Învățarea din date
Înțelegerea Inteligenței Artificiale
Maarten Van den Broeck
Senior Content Developer at DataCamp
Funcții și domenii AI
Funcții și domenii AI
Introducere în Machine Learning (ML)
Machine Learning: învățare din date și identificarea tiparelor
Introducere în Machine Learning (ML)
Machine Learning: învățare din date și identificarea tiparelor
Introducere în Machine Learning (ML)
Machine Learning: învățare din date și identificarea tiparelor
Introducere în Machine Learning (ML)
Machine Learning: învățare din date și identificarea tiparelor
Introducere în Machine Learning (ML)
Machine Learning: învățare din date și identificarea tiparelor
Învățare supervizată: clasificare
Învățare supervizată: clasificare
Învățare supervizată: regresie și prognoză
Regresie: atribuirea fiecărei observații o valoare numerică de ieșire sau etichetă pe baza intrărilor
Prognoza seriilor de timp: predicția valorilor viitoare ale unei variabile pe baza comportamentului trecut
Învățare nesupervizată și prin recompensă
Clustering: identificarea subgrupurilor cu caracteristici similare (ex. algoritmul k-means)
Detectarea anomaliilor: identificarea observațiilor anormale, ex. tranzacții bancare neobișnuite
Reguli de asociere: identificarea co-aparițiilor frecvente ale articolelor în date tranzacționale
Învățare prin recompensă: învățare prin experiență (încercare și eroare) pentru stăpânirea unor sarcini complexe
Dar Deep Learning?
Modele sofisticate bazate pe rețele neuronale profunde: rezolvă sarcini complexe unde modelele clasice ML devin limitate
Învață din date similar creierului uman
Necesită cantități mari de date: uneori milioane de observații
Dar Deep Learning?
Modele sofisticate bazate pe rețele neuronale profunde: rezolvă sarcini complexe unde modelele clasice ML devin limitate
Necesită cantități mari de date: uneori milioane de observații
