Chuỗi thời gian - Phạm vi xa hơn

Máy học giải quyết các loại vấn đề khác nhau. Trên thực tế, hầu hết tất cả các lĩnh vực đều có phạm vi được tự động hóa hoặc cải thiện với sự trợ giúp của học máy. Dưới đây là một số vấn đề mà rất nhiều công việc đang được thực hiện.

Dữ liệu chuỗi thời gian

Đây là dữ liệu thay đổi theo thời gian và do đó thời gian đóng một vai trò quan trọng trong đó, mà chúng ta đã thảo luận phần lớn trong hướng dẫn này.

Dữ liệu chuỗi phi thời gian

Đây là dữ liệu độc lập với thời gian và một tỷ lệ phần trăm lớn các vấn đề ML là trên dữ liệu chuỗi thời gian. Để đơn giản, chúng tôi sẽ phân loại nó thêm là -

• Numerical Data - Máy tính, không giống như con người, chỉ hiểu các con số, vì vậy tất cả các loại dữ liệu cuối cùng được chuyển đổi thành dữ liệu số để học máy, ví dụ: dữ liệu hình ảnh được chuyển đổi thành giá trị (r, b, g), các ký tự được chuyển đổi thành mã ASCII hoặc từ được lập chỉ mục thành số, dữ liệu giọng nói được chuyển đổi thành tệp mfcc chứa dữ liệu số.

• Image Data - Thị giác máy tính đã cách mạng hóa thế giới máy tính, nó có ứng dụng khác nhau trong lĩnh vực y học, chụp ảnh vệ tinh, v.v.

• Text Data- Xử lý ngôn ngữ tự nhiên (NLP) được sử dụng để phân loại văn bản, phát hiện diễn giải và tóm tắt ngôn ngữ. Đây là điều làm cho Google và Facebook trở nên thông minh.

• Speech Data- Xử lý giọng nói bao gồm nhận dạng giọng nói và hiểu cảm xúc. Nó đóng một vai trò quan trọng trong việc truyền đạt cho máy tính những phẩm chất giống như con người.