理解人工智能

人工智能包括机器和专用计算机系统模拟人类智能的过程。人工智能的例子包括学习、推理和自我修正。AI 的应用包括语音识别、专家系统、图像识别和机器视觉。

机器学习是人工智能的一个分支，它处理能够学习新数据和数据模式的系统和算法。

让我们关注下面的 Venn 图，以理解机器学习和深度学习概念。

机器学习包括机器学习的一个部分，而深度学习是机器学习的一部分。遵循机器学习概念的程序能力是提高其对观测数据的性能表现。数据转换的主要目的是提高其知识，以便在未来取得更好的结果，为该特定系统提供更接近期望输出的输出。机器学习包括模式识别，即识别数据中模式的能力。

这些模式应该被训练以以理想的方式显示输出。

机器学习可以通过两种不同的方式进行训练——

• 监督训练
• 无监督训练

监督学习

监督学习或监督训练包括一个过程，其中训练集作为输入提供给系统，每个示例都标记有期望的输出值。这种类型的训练通过最小化特定损失函数来执行，该函数表示相对于期望输出系统的输出误差。

训练完成后，每个模型的准确性使用来自训练集的不重叠示例进行测量，这些示例也称为验证集。

说明监督学习的最佳例子是一组带有包含信息的照片。在此，用户可以训练模型来识别新照片。

无监督学习

在无监督学习或无监督训练中，包括训练示例，这些示例未被系统标记所属类别。系统寻找共享共同特征的数据，并基于内部知识特征对其进行更改。这种类型的学习算法主要用于聚类问题。

说明无监督学习的最佳例子是一组没有信息的照片，用户使用分类和聚类来训练模型。这种类型的训练算法基于假设工作，因为没有给出信息。