Machine learning
Vsebuje oglase
4,8star
121 mnenj
10 tis.+
Prenosi
Primerno za vse
info
O tej aplikaciji
Strojno učenje je področje računalništva, ki daje računalniški sistemi sposobnost, da "učijo" (tj, postopno izboljšanje učinkovitosti na posebne naloge) s podatki, ne da bi izrecno programiran.
učenje ime Stroj je skoval leta 1959 Arthur Samuel. Razvila iz študije razpoznavanja vzorcev in računske teorije učenja in umetne inteligence, strojno učenje raziskuje študijo in konstrukcijo algoritmov, ki se lahko učijo iz in da napovedi o podatkih - ti algoritmi premagali po strogo statičnih navodila programa tako, da na podlagi podatkov napovedi ali odločitve 2 z izgradnjo model iz vzorčnih vložkov. Strojno učenje je zaposlena v različnih računalniških nalog, kjer je oblikovanje in programiranje izrecne algoritmov z uspešnostjo težko ali nemogoče; Primer aplikacije vključujejo e-filtriranje, odkrivanje omrežnih vsiljivci ali zlonamernih notranjih informacij, ki si prizadevajo za zlorabo podatkov, optično prepoznavanje znakov (OCR), učenje za uvrstitev, in računalniški vid.
Strojno učenje je tesno povezana z (in pogosto prekriva s) računske statistike, ki se osredotoča tudi na napovedi odločanja z uporabo računalnikov. Ima močne vezi z matematično optimizacijo, ki prinaša metode, teorije in aplikacijskih domen na tem področju. Strojno učenje je včasih združevali s podatkovnim rudarjenjem, kjer slednji podpodročje osredotoča bolj na raziskovalno analizo podatkov in je znan kot nenadzorovanega učenja. vii Strojno učenje lahko tudi brez nadzora in se uporablja za učenje in vzpostavitev osnovnih vedenjskih profilov za različne subjekte in nato uporabljajo za iskanje pomembnih nepravilnosti.
Na področju podatkovnih analitike, strojno učenje je metoda, naj oblikujejo zapletene modele in algoritme, ki se posojajo za napovedovanje; v komercialne namene, je to znano kot napovedne analitike. Ti analitični modeli omogočajo raziskovalci, podatki znanstveniki, inženirji in analitiki za "izdelavo zanesljive, ponovljive odločitve in rezultate" in odkriti "skrite vpogled" skozi učenje iz preteklih razmerij in trendov v podatkih.
Učinkovito strojno učenje je težko, ker iskanje vzorcev je težko in pogosto ni dovolj podatkov za usposabljanje so na voljo kot rezultat, strojno učenje programi pogosto ne prinese.
učenje ime Stroj je skoval leta 1959 Arthur Samuel. Razvila iz študije razpoznavanja vzorcev in računske teorije učenja in umetne inteligence, strojno učenje raziskuje študijo in konstrukcijo algoritmov, ki se lahko učijo iz in da napovedi o podatkih - ti algoritmi premagali po strogo statičnih navodila programa tako, da na podlagi podatkov napovedi ali odločitve 2 z izgradnjo model iz vzorčnih vložkov. Strojno učenje je zaposlena v različnih računalniških nalog, kjer je oblikovanje in programiranje izrecne algoritmov z uspešnostjo težko ali nemogoče; Primer aplikacije vključujejo e-filtriranje, odkrivanje omrežnih vsiljivci ali zlonamernih notranjih informacij, ki si prizadevajo za zlorabo podatkov, optično prepoznavanje znakov (OCR), učenje za uvrstitev, in računalniški vid.
Strojno učenje je tesno povezana z (in pogosto prekriva s) računske statistike, ki se osredotoča tudi na napovedi odločanja z uporabo računalnikov. Ima močne vezi z matematično optimizacijo, ki prinaša metode, teorije in aplikacijskih domen na tem področju. Strojno učenje je včasih združevali s podatkovnim rudarjenjem, kjer slednji podpodročje osredotoča bolj na raziskovalno analizo podatkov in je znan kot nenadzorovanega učenja. vii Strojno učenje lahko tudi brez nadzora in se uporablja za učenje in vzpostavitev osnovnih vedenjskih profilov za različne subjekte in nato uporabljajo za iskanje pomembnih nepravilnosti.
Na področju podatkovnih analitike, strojno učenje je metoda, naj oblikujejo zapletene modele in algoritme, ki se posojajo za napovedovanje; v komercialne namene, je to znano kot napovedne analitike. Ti analitični modeli omogočajo raziskovalci, podatki znanstveniki, inženirji in analitiki za "izdelavo zanesljive, ponovljive odločitve in rezultate" in odkriti "skrite vpogled" skozi učenje iz preteklih razmerij in trendov v podatkih.
Učinkovito strojno učenje je težko, ker iskanje vzorcev je težko in pogosto ni dovolj podatkov za usposabljanje so na voljo kot rezultat, strojno učenje programi pogosto ne prinese.
Posodobljeno dne
Razumevanje, kako razvijalci zbirajo in razkrivajo vaše podatke, je prvi korak do varnosti. Varovanje podatkov in zagotavljanje varnosti podatkov se morda razlikujeta glede na vašo uporabo, območje in starost. Razvijalec je zagotovil te podatke in jih bo sčasoma morda posodobil.
Ta aplikacija lahko deli te vrste podatkov z drugimi ponudniki.
Lokacija, Dejavnost v aplikacijah in še 2
Zbranih ni bilo nič podatkov.
Preberite več o tem, kako razvijalci najavijo zbiranje.
Podatki so šifrirani med prenosom
Podatkov ni mogoče izbrisati
Ocene in mnenja
4,8
119 mnenj
