Maschinelles Lernen

Künstliche Intelligenz

Künstliche Intelligenz bezieht sich auf Intelligenz, die von Maschinen angezeigt wird, die menschliche und tierische Intelligenz simulieren

Beziehung zwischen KI und ML

KI – Engineering zur Herstellung intelligenter Maschinen und Programme

ML – Fähigkeit zu lernen, ohne explizit programmiert zu werden. Mit anderen Worten, die Fähigkeit von Systemen der künstlichen Intelligenz, durch Extrahieren von Mustern aus Daten zu lernen, wird als maschinelles Lernen bezeichnet

Funktionen von ML;
• Es verwendet die Daten, um Muster in einem Datensatz zu erkennen und Programmaktionen entsprechend anzupassen.
• Konzentriert sich auf die Entwicklung von Computerprogrammen, die sich selbst beibringen können, zu wachsen und sich zu verändern, wenn sie neuen Daten ausgesetzt werden.
• Ermöglicht Computern, verborgene Einsichten mit iterativen Algorithmen zu finden, ohne explizit zu sein programmiert
• Es automatisiert die analytische Modellerstellung

Traditionell vs. ML

Maschinelles Lernen und Data Science

DS und ML gehen Hand in Hand. DS hilft dabei, Daten für ML-Algorithmen auszuwerten.

DS: Es ist die Verwendung statistischer Methoden, um Muster in den Daten zu finden

ML: Statistisches maschinelles Lernen verwendet die gleiche Mathematik und die gleichen Techniken wie DS

DS : Diese Techniken sind in Algorithmen integriert, die selbst lernen und sich verbessern

ML: Maschinelles Lernen erleichtert KI, da es Maschinen ermöglicht, aus den Mustern in Daten zu lernen

Techniken des maschinellen Lernens

ML verwendet eine Reihe von Theorien und Techniken von DS

• Klassifikation: Die Technik, bei der ein Computerprogramm aus den eingegebenen Daten lernt und dieses Lernen dann verwendet, um eine neue Beobachtung zu klassifizieren
• Kategorisierung: Technik zum Organisieren von Daten in Kategorien für ihre effektivste und effizienteste Nutzung
• Clustering: Eine Gruppe von Objekten so gruppieren, dass Objekte in derselben Gruppe einander ähnlicher sind als denen in anderen Gruppen
• Trendanalyse: Dies zielte darauf ab, sowohl die aktuelle als auch die zukünftige Bewegung von Ereignissen durch die Verwendung von Zeitreihen-Datenanalysen zu projizieren
• Anomalieerkennung: Um Fälle zu identifizieren, die ungewöhnlich sind, mit scheinbar homogenen Daten
• Visualisierung: Um Daten in einem bildlichen oder grafischen Format darzustellen. Es ermöglicht Entscheidungsträgern, Analysen visuell dargestellt zu sehen
• Entscheidungsfindung: Eine Technik oder Fähigkeit, die Menschen die Möglichkeit gibt, Managemententscheidungen mit Daten als Beweis für diese Möglichkeiten zu beeinflussen

Bildverarbeitung: Bildkennzeichnung und -erkennung, selbstfahrende Autos, optische Zeichenerkennung (OCR) usw.

Robotik: Humansimulation, Humanoider Roboter, Industrierobotik.

Data Mining: Anomalieerkennung, Gruppierung und Vorhersagen, Zuordnungsregeln.

Vedio-Spiele: Einige Spiele implementieren bestärkendes Lernen

Textanalyse: Spam-Filterung, Stimmungsanalyse, Informationsextraktion

Gesundheitswesen : Medizinische Diagnose, Mehr als 100 Startups transformieren das Gesundheitswesen mit KI

……

Danke schön!