Всем привет :)
Прежде чем мы углубимся в машинное обучение и различные алгоритмы, прочитайте мою Часть -1 из серии Машинное обучение, чтобы получить более широкое представление о науке о данных.
Что такое машинное обучение (МО)? Почему это важно?
Искусственный интеллект подобен родителю машинного обучения (ML). Это техника или метод, который позволяет компьютерам имитировать поведение человека. Машинное обучение, являющееся подмножеством ИИ, использует различные математические и статистические методы для анализа данных, их синтаксического анализа, извлечения уроков из них и прогнозирования результатов.
Производительность автоматически улучшается благодаря обучению и опыту. Как следует из названия, это дает машинам возможность учиться без явного программирования. Машинное обучение делает текущий бум в мире. От банковского сектора, финансового сектора, личной безопасности, безопасности данных, маркетинга до онлайн-медиа, машинное обучение играет решающую роль!!! Интересно, не правда ли????
Давайте рассмотрим различные варианты использования машинного обучения, чтобы понять, насколько это важно для нас.
- Обнаружение мошенничества
- Маркетинговая персонализация
- Рекомендации по персонализированному контенту
- Прогноз оттока клиентов
- Умные автомобили
- Прогноз поведения фондового рынка
- Распознавание речи
- Клиническая поддержка принятия решений, и этот список можно продолжить.
Вместе мы обнаружим еще много вариантов использования в этом путешествии :)
Машинное обучение и наука о данных неотъемлемы, то есть они присутствуют везде!
Основные шаги, выполняемые в алгоритме машинного обучения, очень хорошо объяснены в приведенном ниже потоке.
Переходя к различным типам машинного обучения,
а) контролируемое обучение
б) Обучение без учителя
в) Обучение с подкреплением
г) полуконтролируемое обучение
Я объясню эти четыре типа алгоритма машинного обучения в своем следующем блоге, так что следите за обновлениями!!!
