Вместо того чтобы программировать правила вручную, предоставьте алгоритму примеры и позвольте ему находить закономерности. Машинное обучение создает модели, которые улучшаются с увеличением объема данных, и теперь лежит в основе поиска, рекомендаций, обнаружения мошенничества и распознавания речи.

В этой области существует разделение по принципу обучения с учителем. Обучение с учителем использует размеченные данные. Обучение без учителя находит структуру без меток. Обучение с подкреплением учится на основе сигналов вознаграждения посредством взаимодействия. Каждый метод подходит для решения разных задач.

Общие парадигмы обучения

• Обучение под наблюдением на основе меток
• Неконтролируемое обучение на основе структуры
• Обучение с подкреплением на основе вознаграждения
• Полуконтролируемое обучение на основе смешанных данных
• Самостоятельное обучение на основе заданий-подсказок

Данные определяют результаты. Простая модель, построенная на чистых, релевантных данных, часто превосходит сложную модель, построенную на зашумленных данных. Специалисты тратят большую часть своего времени на сбор, очистку и проверку данных, а не на поиск архитектуры.