Koncepcje uczenia maszynowego

Wprowadzenie do uczenia maszynowego

Lis Sulmont

Curriculum Manager, DataCamp

Trzy rodzaje uczenia maszynowego

$$

1) Uczenie przez wzmacnianie

2) Uczenie nadzorowane

3) Uczenie nienadzorowane

Dane treningowe

• Dane treningowe: istniejące dane do nauki
• Trenowanie modelu: budowanie modelu na podstawie danych
  • Może trwać od nanosekund do tygodni

Dane treningowe – uczenie nadzorowane

Dane treningowe – uczenie nadzorowane

Dane treningowe – uczenie nadzorowane

Dane treningowe – uczenie nadzorowane

Dane treningowe – uczenie nadzorowane

Po treningu (uczenie nadzorowane)

Po treningu (uczenie nadzorowane)

Po treningu (uczenie nadzorowane)

Uczenie nadzorowane vs nienadzorowane

• Uczenie nadzorowane
  • Dane treningowe są „oznaczone"
• Uczenie nienadzorowane
  • Dane treningowe zawierają tylko cechy
  • Zastosowania:
    • Wykrywanie anomalii
    • Klastrowanie, np. podział danych na grupy

Dane treningowe – uczenie nienadzorowane

Dane treningowe – uczenie nienadzorowane

Po treningu (uczenie nienadzorowane)

Uczenie nienadzorowane

• W praktyce dane nie zawsze mają etykiety
  • Etykietowanie wymaga ręcznej pracy
  • Etykiety mogą być nieznane
• Bez etykiet: model jest nienadzorowany i sam wykrywa wzorce

Czas na ćwiczenia!

Wprowadzenie do uczenia maszynowego