Machine Learning Tests - Sense It All İndir

Decreased app size. Enhanced reliability. Improved performance.

Makine öğrenimi, bilgisayar sistemlerine açık bir şekilde programlanmadan bilgisayar sistemlerine "öğrenmeye" (örneğin, belirli bir görev üzerindeki performansı kademeli olarak geliştirmeye) yeteneğini vermek için istatistiksel teknikleri kullanan bir bilgisayar bilimi alanıdır.

İsim makinesi öğrenimi 1959'da Arthur Samuel tarafından yapıldı. Yapay zekada desen tanıma ve hesaplama öğrenme teorisi çalışmalarından yola çıkarak, makine öğrenimi, veriye dayalı tahminler veya kararlar vererek, kesin statik program yönergelerini takip eden algoritmaların üstesinden gelebilecek ve veriler hakkında tahminler yapabilen algoritmaların araştırılmasını ve inşasını araştırır. Örnek girdilerden bir model oluşturmak yoluyla. Makine öğrenimi, iyi performansa sahip açık algoritmaların tasarlanması ve programlanması zor veya mümkün olmayan bir dizi hesaplama görevinde kullanılır; örnek uygulamalar arasında e-posta filtreleme, ağa izinsiz giriş yapan kişilerin algılanması ve bilgisayar görüşü bulunmaktadır.

Makine öğrenimi, bilgisayarların kullanımı yoluyla tahmin üretmeye odaklanan hesaplama istatistiği ile yakından ilişkilidir (ve çoğu zaman çakışır). Matematiksel optimizasyona güçlü bağları vardır, bunlar alana metotları, teoriyi ve uygulama alanlarını sunar. Makine öğrenimi bazen veri madenciliği ile sınırlıdır, bu durumda ikinci alt alan keşif veri analizine daha fazla odaklanır ve denetimsiz öğrenme olarak bilinir.

Veri analitiği alanında, makine öğrenimi, kendilerini tahmin etmeye teşvik eden karmaşık modelleri ve algoritmaları tasarlamak için kullanılan bir yöntemdir; Ticari kullanımda, bu tahmin analitik olarak bilinir. Bu analitik modeller, araştırmacıların, veri bilimcilerinin, mühendislerin ve analistlerin "güvenilir, tekrarlanabilir kararlar ve sonuçlar üretmelerini" ve verideki tarihsel ilişkiler ve eğilimlerden öğrenerek "gizli anlayışları" açığa çıkarmasını sağlar.