SŁOWNIK POJĘĆ W MARKETINGU

Uczenie maszynowe (Machine learning), czyli co to?

Na czym polega Uczenie maszynowe (Machine learning)?

Definicja
Uczenie maszynowe wykazuje związek ze sztuczną inteligencją, jednak nie jest tym samym. Polega na automatycznym tworzeniu modeli analitycznych, które są w stanie analizować bardzo obszerne dane.

3 ciekawostki o uczeniu maszynowym

1. Nauka maszynowa

Przez proces nauki w przypadku Machine learning rozumie się jako poznawanie wzorców oraz podejmowanie decyzji przez urządzenia bez pełnego udziału człowieka. Dane, które udostępnia się systemom, pozwalają na naukę oraz doskonalenie w sposób automatyczny. Dzięki temu tworzone są algorytmy, które uczą maszynę uczenia się. Nauka ma dążyć do ograniczenia instrukcji wydawanych przez człowieka i samodzielnej pracy komputerów.

2. Zastosowanie uczenia maszynowego

Uczenie maszynowe wykorzystywane jest w wielu branżach, a nawet w życiu codziennym. Wszystko zależy od tego, jaki cel postawiło sobie przedsiębiorstwo, rozpoczynając uczenie maszynowe. Można wykorzystać je do:

zwiększenia sprzedaży,
stworzenia autonomicznego produktu,
stworzenia wyszukiwarki,
rozpoznawania obrazów,
rozpoznawania mowy,
proponowanie postów i stron w przypadku mediów społecznościowych,
diagnostyki medycznej,
tłumaczenia treści stron internetowych, czy aplikacji,
obsługi kart płatniczych i w bankowości.

Oczywiście jest to tylko kilka przykładów, ponieważ zastosowanie uczenia maszynowego jest wykorzystywane jeszcze w wielu innych przypadkach.

3. Rodzaje uczenia maszynowego

Rozróżnia się cztery podstawowe rodzaje uczenia maszynowego. Są to uczenie:

nadzorowane,
półnadzorowane,
nienadzorowane,
wzmocnione.

Obecnie uważa się, że około 70% wykorzystywanych algorytmów to te nadzorowane. Bazują one na oznakowanych zbiorach danych. Natomiast częściowo nadzorowane algorytmy rozpoczynają naukę na danych oznakowanych, a następnie kontynuują ją na tych nienadzorowanych. Z kolei nienadzorowane algorytmy uczenia maszynowego uczą się w oparciu o nieznane zbiory danych. Ostatni z rodzajów uczenia maszynowego oparty jest o algorytmy wzmocnione, czyli uczące się z wykorzystaniem metody prób i błędów.