Lära från data
Förstå artificiell intelligens
Maarten Van den Broeck
Senior Content Developer at DataCamp
AI-funktioner och relaterade områden
AI-funktioner och relaterade områden
Introduktion till maskininlärning (ML)
Maskininlärning: lär från data och identifierar mönster
Introduktion till maskininlärning (ML)
Maskininlärning: lär från data och identifierar mönster
Introduktion till maskininlärning (ML)
Maskininlärning: lär från data och identifierar mönster
Introduktion till maskininlärning (ML)
Maskininlärning: lär från data och identifierar mönster
Introduktion till maskininlärning (ML)
Maskininlärning: lär från data och identifierar mönster
Övervakad inlärning: klassificering
Övervakad inlärning: klassificering
Övervakad inlärning: regression och prognoser
Regression: tilldela varje datapunkt ett numeriskt utdata eller etikett baserat på dess indata
Tidsserieprognoser: förutsäg framtida värden för en variabel utifrån dess historiska beteende
Oövervakad inlärning och förstärkningsinlärning
Klustring: hitta undergrupper med liknande egenskaper (t.ex. algoritmen k-means)
Anomalidetektion: identifiera avvikande datapunkter, t.ex. ovanliga korttransaktioner
Associationsregelanalys: hitta vanliga samförekomster av varor i transaktionsdata
Förstärkningsinlärning: lär genom erfarenhet (försök och misstag) för att bemästra komplexa uppgifter
Vad är djupinlärning?
Mycket avancerade modeller baserade på djupa neurala nätverk: löser utmanande uppgifter där klassiska ML-modeller når sina gränser
Lär från data på liknande sätt som en mänsklig hjärna
Kräver stora datamängder: ibland miljontals observationer
Vad är djupinlärning?
Mycket avancerade modeller baserade på djupa neurala nätverk: löser utmanande uppgifter där klassiska ML-modeller når sina gränser
Kräver stora datamängder: ibland miljontals observationer
