Koneoppiminen
Sisältää mainoksia
4,8star
121 arvostelua
10 t.+
Lataukset
Kaikki
info
Tietoa sovelluksesta
Koneoppiminen on tietojenkäsittelytieteen ala, joka antaa tietojärjestelmille mahdollisuuden "oppia" (ts. Parantaa asteittain tietyn tehtävän suorituskykyä) datalla ilman, että sitä olisi erikseen ohjelmoitu.
Koneoppimisen nimen keksi vuonna 1959 Arthur Samuel. Keinotekoisen älykkyyden mallintunnistuksen ja laskennallisen oppimisen teorian tutkimuksesta kehittynyt koneoppiminen tutkii algoritmien tutkimista ja rakentamista, jotka voivat oppia datasta ja tehdä siitä ennusteita. Tällaiset algoritmit voitetaan tiukasti staattisten ohjelmaohjeiden avulla tekemällä dataan perustuvia ennusteita tai päätöksiä , 2 rakentamalla malli otospanoksista. Koneoppimista käytetään lukuisissa laskentatehtävissä, joissa eksplisiittisten, hyvin suorituskykyisten algoritmien suunnittelu ja ohjelmointi on vaikeaa tai mahdotonta; esimerkkisovelluksia ovat sähköpostin suodatus, verkon tunkeilijoiden tai tietoturvaloukkauksiin pyrkivien haitallisten sisäpiiriläisten havaitseminen, optinen merkintunnistus (OCR), luokittelun oppiminen ja tietokonenäkö.
Koneoppiminen liittyy läheisesti (ja usein päällekkäin) laskennallisten tilastojen kanssa, joka keskittyy myös ennusteiden tekemiseen tietokoneiden avulla. Sillä on vahvat siteet matemaattiseen optimointiin, joka tuottaa menetelmiä, teoriaa ja sovellusalueita kentälle. Koneoppiminen sekoitetaan toisinaan tiedonlouhintaan, jossa jälkimmäinen osa-alue keskittyy enemmän tutkivaan data-analyysiin ja tunnetaan valvomattomana oppimisena. vii Koneoppiminen voi myös olla valvomatonta, ja sitä voidaan käyttää oppimaan ja luomaan perustason käyttäytymisprofiilit eri kokonaisuuksille ja sitten sitä voidaan käyttää merkityksellisten poikkeavuuksien löytämiseen.
Tietojen analysoinnin alalla koneoppiminen on menetelmä, jolla suunnitellaan monimutkaisia malleja ja algoritmeja, jotka soveltuvat ennustamiseen. kaupallisessa käytössä tämä tunnetaan ennustavana analytiikkana. Nämä analyyttiset mallit antavat tutkijoille, datatieteilijöille, insinööreille ja analyytikoille mahdollisuuden "tuottaa luotettavia, toistettavia päätöksiä ja tuloksia" ja paljastaa "piilotettuja oivalluksia" oppimalla tietojen historiallisista suhteista ja trendeistä.
Tehokas koneoppiminen on vaikeaa, koska mallien löytäminen on vaikeaa ja usein harjoittelutietoja ei ole riittävästi, koneoppimisohjelmat eivät usein onnistu.
Koneoppimisen nimen keksi vuonna 1959 Arthur Samuel. Keinotekoisen älykkyyden mallintunnistuksen ja laskennallisen oppimisen teorian tutkimuksesta kehittynyt koneoppiminen tutkii algoritmien tutkimista ja rakentamista, jotka voivat oppia datasta ja tehdä siitä ennusteita. Tällaiset algoritmit voitetaan tiukasti staattisten ohjelmaohjeiden avulla tekemällä dataan perustuvia ennusteita tai päätöksiä , 2 rakentamalla malli otospanoksista. Koneoppimista käytetään lukuisissa laskentatehtävissä, joissa eksplisiittisten, hyvin suorituskykyisten algoritmien suunnittelu ja ohjelmointi on vaikeaa tai mahdotonta; esimerkkisovelluksia ovat sähköpostin suodatus, verkon tunkeilijoiden tai tietoturvaloukkauksiin pyrkivien haitallisten sisäpiiriläisten havaitseminen, optinen merkintunnistus (OCR), luokittelun oppiminen ja tietokonenäkö.
Koneoppiminen liittyy läheisesti (ja usein päällekkäin) laskennallisten tilastojen kanssa, joka keskittyy myös ennusteiden tekemiseen tietokoneiden avulla. Sillä on vahvat siteet matemaattiseen optimointiin, joka tuottaa menetelmiä, teoriaa ja sovellusalueita kentälle. Koneoppiminen sekoitetaan toisinaan tiedonlouhintaan, jossa jälkimmäinen osa-alue keskittyy enemmän tutkivaan data-analyysiin ja tunnetaan valvomattomana oppimisena. vii Koneoppiminen voi myös olla valvomatonta, ja sitä voidaan käyttää oppimaan ja luomaan perustason käyttäytymisprofiilit eri kokonaisuuksille ja sitten sitä voidaan käyttää merkityksellisten poikkeavuuksien löytämiseen.
Tietojen analysoinnin alalla koneoppiminen on menetelmä, jolla suunnitellaan monimutkaisia malleja ja algoritmeja, jotka soveltuvat ennustamiseen. kaupallisessa käytössä tämä tunnetaan ennustavana analytiikkana. Nämä analyyttiset mallit antavat tutkijoille, datatieteilijöille, insinööreille ja analyytikoille mahdollisuuden "tuottaa luotettavia, toistettavia päätöksiä ja tuloksia" ja paljastaa "piilotettuja oivalluksia" oppimalla tietojen historiallisista suhteista ja trendeistä.
Tehokas koneoppiminen on vaikeaa, koska mallien löytäminen on vaikeaa ja usein harjoittelutietoja ei ole riittävästi, koneoppimisohjelmat eivät usein onnistu.
Päivitetty
Turvallisuus alkaa siitä, että ymmärrät, miten kehittäjät keräävät ja jakavat dataasi. Datan yksityisyys- ja tietoturvatoimet saattavat vaihdella käytön, alueen ja iän mukaan. Kehittäjä on antanut nämä tiedot ja saattaa päivittää niitä myöhemmin.
Sovellus voi jakaa näitä datatyyppejä kolmansille osapuolille
Sijainti, Sovellustoiminta ja 2 muuta
Dataa ei ole kerätty
Lue, miten kehittäjät ilmoittavat keräämisestä
Data salataan siirron ajaksi
Dataa ei voi poistaa
Arviot ja arvostelut
4,8
119 arvostelua
