В искусственный интеллект и машинное обучение
Технологические направления ИИ. Данные Deloitte
жүктеу/скачать 2.47 Mb.
|
- Бұл бет үшін навигация:
- Смежные области исследований
- Машинное обучение
Технологические направления ИИ. Данные DeloitteПредстав-ление знаний Обработка естественно-го языка Машинное обучение Генерация естественно-го языка Аналитичес-кие графы Интернет вещей Имитацион-ное модели-рование Анализ речи Глубокие вопросно-ответные системы Робототех-ника Анализ изображе-ний Глубокое обучение Анализ социальных сетей Мягкая робототех-ника Визуализация Виртуальный персональный ассистент Рекоменда-тельные системы Машинный перевод Смежные области исследованийИскусственный интеллект Машинное обучение Глубокое обучение Большие данные Data Science Data Mininig Технологии, приведенных на предыдущем слайде, разрабатывается в нескольких смежных областях Сюда относятся и инженерия знаний, и мягкие вычисления и другие исследования, проводимые в области ИИ Машинное обучениеАлгоритмы - специальные программы, "подсказывающие" компьютеру, каким источником данных необходимо воспользоваться Для каждой задачи подбираются отдельные алгоритмы, составленные с расчетом на ускорение обработки данных и получение точного результата Наборы данных - информация (выборки данных) в виде текстовых, графических, видеофайлов, которую машина использует для накопления опыта при обучении При этом для решения каждого конкретного типа задач в систему должны загружаться уникальные данные Машинное обучение (machine learning, ML) - это одно из направлений разработки ИИ, основанное на выполнении компьютером множества сходных задач без использования прямых инструкций Машинное обучение базируется на трех основных понятиях: Признаки (свойства, метрики, фичи, features) - индивидуальные измеримые параметры наблюдаемых явлений, от правильности подбора которых зависит успешность и скорость machine learning жүктеу/скачать 2.47 Mb. Достарыңызбен бөлісу:
|