Ein wichtiger Aspekt von MachineLearning ist die Unterscheidung zwischen überwachtem, unüberwachtem und bestärkendem Lernen. Beim überwachten Lernen werden dem Computer beispielhafte Eingaben und die entsprechenden Ausgaben präsentiert, damit er eine Funktion lernt, die die Eingaben den Ausgaben zuordnet. Im Gegensatz dazu erfolgt das unüberwachte Lernen ohne vorherige Kategorisierung der Daten, und der Computer muss selbst Strukturen oder Muster erkennen. Bestärkendes Lernen hingegen konzentriert sich auf die Interaktion mit einer Umgebung, um durch Versuch und Irrtum eine Strategie zu entwickeln, die die Belohnung maximiert. Die Entwicklung von MachineLearning-Modellen und -Algorithmen hat in den letzten Jahren rasant zugenommen, was zu einer Vielzahl von Anwendungen in verschiedenen Branchen geführt hat. Du findest wissenschaftliche Arbeiten zu MachineLearning als PDF und eBook, viele auch als Print-on-Demand, bei GRIN.
Wissenschaftliche Texte zu MachineLearning
MachineLearning bezeichnet eine Teilmenge der künstlichen Intelligenz, die sich mit der Entwicklung von Algorithmen und statistischen Methoden beschäftigt, um Computer dazu zu bringen, ohne explizite Programmierung zu lernen. Dieses Feld wird vorwiegend in der Informatik und angrenzenden Disziplinen wie der Datenwissenschaft und der Neuroinformatik verhandelt. MachineLearning ermöglicht es Computern, aus Erfahrungen zu lernen und ihre Leistung zu verbessern, was in vielen Anwendungsbereichen wie Bild- und Spracherkennung, Empfehlungssystemen und Expertensystemen eingesetzt wird.
5
Veröffentlichungen