Koncepty strojového učení

Porozumění strojovému učení

Lis Sulmont

Curriculum Manager, DataCamp

Tři typy strojového učení

$$

1) Zpětnovazební učení

2) Učení s učitelem

3) Učení bez učitele

Trénovací data

• Trénovací data: existující data k učení
• Trénování modelu: model se vytváří z trénovacích dat
  • Trvá nanosekundy až týdny

Trénovací data učení s učitelem

Trénovací data učení s učitelem

Trénovací data učení s učitelem

Trénovací data učení s učitelem

Trénovací data učení s učitelem

Po trénování (učení s učitelem)

Po trénování (učení s učitelem)

Po trénování (učení s učitelem)

Učení s učitelem vs. bez učitele

• Učení s učitelem
  • Trénovací data jsou "označená"
• Učení bez učitele
  • Trénovací data mají jen příznaky
  • Užitečné pro:
    • Detekci anomálií
    • Shlukování, např. rozdělení dat do skupin

Trénovací data učení bez učitele

Trénovací data učení bez učitele

Po trénování (učení bez učitele)

Učení bez učitele

• Ve skutečnosti data nejsou vždy označená
  • Označení vyžaduje ruční práci
  • Označení jsou neznámá
• Bez označení: model funguje bez učitele a hledá vlastní vzory

Pojďme cvičit!

Porozumění strojovému učení