Насколько я понимаю, ИИ представляет собой комбинацию обучения и понимания алгоритма. А Алгоритм — это логика, которая используется для завершения или решения любого запроса. ML — это подмножество AI, а DL (глубокое обучение) — подмножество ML.
1.Что такое машинное обучение?
Классификация любого объекта на основе одного или нескольких стандартных признаков с наименьшим эффектом обобщения.
Извлечение признаков — это «КАК ПРЕДСТАВИТЬ ТОЧКИ ДАННЫХ», а классификация — «КЛАССИФИКАЦИЯ ОБЪЕКТА В РАЗЛИЧНЫЕ КЛАССЫ НА ОСНОВЕ ФУНКЦИЙ».
2.Конвейер машинного обучения
I. Определите проблему — сформулируйте проблему
II. Собирайте данные — ищите помеченные данные
III. Очистите и обработайте данные — проектируйте данные по требованию
IV. Извлечение функций - на основе проблемы, которые являются стандартными функциями.
V. Научитесь выполнять задачу — проверьте вывод
VI. Предсказать вывод
3.Типы алгоритмов машинного обучения
I. Обучение под наблюдением
а) Классификация
б) Регрессия
II. Неконтролируемое обучение
а) Уменьшение размера
б) Кластеризация
III. Обучение с подкреплением
В машинном обучении мы использовали естественные науки для проведения любого эксперимента и статистический анализ вместо логики для анализа результатов.
4.Другой пример, когда мы использовали машинное обучение в повседневной жизни
я. Публикуйте что-либо (текст, изображения, видео) в социальных сетях.
то есть, если мы ищем любого человека или местоположение, любой продукт или любой канал в FB, он показывает точный, а также релевантный результат на основе поиска.
КАК МО РАБОТАЕТ: Fb собирает все данные, которые мы публикуем на их платформе, и используем их для нашего поиска. Он показывает наиболее востребованного человека/местоположение/любой результат по результатам поиска.
II. Понимание прочитанного
В Reading Comprehension, что именно происходит, нам дается абзац, а ниже этого какой-то вопрос, заданный из абзаца, и мы должны найти ответ в том же абзаце. Эта логика одинакова для каждого абзаца, так что ML сохраняет местоположение ответа, даже если он понимает, каким именно должен быть ответ.
III. Приложение для аренды дома
Возьмем пример приложения по аренде домов Magic Bricks. В соответствии с нашим требованием мы ставим фильтр и видим точный результат. Здесь инженер по функциям или специалист по данным никогда не помещают данные в то время, как мы фильтруем, но по характеристикам данных они классифицируются в соответствии с нашим фильтром и сортировкой.
Ниже набор данных является случайным и только для местоположения Бангалора и для понимания цели.
Расположение, BHK и арендная плата — это особенности, и предпочтение отдается классу, отсюда мы можем легко визуализировать данные, которые формируются одной линией.
