Преглед садржаја:
Последњих година израз „машинско учење“ се појављује на разним дискусијама и форумима, али шта тачно значи? Машинско учење може се дефинисати као метода за анализу података, заснована на препознавању узорака и рачунарском учењу. Састоји се од различитих алгоритама као што су неуронске мреже, стабла одлука, Баиесове мреже итд. Машинско учење користи ове алгоритме за учење из података и враћање скривених увида из података. Процес учења је итераван, па се са новим подацима такође поступа без надзора. Наука да учимо из претходних података и да је користимо за будуће податке није нова, али добија све већу популарност.
Шта је машинско учење?
Иако неки људи верују да машинско учење није ништа боље од традиционалних метода рачунарског програмирања које се и даље користе, многи сматрају да је машинско учење револуција у области вештачке интелигенције (АИ). Они верују да ће помоћу ове технологије машине моћи да науче ствари и раде ствари сопственим искуством, уместо да једноставно следе људским упутствима.
Да бисмо разумели више о значењу машинског учења, можемо га упоредити са традиционалним рачунарским програмирањем. У наредним одељцима биће речи о машинском учењу и његовој разлици од традиционалног програмирања. (За неке од предности и недостатака машинског учења, погледајте Обећања и замке машинског учења.)
