¿Qué significa realmente el aprendizaje automático en términos reales?

Según la definición de Andrew ng, “el aprendizaje automático es un proceso de extracción de conocimiento de los datos de forma semiautomática. Semi automáticamente significa interacción humana con los datos “.

1. La extracción de conocimiento significa encontrar patrones en los datos, por ejemplo, cómo las diferentes características en los datos varían entre sí.
2. La forma semiautomática significa que los humanos encontrarán patrones usando sus decisiones inteligentes.
3. Por ejemplo, si se brindan datos relacionados con la salud y queremos averiguar el patrón sobre cómo se detecta el cáncer, qué tipo de característica presente son sus datos que serán importantes para detectar el cáncer, como si la persona que tiene estas características pertenece al área urbana, la presión arterial alta , fumador, bebe alcohol, etc., por lo que tiene más probabilidades de tener cáncer. Por lo tanto, hemos encontrado información a partir de datos que darán un patrón.

¡¡Esperamos que esto sea útil!!

El aprendizaje automático puede significar el aprendizaje de las experiencias.

Por ejemplo, si ha estado administrando su tienda durante un par de años, debería poder predecir las ventas para los próximos meses dado que tiene datos relevantes de la tienda y la localidad.

Por ejemplo, si ha estado trabajando como vendedor durante un par de años, debería poder clasificar / predecir si el próximo acuerdo se cerraría o no.

Por ejemplo, si ha podido agrupar / agrupar a sus colegas en función de atributos como la edad, el interés, el sexo, los años de unión, la frecuencia de las reuniones intuitivamente, eso puede considerarse como agrupación (un tipo de aprendizaje automático) dado que usted use atributos para la agrupación y similitud (o distancia) entre un par de amigos.

En resumen, el aprendizaje automático lo ayuda a predecir o clasificar en función de nuestros datos / experiencias, y el grupo / grupo en función de los atributos.

Para seguir disfrutando del aprendizaje automático, manténgase actualizado

El aprendizaje automático es

• Identificar cosas similares como similares.
• Identificar cosas diferentes como diferentes.
• Identificar un patrón común que sigue un grupo de cosas.

Que es una cosa

Puede ser uno de muchos.

• objetos
• sonido
• imagen del objeto
• vídeo
• En mi humilde opinión, las señales.

¿Qué quieres decir con similar?

• Perceptualmente similar: dos gatos se ven iguales
• similitud de la norma: la distancia euclidiana es pequeña

¿Cuál es el patrón común?

• ¿Siguen las mismas leyes básicas? Los gatos tienen 4 patas.
• ¿Comparten todos un rasgo común? las cebras tienen rayas
• ¿Hay alguna cosa distinta que identifique inmediatamente a todo el grupo? Las ruedas implican un vehículo.

PD: El patrón común siempre tiene casos de esquina. No todo con una rueda es un vehículo y no todos los vehículos tienen ruedas. Pero aún así, las ruedas en general significan vehículos. entonces….

~ nd

Comprendamos el aprendizaje automático con el ejemplo del gato.

Convencionalmente, para describir cómo se ve un gato, puede escribir un programa en el que las funciones describan las características del gato, como un gato que tiene 2 orejas, 2 ojos, etc.

El aprendizaje automático le está dando al programa de computadora 1000 imágenes de gato y dígales que así es como se ve el gato, si muestra una imagen del gato que el programa nunca ha visto. Se puede identificar que es una imagen de gato.

Técnicamente hablando, el programa aprenderá las características del gato de esas imágenes y las usará para predecir si la imagen es del gato o no.

Es una parte del aprendizaje que no es clásica, es decir, poner valores en la fórmula, obtener respuestas. Básicamente, las salidas son independientes de los estados / historial anteriores.
Pero en el aprendizaje automático, se realizan estados / estadísticas anteriores junto con el aprendizaje basado en probabilidad y derivado.
Déjame darte un ejemplo, esto hará las cosas más claras …

Situación A: supongamos que necesita resolver x + y = z (encuentre z). Sabes x = 1, y = 2. Luego pondrás la respuesta en la ecuación y obtendrás el resultado. Eso es aprendizaje clásico.

Situación B: Eres un jugador novato de baloncesto. Y ahora quieres ganar puntos en un juego de baloncesto. Lanzas la pelota, son posibles 2 resultados: ÉXITO, FALLA … Aquí tus acciones tienen algunos resultados posibles … A veces, la pelota puede entrar, a veces no. Hay muchos parámetros a los que puede llegar el resultado. Nuestro cerebro trata de encontrar el punto estable (se puede decir que es la parte superior de una curva, siendo el éxito como el eje para medir la “parte superior”). Esto se logra a través de muchas estadísticas, mucho aprendizaje después de lo cual nuestro cerebro comienza a predecir movimientos correctos Eso es lo que se deriva del aprendizaje basado. Encontrar los máximos (o punto estable) de la declaración del problema. Por eso se dice que el trabajo duro es la clave del éxito … 🙂

Se dice que un programa de computadora aprende de la experiencia E con respecto a alguna clase de tareas T y la medida de rendimiento P, si su rendimiento en tareas en T, medido por P, mejora con la experiencia E. ~ Tom Mitchell, por ejemplo, clasificación automática de correos electrónicos como spam o no spam.

encontrar patrón, sistema, orden, disposición, método, secuencia, estructura, esquema, plan, forma, formato, marco, composición, constitución, forma, maquillaje, configuración de los datos dados.

Enseñe a Machine cómo aprender por su cuenta , para ser precisos 🙂