Učení z dat

Porozumění umělé inteligenci

Maarten Van den Broeck

Senior Content Developer at DataCamp

Funkce a oblasti AI

Oblasti a funkce AI

Porozumění umělé inteligenci

Funkce a oblasti AI

Oblasti a funkce AI

Porozumění umělé inteligenci

Strojové učení (ML)

Strojové učení: učení z dat a rozpoznávání vzorců

Oblast strojového učení

Porozumění umělé inteligenci

Strojové učení (ML)

Strojové učení: učení z dat a rozpoznávání vzorců

Oblast strojového učení

Porozumění umělé inteligenci

Strojové učení (ML)

Strojové učení: učení z dat a rozpoznávání vzorců

Oblast strojového učení

Porozumění umělé inteligenci

Strojové učení (ML)

Strojové učení: učení z dat a rozpoznávání vzorců

Oblast strojového učení

Porozumění umělé inteligenci

Strojové učení (ML)

Strojové učení: učení z dat a rozpoznávání vzorců

Oblast strojového učení

Porozumění umělé inteligenci

Učení s učitelem: klasifikace

Klasifikace: přiřazení každého datového záznamu do kategorie (třídy), do níž pravděpodobně patří

  • Binární klasifikace: dvě třídy, např. pozitivní/negativní, muž/žena atd.

Binární klasifikace

Porozumění umělé inteligenci

Učení s učitelem: klasifikace

Klasifikace: přiřazení každého datového záznamu do kategorie (třídy), do níž pravděpodobně patří

  • Binární klasifikace: dvě třídy, např. pozitivní/negativní, muž/žena atd.
  • Vícetřídní klasifikace: několik vzájemně výlučných tříd, např. více druhů

Učení s učitelem: k trénování modelu schopného provádět inferenci je nutná anotace dat (označené záznamy se známou třídou)

Vícetřídní klasifikace

Porozumění umělé inteligenci

Učení s učitelem: regrese a predikce

Regrese: přiřazení číselného výstupu nebo štítku každému datovému záznamu na základě jeho vstupů

Regrese pro odhad ceny nemovitosti

Predikce časových řad: předpovídání budoucích hodnot proměnné na základě jejího minulého chování

Predikce časových řad pro počty cestujících autobusem

Porozumění umělé inteligenci

Učení bez učitele a zpětnovazební učení

Shlukování: hledání podskupin dat s podobnými vlastnostmi (např. algoritmus k-means)

Shlukování dat tučňáků

Detekce anomálií: odhalování abnormálních datových záznamů, např. neobvyklých karetních transakcí

Detekce anomálií

Dolování asociačních pravidel: hledání častých společných výskytů položek v transakčních datech

Zjišťování produktů často nakupovaných společně

Zpětnovazební učení: učení zkušeností (metodou pokus–omyl) pro zvládnutí složitého úkolu

Zpětnovazební učení pro navigaci bludištěm

Porozumění umělé inteligenci

A co hluboké učení?

  • Vysoce sofistikované modely založené na hlubokých neuronových sítích: řeší náročné úlohy, kde klasické modely ML selhávají

  • Učí se z dat podobně jako lidský mozek

Potřebují velké množství dat: někdy miliony záznamů

Úlohy hlubokého učení

Porozumění umělé inteligenci

A co hluboké učení?

Vysoce sofistikované modely založené na hlubokých neuronových sítích: řeší náročné úlohy, kde klasické modely ML selhávají

Potřebují velké množství dat: někdy miliony záznamů

Úlohy hlubokého učení

Porozumění umělé inteligenci

Pojďme si procvičit!

Porozumění umělé inteligenci

Preparing Video For Download...