Recentemente ho iniziato a esplorare il campo dell'apprendimento automatico (ML). Penso di capire la differenza tra ML e AI ad alto livello, ma volevo capire più accuratamente le differenze tra questi concetti comunemente usati.
Dopo alcune ricerche, sono uscito con i seguenti limiti per questi domini. Sono corretto qui o è qualcosa di impreciso?
-
AI: - AI è l'intelligenza data alla macchina per simulare l'intelligenza umana come rispondere e comportarsi in una circostanza. Può includere l'apprendimento automatico, l'elaborazione del linguaggio naturale, la robotica, Intelligenza generale o intelligenza artificiale strong, Altri. È un superset di ML
-
ML: - ML è un campo specifico di IA che aiuta a sviluppare il programma sulla base di dati di esempio (dati di allenamento) invece di regole di hardcoding / programmazione come somma / moltiplicazione. Fondamentalmente l'apprendimento automatico sta imparando dai dati passati e quindi prevede / classifica l'input dato. Può ad esempio aiutare nel motore di raccomandazione / rilevamento di frodi / elaborazione delle immagini ecc.
-
Apprendimento approfondito: - DL è un ulteriore sottoinsieme di ML e più profondo di così. In ML, il software in anticipo conosce le caratteristiche dei dati di allenamento e il loro output classifica ma in DL, l'algoritmo stesso identifica le caratteristiche / gli attributi rilevanti dei dati di allenamento.
-
NN: - La rete neurale è un gruppo specifico di algoritmi utilizzati per l'apprendimento automatico che modella i dati usando i grafici dei neuroni artificiali, quei neuroni sono un modello matematico che "imita approssimativamente come un neurone nel cervello funziona ". Quindi possiamo dire che ML / DL usa Ngo algo per fare il loro lavoro
-
Data mining: - Data mining significa utilizzare Statistiche e altri metodi di programmazione per trovare pattern nascosti nei dati in modo da poter spiegare alcuni fenomeni. Data Mining crea intuizione su ciò che sta realmente accadendo in alcuni dati ed è ancora poco più rivolto alla matematica che alla programmazione, ma utilizza entrambi. Machine Learning utilizza tecniche di Data Mining e altri algoritmi di apprendimento per creare modelli di ciò che accade dietro alcuni dati in modo che possa prevedere i risultati futuri
Qui la fonte che ho usato per identificare questi limiti:
