Introduction à l’IA pour les apprenants

Nous avons vu l’IA comme une expression à la mode depuis des années à peine, le but derrière cela peut être la grande quantité d’informations créées par les applications, l’expansion du contrôle des calculs au cours des années précédentes à peine et l’amélioration des calculs.

L’IA est utilisée partout, de la mécanisation d’entreprises banales à l’offre de connaissances pointues, les entreprises de chaque division s’efforçant d’en tirer profit. Il se peut que vous utilisiez actuellement un gadget qui l’utilise. Par exemple, un traceur de bien-être portable comme Fitbit, ou un associé de maison malin comme Google Home. Cependant, les cas d’utilisation du ML sont beaucoup plus nombreux.

Prévision – L’IA peut également être utilisée dans les cadres d’attente. En pensant au modèle de crédit, pour enregistrer la probabilité d’une déficience, le cadre doit caractériser les informations accessibles dans les rassemblements.

Reconnaissance d’image – L’IA peut également être utilisée pour l’identification du visage sur une image. Il existe une classe différente pour chaque individu dans une base de données de quelques personnes.

Reconnaissance du discours – Il s’agit de l’interprétation des mots exprimés verbalement dans le contenu. Elle est utilisée dans les recherches vocales et le ciel est la limite à partir de là. Les interfaces utilisateur vocales intègrent la numérotation vocale, le guidage d’appel et le contrôle des machines. Elle peut également être utilisée pour une section d’informations de base et pour la présentation de rapports organisés.

Analyse thérapeutique – La ML est préparée pour percevoir les tissus malins.

Industrie et échanges monétaires – les organisations utilisent le blanchiment d’argent dans les examens d’extorsion et les vérifications de crédit.

Qu’est-ce que l’apprentissage automatique ?

Selon Arthur Samuel, les calculs d’IA permettent aux PC de tirer profit de l’information, et même de se développer, sans être modifiés de manière non équivoque.

AI (ML) est une classification d’un calcul qui permet aux applications de programmation de s’avérer progressivement exactes dans l’anticipation des résultats sans être expressément modifiées. La raison essentielle de l’IA est de fabriquer des calculs qui peuvent obtenir des informations d’entrée et utiliser des investigations mesurables pour anticiper un rendement tout en rafraîchissant les rendements au fur et à mesure que de nouvelles informations deviennent accessibles.

Types d’IA ?

L’IA peut être classée en 3 types de calculs.

Apprentissage réglementé – [Lien à venir dans un futur blog]

Unaided Learning – [Lien à venir dans un futur blog]

Fortification Learning – [Lien à venir dans un futur blog]

Examen du calcul de l’apprentissage dirigé

Dans l’apprentissage dirigé, un cadre de renseignement informatisé reçoit des informations qui sont nommées, ce qui implique que chaque donnée est étiquetée avec la bonne marque.

L’objectif est d’estimer la capacité de cartographie si bien que lorsque vous disposez de nouvelles informations d’entrée (x), vous pouvez prévoir les facteurs de rendement (Y) pour ces informations.

Comme indiqué dans le modèle ci-dessus, nous avons d’abord pris quelques données et les avons estampillées “spam” ou “non spam”. Ces données nommées sont utilisées par le modèle de préparation réglementé, ces données sont utilisées pour préparer le modèle.

Lorsqu’il est préparé, nous pouvons tester notre modèle en le testant avec de nouveaux envois et la vérification du modèle peut prévoir le rendement correct.

Types d’apprentissage dirigé

Ordre : Une question de regroupement est un point auquel la variable de rendement est une classe, par exemple, “rouge” ou “bleu” ou “maladie” et “pas d’infection”.

Une rechute : Une rechute est un moment où la variable de rendement a une valeur réelle, par exemple, “dollars” ou “poids”.

Diagramme du calcul de l’apprentissage non assisté

Dans l’apprentissage non assisté, un cadre de renseignement créé par l’homme reçoit des informations non étiquetées et non catégorisées et les calculs du cadre suivent les informations sans préparation préalable. Le rendement dépend des calculs codés. L’exposition d’un cadre à l’apprentissage non assisté est une méthode pour tester l’intelligence artificielle.

Dans le modèle ci-dessus, nous avons donné à notre modèle quelques caractères qui sont “Ducks” et “Not Ducks”. Dans nos informations de préparation, nous ne donnons aucun nom aux informations de comparaison. Le modèle solo peut isoler les deux personnages en jetant un coup d’œil au type d’information et modélise la structure fondamentale ou la dispersion de l’information afin de s’y familiariser.

Types d’apprentissage en solo

Regroupement : une question de regroupement est un endroit où vous devez trouver les regroupements caractéristiques dans l’information, par exemple, rassembler des clients en obtenant un comportement.

Affiliation : Une question d’apprentissage des règles d’affiliation est l’endroit que vous devez trouver décide de représenter d’énormes pans de vos informations, par exemple, les personnes qui achètent X achèteront en plus en général Y.

Diagramme de l’apprentissage de la fortification

Un calculateur d’apprentissage de fortification, ou opérateur, apprend en coopérant avec son état. L’opérateur est rémunéré en exécutant avec précision et est sanctionné en cas d’erreur. Le spécialiste prend le relais sans la médiation d’un humain en amplifiant sa récompense et en limitant sa punition. Il s’agit d’une sorte de programmation unique qui entraîne les calculs en utilisant un arrangement de rémunération et de discipline.

Dans le modèle ci-dessus, on peut voir que l’opérateur dispose de 2 alternatives, par exemple, une voie avec l’eau ou une voie avec le feu. Un calcul de soutien permet d’établir un cadre de rémunération, par exemple dans le cas où l’opérateur utilise la voie avec feu, les prix sont alors soustraits et les spécialistes tentent de découvrir qu’il doit maintenir une distance stratégique par rapport à la voie avec feu. Dans le cas où il aurait choisi la voie navigable ou la voie abritée, à ce moment-là, quelques unes auraient été ajoutées aux points de récompense, le spécialiste à ce moment-là essaierait de réaliser quelle voie est protégée et quelle voie ne l’est pas.

Il s’agit essentiellement d’utiliser les prix acquis, l’opérateur améliore ses informations d’état pour choisir l’activité suivante