머신 러닝이란?

기계는 할 수 있습니다 배우다. 그러나 "너무 많이 배운"후에 인간을 노예로 만들거나 멸종시킨 로봇이 지배하는 세계에 대한 묵시적인 비전으로 깨어있게하지 마십시오. 그리고 이탈하지 말자.

그만큼 기계 학습 인공 지능 알고리즘을 통해 컴퓨터 시스템을 사용하는 컴퓨팅 분야로 구성됩니다. 인간의 학습 과정을 시뮬레이션하고 프로그래밍되지 않은 상황과 과제를 해결할 수 있습니다. 이전에.

역사적으로 컴퓨터는 프로그래밍 된 것 외에는 아무것도 할 수 없었습니다. 그러나 하드웨어의 점진적인 전력 증가로 인해 알고리즘이 소프트웨어.

기계가 어떻게 학습 할 수 있습니까?

컴퓨터 시스템의 학습 과정은 많은 양의 데이터 분석을 기반으로 수행됩니다.

소프트웨어가하는 일은 광범위하게 말해서 데이터 분석에서 예측 모델을 구축하는 것입니다. 프로그램 작성, 기계가 아직 준비되지 않은 것입니다.

그러나 개념적으로 우리는 건물 행동 할 모델의 수준에서, 기본 프로그래밍의 일종의 수정입니다. 암호 소스는 정말 그렇지 않습니다.

기계 학습은 인공 지능 분야의 한 분야입니다.

마지막으로 주식 시장의 투자 시스템부터 시작하여 머신 러닝 사용의 몇 가지 예를 들어 보겠습니다.

이것은 할 수 있습니다 분석하다 많은 수의 분석을 통해 특정 시나리오를 예측하도록 미리 프로그래밍되지 않은 상태에서 주가의 상승 및 하락 요인 (다른 회사의 주식 가격, 시장의 출입, 투자 다른 사람들이 수행하는 ...), 특정 타이틀을 사고 팔거나 판매하는 것이 더 유리한시기를 계산할 수 있습니다.

그리고 이러한 시스템에서 일반적으로 더 중요한 것은 자신의 성능을 분석하고 성공과 실수로부터 "학습"하여 시간이 지남에 따라 "성능"을 "향상"시킬 수 있다는 것입니다.

사실 저는이 예제를 선택하지 않았습니다. 왜냐하면 오늘날 주식 시장에서 대부분의 작업은 이러한 유형의 컴퓨터 프로그램에 의해 수행되기 때문입니다.

Spotify와 같은 스트리밍 음악 서비스에서 기계 학습의 이점을 누릴 수 있습니다.

우리가들을 때 음악 Spotify (또는 결국 이런 유형의 다른 온라인 서비스에서)에서 프로그램은 우리가 듣는 것에 따라 다른 그룹이나 노래를 추천합니까? 그리고 이러한 권장 사항이 우리의 습관에 따라 진화하는 것도 사실입니다. 소비 화장실에서 음악을?

Spotify와 다른 온라인 음악 서비스는 어떻게이를 수행합니까? 단순함: 우리가 좋아하는 것을 학습하고이를 기반으로 추천 할 것을 결정하는 기계 학습 시스템으로.

음악이 많고 더 오래들을수록 시스템은 우리의 선호도를 더 많이 알게되므로 권장 사항에 도달 할 가능성이 높아집니다.

Fotolia 사진: Aleutie / Kit8

머신 러닝 주제