Satura rādītājs:
Pēdējos gados termins “mašīnmācīšanās” ir parādījies dažādās diskusijās un forumos, bet ko tas īsti nozīmē? Mašīnmācību var definēt kā datu analīzes metodi, kuras pamatā ir modeļa atpazīšana un skaitļošanas mācīšanās. To veido dažādi algoritmi, piemēram, neironu tīkli, lēmumu koki, Bajesijas tīkli utt. Mašīnmācība izmanto šos algoritmus, lai mācītos no datiem un no datiem atgūtu slēptās atziņas. Mācību process ir atkārtots, tāpēc arī jaunie dati tiek apstrādāti bez jebkādas uzraudzības. Zinātne mācīties no iepriekšējiem datiem un izmantot to turpmākiem datiem nav jauna, taču tā gūst arvien lielāku popularitāti.
Kas ir mašīnmācīšanās?
Lai gan daži cilvēki uzskata, ka mašīnmācība nav labāka par tradicionālajām datorprogrammēšanas metodēm, kuras joprojām tiek izmantotas, daudzi mašīnmācīšanos uzskata par revolūciju mākslīgā intelekta (AI) jomā. Viņi uzskata, ka, izmantojot šo tehnoloģiju, mašīnas varēs iemācīties lietas un darīt lietas ar savu pieredzi, nevis vienkārši sekot cilvēka norādījumiem.
Lai vairāk saprastu mašīnmācības nozīmi, mēs to varam salīdzināt ar tradicionālo datorprogrammēšanu. Nākamajās sadaļās vairāk tiks runāts par mašīnmācīšanos un tās atšķirību no tradicionālās programmēšanas. (Par dažiem mašīnmācības plusiem un mīnusiem sk. Mašīnmācīšanās solījumus un nepilnības.)
