Maskinlæring
felt der arbejder med data-drevet kunstig intelligens
Maskinlæring er et underområde indenfor datalogi, som sætter computere i stand til at lære, uden at man eksplicit har programmeret, hvordan læringen foregår. Maskinlæring tager udgangspunkt i data og forsker i, og konstruerer algoritmer, der på basis af en stor mængde eksempeldata, kan finde, sammenhænge og udarbejde forudsigelser.
Maskinlæringsalgoritmer kan opdeles i fem hovedskoler.[1]
- Symbolisterne, som arbejder med induktionsalgoritmer
- Connectionnisterne, der arbejder med backpropagation[-algoritmen] primært gennem [kunstige] neurale netværk
- Evolutionisterne, som arbejder med genetiske algoritmer
- Bayesianisterne, der arbejder med statistisk baserede algoritmer [2]
- Sammenlignerne, der arbejder med algoritmer baseret på at finde de nærmeste naboer [3]
NoterRediger
- ^ Pedro Domingos, Professor of computer science at the University of Washington in Seattle and recipient of the SIGKDD Innovation Award. [1] ? (Website ikke længere tilgængelig) ?
- ^ en:Bayesian network
- ^ en:Cluster analysis, K-nærmeste naboer