Învățarea automată: Generarea artificială de cunoştinţe din experienţă

Învățarea automată (Machine Learning, ML) ca domeniu al informaticii a început în urmă cu șapte decenii cu idei despre dezvoltarea algoritmilor care pot învăța automat din date pentru a obține cunoștințe din experiență și pentru a-și îmbunătăți treptat comportamentul de învățare. Definiția originală a fost „generarea artificială de cunoștințe din experiență”, iar primele studii au fost efectuate cu jocuri [18]. În timp ce statisticile urmăreau să ofere unui om instrumentele de analiză manuală a datelor, scopul ML a fost încă de la început să înlocuiască omul și, în mod similar, așa cum facem noi oamenii, să învețe automat din date pentru a face predicții și a lua decizii. În consecință, ML a fost întotdeauna un domeniu de interes suprapus între știința cognitivă și informatică [19].

Domeniul a progresat enorm în ultimele două decenii cu succese de aplicare în diverse domenii, de la astronomie la zoologie, în mare parte datorită disponibilității a ceea ce se numește „Big Data”, colectate de date de la sateliți, telescoape, mașini de mare capacitate, rețele de senzori, dispozitive inteligente. telefoane etc. [20]. Exemplele de bune practici de astăzi includ vehicule autonome, sisteme de recomandare sau înțelegerea limbajului natural [21]. În cele din urmă, succesele convingătoare ale abordărilor rețelelor de credință profundă [4,22] au făcut acest domeniu foarte proeminent.

Între timp, industria de la Amazon până la Zalando investește mult în cercetare, deoarece prevăd un potențial de afaceri enorm în viitorul apropiat, care, de asemenea, stimulează cooperarea fructuoasă între mediul academic și industrie și chiar și companiile mici au identificat valoarea ML pentru rezolvarea unei game largi de probleme relevante pentru afaceri [23].

Informatica sănătății este printre cele mai mari provocări de aplicare, ceea ce nu este surprinzător, deoarece medicina este un bun exemplu pentru un domeniu plin de incertitudine, în care ne confruntăm constant cu probabilități, necunoscute, incomplete, eterogene, zgomotoase, murdare, eronate, inexacte, și seturi de date lipsă în spații dimensionale arbitrar ridicate, ceea ce ridică mari provocări pentru ML [24,25].

Referințe

18. Samuel, A.L. Some studies in machine learning using the game of checkers. IBM J. Res. Dev. 1959, 3, 210–229. [Google Scholar] [CrossRef]
19. Tenenbaum, J.B.; Kemp, C.; Griffiths, T.L.; Goodman, N.D. How to grow a mind: Statistics, structure, and abstraction. Science 2011, 331, 1279–1285. [Google Scholar] [CrossRef] [PubMed]
20. Bell, G.; Hey, T.; Szalay, A. Beyond the Data Deluge. Science 2009, 323, 1297–1298. [Google Scholar] [CrossRef] [PubMed]
21. Jordan, M.I.; Mitchell, T.M. Machine learning: Trends, perspectives, and prospects. Science 2015, 349, 255–260. [Google Scholar] [CrossRef] [PubMed]
22. Hinton, G.E.; Osindero, S.; Teh, Y.W. A fast learning algorithm for deep belief nets. Neural Comput. 2006, 18, 1527–1554. [Google Scholar] [CrossRef] [PubMed]
23. Henke, N.; Bughin, J.; Chui, M.; Manyika, J.; Saleh, T.; Wiseman, B.; Sethupathy, G. The Age of Analytics: Competing in a Data-Driven World; Mckinsey Company: New York, NY, USA, 2016. [Google Scholar]
24. Holzinger, A.; Dehmer, M.; Jurisica, I. Knowledge Discovery and interactive Data Mining in Bioinformatics—State-of-the-Art, future challenges and research directions. BMC Bioinform. 2014, 15 (Suppl. 6), I1. [Google Scholar] [CrossRef] [PubMed]
25. Lee, S.; Holzinger, A. Knowledge Discovery from Complex High Dimensional Data. In Solving Large Scale Learning Tasks. Challenges and Algorithms, Lecture Notes in Artificial Intelligence, LNAI 9580; Michaelis, S., Piatkowski, N., Stolpe, M., Eds.; Springer: Cham, Switzerland, 2016; pp. 148–167. [Google Scholar] [CrossRef]

Sursa: Holzinger, A. Introduction to MAchine Learning & Knowledge Extraction (MAKE). Mach. Learn. Knowl. Extr. 2019, 1, 1-20. https://doi.org/10.3390/make1010001. Licența CC BY 4.0. Traducere și adaptare © 2024 Nicolae Sfetcu

Statistica pentru afaceri

Instrumentul esențial pentru decizii inteligente în mediul de afaceri!

Nu a fost votat 18.33 lei – 39.28 leiInterval de prețuri: 18.33 lei până la 39.28 lei Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.

Big Data: Modele de afaceri – Securitatea megadatelor

Nu rata oportunitatea de a rămâne competitiv într-o lume bazată pe date!

Nu a fost votat 18.33 lei – 27.52 leiInterval de prețuri: 18.33 lei până la 27.52 lei Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.

Căutarea, extragerea, organizarea și evaluarea informațiilor

Transformă informația în putere cu ajutorul acestei cărți indispensabile!

Nu a fost votat 18.33 lei – 44.15 leiInterval de prețuri: 18.33 lei până la 44.15 lei Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.