Maschinelles Lernen (ML)

Die klassische Programmierung verwendet Programme (Algorithmen), um Ergebnisse zu erzeugen:

Maschinelles Lernen verwendet Ergebnisse, um Programme (Algorithmen) zu erstellen:

Maschinelles Lernen

Maschinelles Lernen wird oft mit künstlicher Intelligenz gleichgesetzt.

Das ist nicht richtig. Maschinelles Lernen ist eine Teilmenge der künstlichen Intelligenz.

Maschinelles Lernen ist eine Disziplin der KI, die Daten verwendet, um Maschinen zu unterrichten.

Überwachtes Lernen

Überwachtes Lernen verwendet gekennzeichnete Daten (Daten mit bekannten Antworten), um Algorithmen zu trainieren, um:

• Daten klassifizieren
• Ergebnisse vorhersagen

Überwachtes Lernen kann Daten wie „Was ist Spam in einer E-Mail“ basierend auf bekannten Spam-Beispielen klassifizieren .

Überwachtes Lernen kann Ergebnisse vorhersagen , z. B. die Vorhersage, welche Art von Video Ihnen gefällt, basierend auf Videos, die Sie abgespielt haben.

Unbeaufsichtigtes Lernen

Unüberwachtes Lernen wird verwendet, um undefinierte Beziehungen wie sinnvolle Muster in Daten vorherzusagen.

Es geht darum, Computeralgorithmen zu erstellen, die sich selbst verbessern können.

Es wird erwartet, dass sich maschinelles Lernen auf unbeaufsichtigtes Lernen verlagern wird, damit Programmierer Probleme lösen können, ohne Modelle zu erstellen.

Selbstüberwachtes Lernen

Selbstüberwachtes Lernen ähnelt unüberwachtem Lernen, da beide mit Daten ohne von Menschen hinzugefügte Labels arbeiten.

Der Unterschied besteht darin, dass unüberwachtes Lernen Clustering, Gruppierung und Dimensionsreduktion verwendet, während selbstüberwachtes Lernen seine eigenen Schlussfolgerungen für Regressions- und Klassifizierungsaufgaben zieht.