Машинное обучение
Материал из Поле цифровой дидактики
Версия от 22:54, 18 февраля 2023; Patarakin (обсуждение | вклад)
Описание | Способность программы учиться, не будучи явно запрограммированной. Машинное обучение - предполагает наличие общих алгоритмов, которые могут выявить полезную информацию об исследуемом наборе данных без необходимости писать специальный код для решения этой задачи. Что в машинном обучении способ выполнения задачи автоматически выводится из примеров |
---|---|
Область знаний | Информатика, Педагогика |
Авторы | Самуэль, Минский, Пейперт |
Поясняющее видео | https://youtu.be/US2NMUfn1tQ |
Близкие понятия | Персептрон, Искусственный интеллект, Генетический алгоритм |
Среды и средства для освоения понятия | R, Julia, Python, Java, JavaScript |
Одним из вариантов моделей машинного обучения являются нейронные сети, которые состоят из нейронов и синапсов (связей между нейронами). Нейронная сеть
Типы машиннного обучения
Контролируемое обучение
Обучение производится на многочисленных примерах размеченных данных, то есть на базе изображений в каждом из которых отмечен правильный результат.
Неконтролируемое обучение (без учителя)
К данному типу обучения относятся алгоритмы, которые обучаются на основе набора данных без каких-либо меток. В качестве примера неконтролируемого обучения можно привести кластерный анализ, где стоит задача разделить объекты на классы по неизвестному признаку. В отличие от классификации у нас нет заранее известных классов. Алгоритм сам должен найти похожие объекты и объединить их в кластеры на основе некоторой заданной функции близости.