Machine learning

Wat is Machine learning:

Machinaal leren is een gebied van de informatica dat "machinaal leren" betekent.

Het maakt deel uit van het concept van kunstmatige intelligentie, dat manieren bestudeert waarop machines taken kunnen stellen die door mensen zouden worden uitgevoerd.

Het is een programmering die wordt gebruikt in computers, gevormd door eerder gedefinieerde regels die de computers in staat stellen beslissingen te nemen op basis van de vorige gegevens en in gegevens die door de gebruiker worden gebruikt.

Volgens gemaakte schema's heeft de computer de mogelijkheid om beslissingen te nemen die bijvoorbeeld problemen kunnen oplossen of publicaties kunnen stimuleren op het internet.

Hoe werkt machine learning?

De basis van de operatie zijn de algoritmen, die sequenties zijn gedefinieerd en samengesteld zijn uit informatie en instructies die door de computer zullen worden gevolgd.

Met deze sequenties kunnen computers een beslissing nemen op basis van de situatie en de informatie die erin is ingevoerd.

Het is het algoritme dat informatie bevat over hoe bepaalde procedures en bewerkingen moeten worden uitgevoerd of hoe een actie moet worden uitgevoerd.

Er zijn verschillende soorten applicatie- en programmeertalen voor het gebruik van algoritmen. Ze variëren afhankelijk van de behoeften waaraan moet worden voldaan of met het doel van het gemaakte algoritme.

Soorten machine learning

Er zijn twee hoofdtypen van machine learning: gesuperviseerd leren en unsupervised leren.

Gecontroleerd leren

Bij gesuperviseerd leren is er een eerdere set gegevens ingevoegd in het apparaat en de suggesties die aan de gebruiker worden gegeven, moeten vergelijkbaar zijn met de opgenomen gegevens.

In principe wordt de informatie gebruikt om een ​​door de gebruiker verwacht resultaat te voorspellen of om de classificatie van de gebruikte elementen te doen.

Voorbeeld: er wordt een foto in de internetbrowser geplaatst, die zoekt naar informatie over de oorsprong van de afbeelding of andere soortgelijke afbeeldingen.

Niet-gecontroleerd leren

Bij onbewaakt leren is er geen specifiek verwacht resultaat, dwz het is niet mogelijk om de resultaten van kruisverwijzingen te voorspellen.

Bij dit type leren zijn de gegevens gegroepeerd en de resultaten veranderen volgens de variabelen.

Voorbeeld: in een zoekmachine van een bibliotheek is het mogelijk om gevarieerde resultaten te bereiken. Het wijzigen van de resultaten is afhankelijk van het type zoekopdracht en de variabelen die worden gebruikt, zoals de naam van het boek, de naam van de auteur of de publicatiedatum.

Zie ook de betekenis van kunstmatige intelligentie.

Waar is machine learning voor?

Machinaal leren kan voor veel functies worden gebruikt. Een van de meest gebruikte vandaag is in sociale media, internet zoeken en digitale marketing.

Machinaal lerende algoritmen worden bijvoorbeeld gebruikt om suggesties te doen aan een internetgebruiker. Ze worden gebruikt in virtuele handelssites, sociale netwerken, games, platforms voor video-opslag en toepassingen voor het afspelen van muziek.

In dit geval gebruikt het algoritme de gegevens van zijn sequenties en de gegevens van de geschiedenis van de navigatie op internet om nieuwe suggesties aan de gebruiker te doen. Gebruikersvoorkeuren tijdens browsen en het delen van gegevens worden gebruikt om vergelijkbare programma's of services aan te bevelen.

Dit zijn meer gebruikelijke toepassingen, maar de kennis van machinaal leren kan ook op veel andere situaties worden toegepast, zoals:

  • onderzoek op internet,
  • verzameling en analyse van gegevens,
  • spamberichten volgen,
  • organisatie en classificatie van informatie,
  • zoek naar fraude op internet.

Het verschil tussen machine learning en deep learning

Zowel machine learning als deep learning zijn manieren om kunstmatige intelligentie te gebruiken. Maar er is een verschil tussen hen omdat diep leren (wat betekent diep leren) kenmerken heeft die meer lijken op het lerend vermogen van de mens.

Deep learning gebruikt ook het voorspellen van resultaten uit bestaande gegevens. Het verschil is dat het nauwkeuriger gebeurt, meer als wat er gebeurt in het brein van een persoon, omdat de computer de informatie flexibeler kan aanpassen.

Dit komt omdat bij diepgaand leren een kunstmatig neuraal netwerk wordt gecreëerd, dat werkt als het netwerk van neuronen in het menselijk brein.

Het is dit netwerk dat ervoor zorgt dat de werking van de machine veel overeenkomsten vertoont met het functioneren van de hersenen en in staat is om informatie te leren en te interpreteren.

Zie ook de betekenis van Software en Bitcoin.