Co je to strojové učení

Co je to strojové učení

Strojové učení (Machine Learning) je vědní disciplína, která se zabývá matematickými algoritmy a strukturami, které mají schopnost naučit se z historických dat obecné znalosti. Tyto znalosti umí uložit a poté je aplikovat na nové situace a předvídat (predikovat) nějaké hodnoty budoucí nebo v daný okamžik neznámé. Strojové učení však neřeší, odkud se data vzala ani to, jak budou využity predikované hodnoty. Stejné algoritmy strojového učení tak lze využít pro řešení naprosto odlišných problémů, které jsou však popsány stejným typem dat.

Hlavní oblasti strojového učení jsou data, modely, chybové funkce a optimalizační algoritmy. V oblasti dat je v současnosti největší problém jejich obrovské množství (big data) a kvalita. U modelů je zase velký problém nalezení vhodné míry předpojatosti. Tedy aby model nebyl ani příliš jednoduchý – nezvládne popsat komplexní vazby mezi daty, nebo naopak příliš složitý – pak se naučí i šum a hlouposti. Další, často nejsložitější problém, je navržení vhodné chybové funkce. Jde o jednočíselné vyjádření toho, jak moc je model dobrý. Poslední částí jsou optimalizační algoritmy. Jedná se o postupy, které nastavují parametry modelu (nebo i jeho strukturu) podle historických dat a snaží se při tom minimalizovat hodnotu chybové funkce.

<< Zpět na všechny často kladené dotazy