Kako se uči
UI se lahko uči iz primerov, povratnih informacij ali s pravili.
Poglavje na eni sliki
Primeri ali izkušnje
Kako se uči?
Z oznakamiNadzorovano učenjeBrez oznakIskanje vzorcevZ nagradamiUčenje s krepitvijoS praviliSimbolna UI
Napoved ali odločitev
Razlaga in preverjanje
V tem poglavju
- 1Kaj je strojno učenje?Računalnik se nauči vzorcev iz primerov, namesto da bi programer napisal vsako pravilo.
- 2Tri poti učenja: z oznakami, brez njih in iz podatkov samihRazlične metode uporabljajo različne vrste povratnih informacij.
- 3Kaj je globoko učenje?Globoko učenje je podpodročje strojnega učenja z večplastnimi nevronskimi mrežami.
- 4Kako deluje nevronska mreža?Nevronska mreža spreminja vhod v izhod skozi plasti povezanih računskih enot.
- 5Kaj je učenje s krepitvijo?Sistem izbira dejanja in dobi povratno informacijo o uspehu.
- 6Simbolna UI: pravila, logika in znanjeUI ne temelji samo na velikih mrežah. Obstajajo tudi sistemi, ki delajo z jasnimi pravili.
- 7Iskanje, načrtovanje in optimizacijaKlasična podpodročja UI rešujejo vprašanje: katero možnost izbrati in v kakšnem vrstnem redu?
- 8Vzročnost: kaj povzroča kaj?Večina vzorcev v podatkih nam ne pove samodejno, kaj bo sprememba povzročila.
- 9Bayes in verjetnost: kako sklepati ob negotovosti?V številnih UI sistemih moramo oceniti, kaj je verjetno, kadar ne vemo vsega.
- 10Drevesa odločanja in klasični modeli MLZa veliko nalog ne potrebujemo velikih nevronskih mrež.
- 11Grafi znanja: kako so dejstva povezana?Graf znanja opisuje stvari in povezave med njimi.
- 12UI za mreže: grafovno strojno učenjeGrafovno učenje uporablja vzorce med povezanimi enotami, ne le v posameznih vrsticah podatkov.
- 13Evolucijsko računanje: poskusi, izbira, izboljšanjeNekateri algoritmi iščejo dobre rešitve po zgledu evolucijskih procesov.
- 14Razvrščanje, priporočila in nenavadni dogodkiVelik del UI ne ustvarja vsebin, temveč pomaga prepoznati ali razporediti primere.
- 15Napovedovanje časa: od prodaje do energijeČasovne vrste so meritve, zapisane v zaporedju skozi čas.
- 16Ali se model lahko uči brez zbiranja vseh podatkov?Federativno učenje omogoča sodelovanje več naprav ali organizacij pri učenju, ne da bi se vsi surovi podatki nujno združili.
- 17Kaj je razložljiva UI (XAI)?Razložljivost pomaga razumeti, zakaj je sistem predlagal določeno napoved ali odločitev.