Tartalomjegyzék:
Az utóbbi években a „gépi tanulás” kifejezés felbukkanott számos megbeszélésen és fórumon, de mit jelent pontosan? A gépi tanulás az adatok elemzésére szolgáló módszerként határozható meg, mintázatfelismerés és számítási tanulás alapján. Különböző algoritmusokból áll, mint például neurális hálózatok, döntési fák, Bayes-hálózatok stb. A gépi tanulás ezeket az algoritmusokat használja az adatokból való tanuláshoz és az adatok rejtett betekintésének helyrehozásához. A tanulási folyamat iteratív, tehát az új adatokat felügyelet nélkül is kezelik. A tudomány, amely a korábbi adatokból való tanuláshoz és a jövőbeni adatokhoz történő felhasználásához nem új, de egyre népszerűbb.
Mi a gépi tanulás?
Míg egyesek úgy vélik, hogy a gépi tanulás nem jobb, mint a továbbra is alkalmazott számítógépes programozási módszerek, sokan a gépi tanulást forradalomnak tekintik a mesterséges intelligencia (AI) területén. Úgy vélik, hogy ennek a technológiának a segítségével a gépek képesek lesznek megtanulni dolgokat és megtenni a tapasztalataikat, ahelyett, hogy egyszerűen követnék az emberi utasításokat.
Ahhoz, hogy jobban megértsük a gépi tanulás jelentését, összehasonlíthatjuk a hagyományos számítógépes programozással. A következő szakaszok részletesebben tárgyalják a gépi tanulást és annak különbségét a hagyományos programozástól. (A gépi tanulás előnyeiről és hátrányairól lásd: A gépi tanulás ígéretét és buktatóit.)
