Informatie over machine learning
Machine learning omvat het invoeren van grote hoeveelheden gegevens in een algoritme, waarmee deze gegevens vervolgens worden verwerkt om patronen en relaties te vinden.
Als u bijvoorbeeld een AI-model levert met gegevens over uw gewoonten voor het opschonen van het verleden en de indeling van uw huis, kan het model dat resultaten oplevert worden gebruikt om een robotvacuüm te programmeren om uw tapijt in een vergelijkbaar patroon met u te vegen. Stel nu dat veel van deze robots zijn verkocht en al hun vacuümgegevens terugsturen naar de ontwikkelaar. Het gebruik van machine learning om patronen te detecteren, kan nog efficiëntere bewegingspatronen detecteren en paden optimaliseren voor alle robotvacuüms met hetzelfde ontwerp.
In de eerste video krijgt u een beter inzicht in wat machine learning is.
Machine learning is een AI-techniek die gebruikmaakt van algoritmen om voorspellende modellen te maken. Deze modellen worden gevalideerd op basis van bekende gegevens, gemeten door specifieke metrische gegevens en naar behoefte aangepast. Dit proces van leren en valideren wordt training genoemd. Door het opnieuw trainen verbeteren machine learning-modellen overuren. Er zijn ook belangrijke methodologieën voor het trainen van modellen, zoals leren onder supervisie, leren zonder supervisie en versterking.
In de volgende video leert u het verschil tussen deze methodologieën en maakt u kennis met hun combinatie in lagen, deep learning genoemd.