Problemele de învățare automată variază de la joc până la vehicule autonome, cu aplicații pe Internet sau în domeniul medical. Tabelul prezintă câteva aplicații populare din viața reală ale învățării automate.
| Applicație | Descriere |
| Jocul de dame | Un program de calculator învață să joace jocul de dame, își îmbunătățește performanța, determinată de capacitatea sa de a câștiga la diferite clase de sarcini care implică jocul, prin experiența obținută jucând jocuri împotriva lui însuși. |
| Recunoașterea vorbirii | Cele mai sofisticate sisteme de recunoaștere a vorbirii din zilele noastre implementează algoritmi de învățare automată sub anumite forme. Exemplu: sistemul SPHINX [20] învață sunetele și cuvintele specifice vorbitorului din semnalele de vorbire. Diverse metodologii de învățare a rețelelor neuronale pentru interpretarea modelelor Markov ascunse sunt foarte eficiente pentru personalizarea automată a difuzoarelor, dicționarului, zgomotului etc. |
| Vehicule autonome | Modelele de învățare automată sunt în prezent aplicate pentru a conduce vehicule autonome, cum ar fi mașini, drone etc. Exemplu: Google Driver Less Cars, Tesla Cars. Tehnicile de învățare automată sunt, de asemenea, foarte eficiente în controlul aplicațiilor bazate pe senzori. |
| Filtrarea e-mailurilor (spam) | Machine learning can be applied to filter spam emails. The machine learning based model will simply memorize all the emails classified as spam emails by user. When new email arrives in inbox, the machine learning based model will search, compare and based on the previous spam emails. If new email matches any one of them, it will be marked as spam; else it will be moved to user’s inbox.Învățarea automată poate fi aplicată pentru a filtra spamul din e-mailuri. Modelul bazat pe învățarea automată va memora pur și simplu toate e-mailurile clasificate ca e-mailuri spam de către utilizator. Când un nou e-mail sosește în căsuța de e-mail, modelul bazat pe învățarea automată va căuta și va compara pe baza e-mailurilor spam anterioare. Dacă e-mailul nou se potrivește cu oricare dintre ele, acesta va fi marcat ca spam; altfel va fi mutat în căsuța de e-mail a utilizatorului. |
| Robotică și inteligență artificială | Învățarea automată este privită ca o abordare îmbunătățită a rezolvării problemelor. Folosind cunoștințele de bază și datele de instruire cu modele de învățare automată, învățarea poate fi îmbunătățită, ceea ce va duce robotica și IA la nivelurile următoare. |
| Web și social media | • Clasificatoarele bayesiene naive au fost aplicate cu succes în domeniul mineritului de text, poate fi filtrarea spam-ului sau clasificarea paginii web, un e-mail sau orice document. • Facebook folosește bayesiene naive pentru a analiza actualizarea stării exprimând emoții pozitive și negative. • Categorizarea documentelor: Google folosește algoritmul bayesienelor naive pentru clasificarea documentelor. • Clusteringul K-means este folosit de motoarele de căutare precum Google, Yahoo pentru a grupa pagini web prin similaritate. • Apriori este folosit de site-uri web precum Amazon sau Flipkart pentru a recomanda ce articolele sunt cumpărate împreună în mod frecvent. • O altă aplicație comună a lui Apriori este completarea automată Google. Când o persoană tastează un cuvânt, motorul de căutare Google caută alte cuvinte asociate care se potrivesc cu cuvântul introdus anterior. • Analiza sentimentelor pe site-urile de rețele sociale este o problemă tipică de clasificare a textului rezolvată utilizând aplicarea unei varietăți de algoritmi ML [21, 22, 23,24] |
| Domeniul medical | Scorul de severitate a traumatismului și leziunilor TRISS, care este utilizat pe scară largă pentru a prezice mortalitatea la pacienții răniți, a fost dezvoltat inițial de Boyd și colab. folosind regresia logistică. Multe alte scale medicale folosite pentru a evalua severitatea unui pacient au fost dezvoltate folosind regresia logistică. |
| Metode bayesiene | Teorema lui Bayes este una dintre cele mai populare metode de calculare a probabilităților condiționate având în vedere setul de ipoteze. Poate fi folosit pentru a rezolva probleme complexe de știință a datelor și de analiză prin integrarea cu diverse modele și algoritmi de învățare automată. Câteva exemple de probleme din lumea reală care pot fi rezolvate folosind metode bayesiene sunt:• Sugestii pe Netflix • Auto corecție • Detectarea fraudei cu cardul de credit • Clasamentul paginii Google • Recunoastere facială • Prognoza de modelare a climei • Sisteme de tranzacționare cu acțiuni |
Sursa: Jafar Alzubi et al 2018 J. Phys.: Conf. Ser. 1142 012012, licența CC BY 3.0. Traducere: Nicolae Sfetcu
Big Data: Modele de afaceri – Securitatea megadatelor
Termenul megadate (Big Data, date masive) este adesea folosit în mod vag pentru a desemna paleta de algoritmi, tehnologii și sisteme utilizate pentru colectarea datelor de volum și varietate fără precedent și extragerea de valoare din acestea prin calculul masiv … Citeşte mai mult
Tehnologia Blockchain – Bitcoin
Internetul a schimbat complet lumea, cultura şi obiceiurile oamenilor. După o primă fază caracterizată prin transferul liber al informaţiilor, au apărut preocupările pentru siguranţa comunicaţiilor online şi confidenţialitatea utilizatorilor. Tehnologia blockchain asigură ambele aceste deziderate. Relativ nouă, ea are şansa să producă … Citeşte mai mult
Rețele de comunicații 5G
Datorită impactului său așteptat în economie și societate, a cincea generație de telecomunicații mobile (5G) este una dintre cele mai importante inovații ale timpului nostru. Așteptările cresc cu capacitățile de bandă largă ale 5G, accesibile tuturor și peste tot, la … Citeşte mai mult
Lasă un răspuns