Inhalt
- Definition - Was bedeutet maschinelles Lernen?
- Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
- Techopedia erklärt maschinelles Lernen
Definition - Was bedeutet maschinelles Lernen?
Maschinelles Lernen ist eine Disziplin der künstlichen Intelligenz (KI), die auf die technologische Entwicklung des menschlichen Wissens ausgerichtet ist. Maschinelles Lernen ermöglicht es Computern, mit neuen Situationen durch Analyse, Selbsttraining, Beobachtung und Erfahrung umzugehen.
Das maschinelle Lernen erleichtert die kontinuierliche Weiterentwicklung des Computing durch Aussetzen neuer Szenarien, Testen und Anpassen, während die Muster- und Trenderkennung für verbesserte Entscheidungen in nachfolgenden (wenn auch nicht identischen) Situationen eingesetzt wird.
Maschinelles Lernen wird häufig mit Data Mining und Knowledge Discovery in Datenbanken (KDD) verwechselt, die eine ähnliche Methodik aufweisen.
Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
Techopedia erklärt maschinelles Lernen
Tom M. Mitchell, ein Pionier des maschinellen Lernens und Professor an der Carnegie Mellon University (CMU), sagte die Entwicklung und die Synergie von menschlichem und maschinellem Lernen voraus. Der heutige News Feed ist ein perfektes Beispiel. Der Newsfeed ist so programmiert, dass der Inhalt von Benutzerfreunden angezeigt wird. Wenn ein Benutzer häufig die Pinnwand eines bestimmten Freundes markiert oder darauf schreibt, ändert der Newsfeed sein Verhalten, um mehr Inhalte dieses Freundes anzuzeigen.
Andere maschinelle Lernanwendungen umfassen syntaktische Mustererkennung, Verarbeitung natürlicher Sprache, Suchmaschinen, Computer Vision und maschinelle Wahrnehmung.
Es ist schwierig, die menschliche Intuition in einer Maschine nachzubilden, vor allem, weil Menschen oft unbewusst lernen und Entscheidungen treffen.
Maschinen benötigen wie Kinder eine längere Einarbeitungszeit, um breite Algorithmen zu entwickeln, die auf das Diktat des zukünftigen Verhaltens ausgerichtet sind. Die Schulungstechniken umfassen Auswendiglernen, Parameteranpassung, Makrooperatoren, Chunking, erklärungsbasiertes Lernen, Clustering, Fehlerkorrektur, Fallaufzeichnung, Verwaltung mehrerer Modelle, Rückübertragung, Verstärkungslernen und genetische Algorithmen.