Будущее машинного обучения.

Учитывая растущие объемы и разнообразие доступных данных, потребность в вычислительной обработке становится жизненно важной для получения важной информации. Такие крупные компании, как Google, Facebook и Twitter, используют искусственный интеллект и машинное обучение для своего будущего роста.

История машинного обучения.

В основном, история развития машинного обучения началась в 50-х годах 20 века. В то время в этой области науки работали Алан Тьюринг и Артур Самуэль, который в 1959 году впервые ввёл термин «машинное обучение», создав на примере игры в шашки программу, способную к самообучению. В тот же год Марвин Минский создал первую вычислительную машину SNARC на основе нейросети, которая была создана годом раньше Фрэнком Розенблаттом и называлась Персептрон. Он же создал и первый нейрокомпьютер «Марк-1». В 1960-х годах проводились исследования, связанные с применением компьютерного зрения и использованием простых шаблонов распознавания. Далее машинное обучение продолжало своё развитие и в 1997 году был создан компьютер Deep Blue, который сумел обыграть в шахматы чемпиона мира Гарри Каспарова. В 21 веке появилось такое понятие, как глубокое обучение, а также было разработано много алгоритмов для распознавания содержимого на фотографиях и в видеороликах. В 2016 году появилась программа AlphaGo, разработанная компанией DeepMind от Google, которая смогла победить чемпиона мира по игре в го Ли Седоля. Также изучались вопросы, связанные с применением машинного обучения для анализа неструктурированных данных.

Основные определения машинного обучения.

Обучение с учителем-один из способов машинного обучения, в ходе которого испытуемая система принудительно обучается с помощью примеров «стимул-реакция». С точки зрения кибернетики, является одним из видов кибернетического эксперимента.

Обучение без учителя-один из способов машинного обучения, при котором испытуемая система спонтанно обучается выполнять поставленную задачу без вмешательства со стороны экспериментатора.

Обучение с подкреплением-один из способов машинного обучения, в ходе которого испытуемая система (агент) обучается, взаимодействуя с некоторой средой. С точки зрения кибернетики, является одним из видов кибернетического эксперимента.

Линейная регрессия-используемая в статистике регрессионная модель зависимости одной переменной y от другой или нескольких других переменных x с линейной функцией зависимости. Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике.Категория:обучение с учителем.

Классификация-задача, в которой имеется множество объектов, разделённых, некоторым образом на классы. Задано конечное множество объектов, для которых известно, к каким классам они относятся. Это множество называется выборкой. Классовая принадлежность остальных объектов неизвестна.Категория:обучение бкз учителя.

Кластеризация-задача группировки множества объектов на подмножества (кластеры) таким образом, чтобы объекты из одного кластера были более похожи друг на друга, чем на объекты из других кластеров по какому-либо критерию.

Будущее машинного обучения.

В будущем без машинного обучения не обойтись.Уже сейчас машинное обучение повсюду-искуственные интеллекты,которую помогают нам решить рутинную работу,беспилотные автомобили и многое другое.

Спасибо,что прочитали статью!