Field- область Ability-возможность, способность

Машинное обучение

Машиноведение - это область компьютерных наук, которая дает компьютерным системам возможность «учиться» (то есть постепенно улучшать производительность по конкретной задаче) с данными, не будучи явно запрограммированной.

Имя Machine Learning было придумано в 1959 году Артуром Самуэлем. Из изучения теории распознавания образов и теории вычислительного обучения в искусственном интеллекте машинное обучение исследует изучение и построение алгоритмов, которые могут учиться и делать прогнозы на данных - такие алгоритмы преодолевают следующие строго статические программные инструкции, создавая предсказания или решения, основанные на данных , путем создания модели из ввода образцов. Машинное обучение используется в ряде вычислительных задач, где проектирование и программирование явных алгоритмов с хорошей производительностью является трудным или неосуществимым; примеры приложений включают фильтрацию электронной почты, обнаружение сетевых злоумышленников или вредоносных инсайдеров, работающих в направлении нарушения данных, оптическое распознавание символов (OCR), обучение ранжированию и компьютерное зрение.

Машинное обучение тесно связано с (и часто совпадением) с вычислительной статистикой, которая также фокусируется на прогнозировании с использованием компьютеров. Он имеет прочные связи с математической оптимизацией, которая предоставляет методы, теории и области приложений в поле. Машинное обучение иногда сочетается с интеллектуальным анализом данных, в котором последнее подполе больше фокусируется на анализе разведочных данных и известно как неконтролируемое обучение. Машиноведение также может быть неконтролируемым и использоваться для изучения и установления базовых поведенческих профилей для различных объектов, а затем для поиска значимых аномалий.

В области аналитики данных машинное обучение - это метод, используемый для разработки сложных моделей и алгоритмов, которые поддаются прогнозированию; в коммерческом использовании это называется прогностической аналитикой. Эти аналитические модели позволяют исследователям, ученым-дантистам, инженерам и аналитикам «создавать надежные, повторяемые решения и результаты» и раскрывать «скрытые идеи» посредством изучения исторических отношений и тенденций в данных.