Inhoud
- Definitie - Wat betekent Machine Learning?
- Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze handleiding leert u wat cloud computing inhoudt en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
- Techopedia verklaart Machine Learning
Definitie - Wat betekent Machine Learning?
Machine learning is een kunstmatige intelligentie (AI) discipline gericht op de technologische ontwikkeling van menselijke kennis. Met machinaal leren kunnen computers nieuwe situaties verwerken via analyse, zelftraining, observatie en ervaring.
Machine learning vergemakkelijkt de voortdurende vooruitgang van computergebruik door blootstelling aan nieuwe scenario's, testen en aanpassing, terwijl patroon- en trenddetectie wordt gebruikt voor verbeterde beslissingen in volgende (hoewel niet identieke) situaties.
Machine learning wordt vaak verward met datamining en kennisontdekking in databases (KDD), die een vergelijkbare methodiek delen.
Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze handleiding leert u wat cloud computing inhoudt en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
Techopedia verklaart Machine Learning
Tom M. Mitchell, een machine learning pionier en Carnegie Mellon University (CMU) professor, voorspelde de evolutie en synergie van mens en machine learning. De nieuwsfeed van vandaag is een perfect voorbeeld. De nieuwsfeed is geprogrammeerd om inhoud van gebruikersvriendelijke gebruikers weer te geven. Als een gebruiker regelmatig tags of schrijft op de muur van een bepaalde vriend, wijzigt de nieuwsfeed zijn gedrag om meer inhoud van die vriend weer te geven.
Andere machine learning-toepassingen zijn onder meer syntactische patroonherkenning, verwerking van natuurlijke talen, zoekmachines, computer vision en machine-perceptie.
Het is moeilijk om menselijke intuïtie in een machine te repliceren, vooral omdat mensen vaak onbewust beslissingen leren en uitvoeren.
Net als kinderen hebben machines een langere trainingsperiode nodig bij het ontwikkelen van brede algoritmen gericht op het dicteren van toekomstig gedrag. Trainingstechnieken zijn onder meer leren op afstand, parameteraanpassing, macro-operators, chunking, op uitleg gebaseerd leren, clustering, foutcorrectie, case-recording, beheer van meerdere modellen, rugpropagatie, versterkingsleren en genetische algoritmen.