
El propósito de recopilar, transmitir y almacenar big data es "usar" big data. Sin técnicas de aprendizaje automático para analizar grandes datos, la "utilización" es imposible.
Terminología básica del aprendizaje automático.
Otros conceptos relacionados
Proceso de aprendizaje ☞ El proceso de búsqueda en el espacio compuesto por todas las hipótesis
Objetivo: encontrar la hipótesis que "encaja" con el conjunto de entrenamiento (ajuste)
Espacio de versiones: un conjunto de hipótesis coherentes con el conjunto de entrenamiento
Sesgo inductivo: en el proceso de aprendizaje de un algoritmo de aprendizaje automático, se prefiere un cierto tipo de hipótesis.
Cualquier algoritmo de aprendizaje automático efectivo debe tener su preferencia.
Las preferencias inductivas del algoritmo de aprendizaje coinciden con el problema en sí, la mayoría de las veces determina directamente el algoritmo. ¿Se puede obtener un buen rendimiento!
Bienvenido a dejar un mensaje y aprender a comunicarse juntos ~~~
Gracias por leer
FIN
