Odbyłem rozmowę kwalifikacyjną w dużej firmie i zadano mi wiele pytań, ale jedno, które utkwiło mi w pamięci, to pytanie osoby przeprowadzającej rozmowę kwalifikacyjną: „Czy znasz różnicę między uczeniem maszynowym a głębokim uczeniem się i Sztuczna inteligencja, ponieważ niewiele osób widzi różnicę”. Omówię więc różnice i podobieństwa między 3.
Nauczanie maszynowe
Uczenie maszynowe to nauka o algorytmach komputerowych, które poprawiają ogólne wrażenia. Algorytmami tymi mogą być losowy las, regresja logistyczna, grupowanie K średnich itp.
Zasadniczo sprowadza się to do sytuacji, w której chcesz zastosować prostą regresję liniową na zbiorze danych dotyczących wina, aby dowiedzieć się, co sprawia, że świetne wino jest świetne. Przesyłasz dane do swojej maszyny i używasz algorytmu, który pomaga jej nauczyć się charakterystyki w celu uzyskania najlepszych wyników.
Przykładem uczenia maszynowego może być przewidywanie, a jeśli chcesz zgłębić temat, uczenie maszynowe może być również diagnozą medyczną.
Głęboka nauka
Głębokie uczenie się jest także częścią uczenia maszynowego. Głębokie uczenie opiera się na sztucznych sieciach neuronowych. Sieci te są w stanie uczyć się danych bez nadzoru (danych nieustrukturyzowanych lub danych nieoznaczonych).
Przykładem głębokiego uczenia się mogą być samochody autonomiczne. Używają sieci neuronowej do przetwarzania obrazu komputerowego, co umożliwia im wykrywanie obiektów wokół nich.
Sztuczna inteligencja
Wszystko łączy się z sztuczną inteligencją, która umożliwia maszynom uczenie się na podstawie doświadczenia, dostosowywanie się do nowych danych wejściowych i wykonywanie zadań przypominających ludzi.
Przykładem sztucznej inteligencji może być Siri firmy Apple, asystent Google, którego nazwy nie znam, Alexa i e-mail (kiedy organizują Twoje e-maile i dzielą je na kategorie).
…
Teraz już wiesz, co powiedzieć, gdy osoba przeprowadzająca rozmowę kwalifikacyjną zadaje Ci to pytanie.
