«Машинное обучение — это наука о том, как заставить компьютеры учиться и действовать так же, как люди, и со временем улучшать свое обучение без явного программирования. — Артур Сэмюэл»
Основная цель этой статьи — познакомить читателей с фундаментальными концепциями машинного обучения.
Я хочу объяснить эти концепции простым и понятным способом, чтобы независимо от того, новичок ли вы в этой теме или уже обладаете некоторыми знаниями, вы могли легко следовать инструкциям.
Моя цель — создать общее понимание того, что такое машинное обучение, как оно работает и где оно используется. Этот фундамент поможет вам начать или освежить свои знания в области искусственного интеллекта и науки о данных, а также послужит основой для будущих статей в нашей серии машинного обучения.
Более того, я твердо верю, что четкое понимание типов переменных, типов обучения и типов задач имеет решающее значение для упрощения процесса машинного обучения. Понимание этих фундаментальных аспектов гарантирует, что вы начнете с правильной ноги в своем проекте ML.
Прежде всего, давайте ответим на следующий вопрос:
В чем разница между классическим программированием и машинным обучением?
Программирование
Программирование включает в себя написание набора явных инструкций или алгоритмов, которые сообщают компьютеру, как выполнять конкретную задачу или серию задач.
Вы передаете входные данные и алгоритм своему компьютеру, именно вы определяете правила и логику, а компьютер выдает выходные данные.
Машинное обучение
Машинное обучение фокусируется на обучении алгоритмов, позволяющих изучать закономерности и делать прогнозы или решения на основе данных.