Innehållsförteckning:
Under de senaste åren har termen "maskininlärning" dyker upp i olika diskussioner och forum, men vad betyder det egentligen? Maskininlärning kan definieras som en metod för dataanalys, baserad på mönsterigenkänning och beräkningsinlärning. Det består av olika algoritmer som neurala nätverk, beslutsträd, Bayesianska nätverk, etc. Maskininlärning använder dessa algoritmer för att lära av data och återställa dolda insikter från data. Inlärningsprocessen är iterativ, så den nya informationen hanteras också utan någon övervakning. Vetenskapen att lära av tidigare data och använda den för framtida data är inte ny, men den får mer popularitet.
Vad är maskininlärning?
Medan vissa människor tror att maskininlärning inte är bättre än traditionella datorprogrammeringsmetoder som fortfarande används, anser många att maskininlärning är en revolution inom artificiell intelligens (AI). De tror att maskinerna kommer att kunna lära sig saker och göra saker med sin egen erfarenhet istället för att helt enkelt följa mänskliga instruktioner genom att använda denna teknik.
För att förstå mer om betydelsen av maskininlärning kan vi jämföra det med traditionell datorprogrammering. Följande avsnitt kommer att diskutera mer om maskininlärningen och dess skillnad från traditionell programmering. (För några av för- och nackdelarna med maskininlärning, se The Promises and Pitfalls of Machine Learning.)
