Szeregi czasowe - dalszy zakres

Uczenie maszynowe radzi sobie z różnego rodzaju problemami. W rzeczywistości prawie wszystkie pola można zautomatyzować lub ulepszyć za pomocą uczenia maszynowego. Poniżej podano kilka takich problemów, nad którymi wykonuje się wiele pracy.

Dane szeregów czasowych

Są to dane, które zmieniają się w czasie, dlatego czas odgrywa w nim kluczową rolę, co w dużej mierze omówiliśmy w tym tutorialu.

Dane niezwiązane z szeregami czasowymi

Są to dane niezależne od czasu, a duży procent problemów ML dotyczy danych nieciągłych. Dla uproszczenia klasyfikujemy to dalej jako -

• Numerical Data - Komputery, w przeciwieństwie do ludzi, rozumieją tylko liczby, więc wszystkie rodzaje danych są ostatecznie konwertowane na dane liczbowe do uczenia maszynowego, na przykład dane obrazu są konwertowane na wartości (r, b, g), znaki są konwertowane na kody ASCII lub słowa są indeksowane do liczb, dane mowy są konwertowane na pliki mfcc zawierające dane liczbowe.

• Image Data - Wizja komputerowa zrewolucjonizowała świat komputerów, ma różnorodne zastosowanie w medycynie, obrazowaniu satelitarnym itp.

• Text Data- Przetwarzanie języka naturalnego (NLP) służy do klasyfikacji tekstu, wykrywania parafraz i podsumowania języka. To właśnie sprawia, że ​​Google i Facebook są inteligentne.

• Speech Data- Przetwarzanie mowy obejmuje rozpoznawanie mowy i rozumienie uczuć. Odgrywa kluczową rolę w nadawaniu komputerom cech podobnych do ludzkich.