Was ist maschinelles Lernen?
Maschinelles Lernen ist ein Bereich der Informatik, der statische Technologien verwendet, um Computersystemen die Fähigkeit zu geben, mit Daten, ohne zu „Lernen“. wird explizit programmiert.
Das heißt, "ML dreht sich alles um das Lernen aus Daten"
Explizite Programmierung bedeutet, Codes für jedes Szenario zu schreiben, um diese Situation zu bewältigen.
Beim maschinellen Lernen anstatt expliziten Code für jedes Szenario zu schreiben, trainieren wir Modelle, um Muster aus Daten zu lernen, sodass sie Vorhersagen oder Entscheidungenfür ungesehene Situationen.
Eingabe und Ausgabe, schreiben aber keinen Code für jeden einzelnen Fall. ML-Algorithmen verarbeiten sie automatisch.
Ein einfaches Beispiel kann sein:
Summationsfunktion:
Bei der expliziten Programmierung schreiben wir zum Addieren von zwei Zahlen spezifischen Code, der nur für diesen Fall funktioniert. Dieser Code funktioniert nicht zum Hinzufügen von 5 oder N Zahlen ohne Änderung.Im Gegensatz dazu können wir mit ML eine Excel-Datei bereitstellen, in der jede Zeile unterschiedliche Zahlen und deren Summe enthält. Während der ML-Algorithmus diesen Datensatz trainiert, lernt er das Additionsmuster. Wenn in Zukunft 2, 10 oder N Zahlen gegeben werden, kann es die Addition basierend auf dem erlernten Muster durchführen, ohne dass für jedes Szenario ein spezifischer Code erforderlich ist.
Wo verwenden wir ML?
- E-Mail-Spam-Klassifizierer:
Stellen Sie sich nun vor, ein Werbeunternehmen erkennt, dass es einen solchen Algorithmus gibt, um seinen Spam zu erkennen. Anstatt also „Huge“ dreimal zu wiederholen, verwenden sie Synonyme wie „Huge“, „Massive“ und „Big“. In diesem Fall würde die ursprüngliche Regel nicht funktionieren. Was wäre die Lösung? Sollte ich meine bisherigen Algorithmen noch einmal ändern? Wie oft werde ich das schaffen?
In
ML lernt das Modell aus den bereitgestellten Daten und erstellt automatisch Algorithmen basierend auf diesen Daten. Wenn sich die Daten ändern, passt sich der Algorithmus entsprechend an. Der Algorithmus muss nicht manuell geändert werden, er aktualisiert sich je nach Bedarf auf der Grundlage der neuen Daten.
- Bildklassifizierung:
expliziten Programmierung für die Bildklassifizierung müssten wir manuell Regeln schreiben, um Merkmale eines Hundes wie Form, Größe, Fellfarbe oder Schwanz zu identifizieren. Diese Regeln würden nur für bestimmte Bilder funktionieren und ließen sich nicht gut auf alle Hunderassen übertragen. Wenn wir auf neue Rassen oder Variationen stoßen würden, müssten wir für jede neue Regeln hinzufügen.
InML statt spezifische Regeln zu schreiben, stellen wir dem Modell einen großen Datensatz von Hundebildern zur Verfügung, die nach Rasse gekennzeichnet sind. Das Modell lernt dann Muster aus den Daten, etwa die gemeinsamen Merkmale verschiedener Rassen, und verwendet dieses erlernte Wissen, um neue Hundebilder zu klassifizieren, auch wenn es genau diese Rassen noch nie zuvor gesehen hat. Der Algorithmus passt sich automatisch an Schwankungen der Daten an.
Außerdem gibt es tausende Einsatzmöglichkeiten von ML. Sie fragen sich vielleicht,
Warum war maschinelles Lernen vor 2010 nicht so beliebt?
- Begrenzte Speicherkapazität machte es aufgrund des Mangels an Festplatten schwierig, große Datenmengen zu speichern.
- Es waren nicht genügend Daten verfügbar, um Modelle für maschinelles Lernen effektiv zu trainieren.
- Hardwareeinschränkungen, wie etwa weniger leistungsstarke GPUs und Prozessoren, schränkten die Fähigkeit ein, komplexe Algorithmen effizient auszuführen.
Vielen Dank, dass Sie sich die Zeit genommen haben, dies durchzulesen.
Das obige ist der detaillierte Inhalt vonEinführungen in ML. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python zeichnet sich in Gaming und GUI -Entwicklung aus. 1) Spielentwicklung verwendet Pygame, die Zeichnungen, Audio- und andere Funktionen bereitstellt, die für die Erstellung von 2D -Spielen geeignet sind. 2) Die GUI -Entwicklung kann Tkinter oder Pyqt auswählen. Tkinter ist einfach und einfach zu bedienen. PYQT hat reichhaltige Funktionen und ist für die berufliche Entwicklung geeignet.

Python eignet sich für Datenwissenschafts-, Webentwicklungs- und Automatisierungsaufgaben, während C für Systemprogrammierung, Spieleentwicklung und eingebettete Systeme geeignet ist. Python ist bekannt für seine Einfachheit und sein starkes Ökosystem, während C für seine hohen Leistung und die zugrunde liegenden Kontrollfunktionen bekannt ist.

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Laden Sie Gurkendateien in Python 3.6 Umgebungsbericht Fehler: ModulenotFoundError: Nomodulennamen ...


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Herunterladen der Mac-Version des Atom-Editors
Der beliebteste Open-Source-Editor

SAP NetWeaver Server-Adapter für Eclipse
Integrieren Sie Eclipse mit dem SAP NetWeaver-Anwendungsserver.

PHPStorm Mac-Version
Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool

Dreamweaver CS6
Visuelle Webentwicklungstools

mPDF
mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),