Вопросы реализации алгоритмов машинного обучения. Общие вопросы о машинном обучении должны быть отправлены в их конкретные сообщества.

Машинное обучение вращается вокруг разработки самообучающихся компьютерных алгоритмов, которые функционируют благодаря обнаружению шаблонов в данных и принятию разумных решений на основе таких шаблонов.

Машинное обучение - это область компьютерных наук, которая возникла в результате изучения теории распознавания образов и вычислительного обучения в области искусственного интеллекта. Машинное обучение исследует создание и изучение алгоритмов, которые могут учиться и делать прогнозы относительно данных. Такие алгоритмы работают путем построения модели из примерных входных данных, чтобы делать управляемые данными прогнозы или решения, а не следовать строго статическим программным инструкциям.

ПРИМЕЧАНИЕ. Если вы хотите использовать этот тег для вопроса, не относящегося непосредственно к реализации, рассмотрите возможность размещения на Computer Science, Вместо этого перекрестная проверкаили Data Science. В противном случае вы, вероятно, не по теме.

Классические проблемы:

Соответствующие алгоритмы:

Приложения:

  • Компьютерное зрение (например, отслеживание объектов, распознавание жестов) computer-vision
  • Распознавание изображений (например, лицо, походка, радужная оболочка глаза, почерк) image-recognitionface-recognitionocr
  • Распознавание речи speech-recognition
  • Распознавание динамиков voice-recognition
  • Обработка естественного языка (NLP) nlp
  • Поиск музыкальной информации (MIR)
  • Биоинформатика bioinformatics
  • Спам-фильтрация spam-filtering
  • Обнаружение аномалий anomaly-detection
  • Автоматическое авто вождение
  • Система рекомендаций recommendation-engine
  • Машинный перевод machine-translation

Програмное обеспечение:

Связанные - теги:

Видео лекции: -