기계 학습

기계 학습이란 무엇입니까?

기계 학습은 "기계 학습"을 의미하는 컴퓨터 과학 영역입니다.

이것은 인공 지능이라는 개념의 일부로서 기계가 사람이 수행 할 작업을 수행 할 수있는 방법을 연구합니다.

컴퓨터에서 사용되는 프로그래밍으로, 이전에 정의 된 규칙에 의해 형성되어 컴퓨터가 이전 데이터 및 사용자가 사용하는 데이터를 기반으로 의사 결정을 내릴 수 있도록합니다.

일정에 따라 컴퓨터는 문제를 해결하거나 인터넷상의 출판물을 향상시킬 수있는 의사 결정 능력을 가지고 있습니다.

기계 학습은 어떻게 작동합니까?

작업의 기본은 컴퓨터가 따라야 할 정보와 지침으로 정의되고 구성된 시퀀스 인 알고리즘입니다.

이러한 순서는 컴퓨터가 상황과 그것에 입력 된 정보에 따라 결정을 내릴 수 있도록합니다.

특정 절차 및 작업을 수행해야하는 방법이나 수행 방법에 대한 정보를 전달하는 알고리즘입니다.

알고리즘을 사용하기위한 몇 가지 유형의 응용 프로그램 및 프로그래밍 언어가 있습니다. 그것들은 충족 될 필요성이나 생성 된 알고리즘의 목적에 따라 다양합니다.

기계 학습의 유형

기계 학습에는 주로 감독 학습 (supervised learning)과 감독되지 않은 학습 (unsupervised learning)의 두 가지 유형이 있습니다.

감독 학습

감독 학습에서는 컴퓨터에 이전 데이터 세트가 삽입되어 있으며 사용자에게 제공 될 제안 사항은 기록 된 데이터와 유사해야합니다.

기본적으로이 정보는 사용자가 예상 한 결과를 예측하거나 사용 된 요소의 분류를 수행하는 데 사용됩니다.

예 : 인터넷 브라우저에 사진이 저장되어 이미지의 출처 또는 기타 유사한 이미지에 대한 정보를 찾습니다.

감독되지 않은 학습

감독되지 않은 학습에서는 특별한 기대 결과가 없다. 즉 상호 참조 결과를 예측하는 것이 불가능하다.

이러한 유형의 학습에서는 데이터가 그룹화되고 변수에 따라 결과가 변경됩니다.

예 : 라이브러리의 검색 엔진에서 다양한 결과를 얻을 수 있습니다. 결과를 변경하는 것은 검색의 유형과 책 이름, 저자 이름 또는 발행일과 같이 사용 된 변수에 따라 다릅니다.

인공 지능의 의미도 참조하십시오.

기계 학습이란 무엇입니까?

기계 학습은 많은 기능에 사용될 수 있습니다. 오늘날 가장 많이 사용되는 것은 소셜 미디어, 인터넷 검색 및 디지털 마케팅입니다.

예를 들어 기계 학습 알고리즘은 인터넷 사용자에게 제안하는 데 사용됩니다. 가상 상거래 사이트, 소셜 네트워크, 게임, 비디오 스토리지 플랫폼 및 음악 재생 응용 프로그램에 사용됩니다.

이 경우 알고리즘은 사용자가 새로운 제안을하기 위해 인터넷에서 시퀀스의 데이터와 탐색 내역의 데이터를 사용합니다. 검색 및 데이터 공유 중에 사용자 환경 설정을 사용하여 유사한 프로그램이나 서비스를 제안합니다.

이들은보다 보편적 인 용도이지만 기계 학습에 대한 지식은 다음과 같은 많은 다른 상황에도 적용될 수 있습니다.

  • 인터넷 연구,
  • 데이터 수집 및 분석,
  • 스팸 메시지 추적,
  • 정보의 조직 및 분류,
  • 인터넷에서 사기를 검색하십시오.

기계 학습심층 학습의 차이점

기계 학습과 심층 학습 모두 인공 지능을 사용하는 방법입니다. 그러나 깊은 학습 (깊은 학습을 의미 함)은 인간의 학습 능력과 유사한 특성을 지니기 때문에 그 차이가 있습니다.

또한 깊은 학습은 확립 된 데이터의 예측 결과를 사용합니다. 차이점은 컴퓨터가 정보를보다 융통성있게 적용 할 수 있기 때문에 사람의 뇌에서 일어나는 것과 마찬가지로 더 정확하게 발생한다는 것입니다.

이것은 깊은 학습에서 인간의 두뇌에있는 뉴런 네트워크처럼 작동하는 인공 신경 네트워크가 만들어지기 때문입니다.

기계의 작동을 두뇌의 기능과 많은 유사점을 가지며 정보를 배우고 해석 할 수있는 것은이 네트워크입니다.

소프트웨어 및 Bitcoin의 의미도 참조하십시오.