В 21-м веке искусственный интеллект (AI), машинное обучение (ML), глубокое обучение (DL) и наука о данных (DS) в современную эпоху стали громкими словами и модными словечками. У большинства людей возникает дилемма, относятся ли эти слова к одному домену или к разным доменам. На самом деле эти слова относятся к одному домену и также называются двоюродными братьями AI. Читая этот блог, вы можете получить представление об этих модных словечках.
Искусственный интеллект
Искусственный интеллект (ИИ) — это имитация человеческого интеллекта в машинах, которые запрограммированы думать как люди и имитировать их действия. Этот термин также может применяться к любой машине, которая демонстрирует черты, связанные с человеческим разумом, такие как обучение и решение проблем.
Приложения
Беспилотные автомобили, Рекомендации по контенту, Обработка изображений и видео
ИИ занимается следующими проблемами:
- Рассуждение и решение проблем
- Представление знаний
- Планирование
- Обучение
- Обработка естественного языка
- Восприятие
- Движение и манипуляция
- Социальный интеллект
- Общий интеллект
Машинное обучение
Машинное обучениеможно назвать подобластью ИИ, которая сама является подобластью компьютерных наук (такие категории часто несколько неточны, и некоторые части машинного обучения могут в равной или большей степени относиться к статистике). . Машинное обучение позволяет создавать адаптивные решения ИИ. Краткое определение можно дать следующее:
Системы, которые улучшают свою производительность в заданной задаче со все большим и большим опытом или данными.
Приложения
поисковая система, детектор спама
Типы машинного обучения
- Контролируемое и полуконтролируемое обучение
- Неконтролируемое обучение
- Обучение с подкреплением
Машинное обучение имеет дело с перечисленными ниже проблемами:
- Анализ данных
- Собирать данные
- Данные фильтра
- Алгоритмы обучения
- Алгоритмы тестирования
- Используйте алгоритмы для будущих прогнозов
Глубокое обучение
Глубокое обучение — это функцияискусственного интеллекта (ИИ), которая имитирует работу человеческого мозга при обработке данных и создании шаблонов для использования при принятии решений. Глубокое обучение — это подмножество машинного обучения в искусственном интеллекте, в котором есть сети, способные учиться без присмотра на неструктурированных или немаркированных данных. Также известно как глубокое нейронное обучение или глубокая нейронная сеть.
Приложения
Виртуальные помощники, НЛП, визуальное распознавание
Наука о данных
Наука о данных — это недавний зонтичный термин (термин, который охватывает несколько субдисциплин), который включает машинное обучение и статистику, некоторые аспекты информатики, включая алгоритмы, хранение данных и разработку веб-приложений. Наука о данных также является практической дисциплиной, требующей понимания области, в которой она применяется, например, в бизнесе или науке: ее цели (что означает «добавленная стоимость»), основных предположений и ограничений. Решения для науки о данных часто включают хотя бы немного ИИ (но обычно не так много, как можно было бы ожидать от заголовков).
Жизненный цикл науки о данных состоит из 6 фаз:
- Открытие
- Подготовка данных
- Планирование модели
- Построение модели
- Сообщение результатов
- операционализация
Как наука о данных связана с AI, ML и DL?
Наука о данных является междисциплинарной, и ее можно использовать в различных областях, таких как машинное обучение, визуализация, статистика и многое другое. Это процесс, а также метод, который анализирует и манипулирует данными. Это также позволяет нам находить смысл и соответствующую информацию в больших объемах данных. Это позволяет удобно использовать данные для принятия жизнеспособных бизнес-решений в науке, бизнесе, технологиях, а также в политике.