Что такое машинное обучение и искусственный интеллект
Мир наполнен данными. Много и много данных. Все, от картинок, музыки, мира, электронных таблиц и т. д. Не похоже, что в ближайшее время он замедлится. Машинное обучение обещает извлечь смысл из всех этих данных.
Разница между искусственным интеллектом, машинным обучением, глубоким обучением
ИИ включает в себя машину, которая может выполнять задачи, характерные для человеческого интеллекта. хотя это довольно общее, оно включает в себя такие вещи, как планирование, понимание языка, распознавание объектов и звуков, обучение и решение проблем. Мы можем разделить ИИ на две категории: общие и узкие. общий ИИ будет иметь все характеристики человеческого интеллекта.
Узкий ИИ демонстрирует некоторые аспекты человеческого интеллекта и может очень хорошо справляться с этим аспектом, но ему не хватает других областей. Машина, которая отлично распознает изображение, но не более того, будет примером узкого ИИ. Машинное обучение — это просто способ достижения ИИ.
Глубокое обучение — один из многих подходов к машинному обучению. другие подходы к машинному обучению. другой подход включает обучение дереву решений, индуктивное логическое программирование, кластеризацию, обучение с подкреплением. Он был вдохновлен структурой и функцией мозга, а именно взаимосвязью многих нейронов. Искусственная нейронная сеть — это алгоритм, имитирующий биологическую структуру мозга.
В ИНС есть «нейроны», которые имеют дискретные слои и связь с другими «нейронами».
Как работает машинное обучение?
Машинное обучение использует два типа методов: обучение с учителем, которое обучает модель на известных входных и выходных данных, чтобы она могла прогнозировать будущие результаты, и обучение без учителя, которое находит скрытые закономерности или внутренние структуры во входных данных.
Использование контролируемого обучения для прогнозирования сердечных приступов
Предположим, клиницисты хотят предсказать, будет ли у кого-то сердечный приступ в течение года. У них есть данные о предыдущих пациентах, включая возраст, вес, рост и артериальное давление. Они знают, были ли у предыдущих пациентов сердечные приступы в течение года. Таким образом, проблема заключается в объединении существующих данных в модель, которая может предсказать, будет ли у нового человека сердечный приступ в течение года.
