Základy strojového učení

Strojové učení je podoblast umělé inteligence zabývající se tvorbou programů, které se učí z dat. Strojové učení souvisí s tématem práce s daty, zejména s jejich sběrem a evidencí. V rámci základního přehledu strojového učení najdete na Umíme následující témata:

• princip strojového učení – co to je strojové učení, v čem spočívá rozdíl oproti klasickému programování, na co se strojové učení hodí
• typy úloh, které lze pomocí strojového učení řešit (např. klasifikace, regrese, shlukování)
• postup řešení těchto úloh (např. učení s učitelem a bez učitele, neuronové sítě a jiné modely)
• vyhodnocení naučených modelů (rozlišení mezi generalizací a pouhou memorizací, rozpoznání podučení a přeučení, srovnání kvality různých modelů)
• zkreslení (předpojatost) ve strojovém učení (co to je, jak rozpoznat a co se s tím dá dělat)
• pojmy často používané v textech o strojovém učení