• Машинное обучение, подмножество ИИ, использует компьютерные алгоритмы для анализа данных и принятия разумных решений на основе полученных знаний. Три основные категории алгоритмов машинного обучения включают обучение с учителем, обучение без учителя и обучение с подкреплением.
  • Глубокое обучение, специализированное подмножество машинного обучения, объединяет алгоритмы для создания нейронной сети, позволяющей системам ИИ учиться на неструктурированных данных и продолжать обучение в процессе работы.
  • Нейронные сети, набор вычислительных блоков, смоделированных на биологических нейронах, принимают входящие данные и со временем учатся принимать решения. Различные типы нейронных сетей включают перцептроны, сверточные нейронные сети или CNN и рекуррентные нейронные сети или RNN.

Обучение с учителем — это когда у нас есть метки классов в наборе данных, и мы используем их для построения модели классификации.

Обучение с учителем делится на три категории: регрессия, классификация и нейронные сети.

Алгоритмы машинного обучения обучаются с использованием наборов данных, разделенных на обучающие данные, данные проверки и тестовые данные.