Zeitreihen - weiterer Umfang

Maschinelles Lernen befasst sich mit verschiedenen Arten von Problemen. Tatsächlich können fast alle Bereiche mithilfe des maschinellen Lernens automatisiert oder verbessert werden. Einige dieser Probleme, an denen viel gearbeitet wird, sind nachstehend aufgeführt.

Zeitreihendaten

Dies sind die Daten, die sich mit der Zeit ändern, und daher spielt die Zeit eine entscheidende Rolle, die wir in diesem Tutorial ausführlich besprochen haben.

Nicht-Zeitreihendaten

Es handelt sich um zeitunabhängige Daten, und ein Großteil der ML-Probleme bezieht sich auf Nicht-Zeitreihendaten. Der Einfachheit halber werden wir es weiter kategorisieren als -

Numerical Data - Computer verstehen im Gegensatz zu Menschen nur Zahlen, sodass alle Arten von Daten letztendlich für maschinelles Lernen in numerische Daten konvertiert werden. Beispielsweise werden Bilddaten in (r, b, g) -Werte konvertiert, Zeichen in ASCII-Codes oder Wörter konvertiert werden in Zahlen indiziert, Sprachdaten werden in mfcc-Dateien konvertiert, die numerische Daten enthalten.
Image Data - Computer Vision hat die Welt der Computer revolutioniert, es hat verschiedene Anwendungen in den Bereichen Medizin, Satellitenbildgebung usw.
Text Data- Natural Language Processing (NLP) wird zur Klassifizierung von Texten, zur Erkennung von Paraphrasen und zur Zusammenfassung von Sprachen verwendet. Das macht Google und Facebook schlau.
Speech Data- Sprachverarbeitung beinhaltet Spracherkennung und Stimmungsverständnis. Es spielt eine entscheidende Rolle, wenn es darum geht, Computern menschenähnliche Eigenschaften zu verleihen.