Indholdsfortegnelse:
I de senere år har udtrykket "maskinlæring" dukket op i forskellige diskussioner og fora, men hvad betyder det nøjagtigt? Maskinindlæring kan defineres som en metode til dataanalyse, baseret på mønstergenkendelse og computational learning. Det består af forskellige algoritmer som neurale netværk, beslutningstræer, bayesiske netværk osv. Maskinlæring bruger disse algoritmer til at lære af data og gendanne skjulte indsigt fra data. Læringsprocessen er iterativ, så de nye data håndteres også uden overvågning. Videnskaben til at lære af tidligere data og bruge dem til fremtidige data er ikke ny, men den vinder mere popularitet.
Hvad er maskinlæring?
Mens nogle mennesker mener, at maskinlæring ikke er bedre end traditionelle metoder til computerprogrammering, der stadig er i brug, betragter mange maskinlæring som en revolution inden for kunstig intelligens (AI). De tror, at ved hjælp af denne teknologi vil maskiner være i stand til at lære ting og gøre ting med deres egen erfaring snarere end blot at følge menneskelige instruktioner.
For at forstå mere om betydningen af maskinlæring kan vi sammenligne den med traditionel computerprogrammering. De følgende afsnit vil diskutere mere om maskinlæring og dens forskel fra traditionel programmering. (For nogle af fordele og ulemper ved maskinlæring, se The Promises and Fallfalls of Machine Learning).
