Czym jest uczenie maszynowe ?
Uczenie maszynowe jest analizą procesów uczenia się maszyn oraz tworzenie systemów, które doskonalą swoje działanie na podstawnie doświadczeń z przeszłości.
Uczenie maszynowe wyróżnia dwie grupy metod. Jakie ?
- wykorzystujące symboliczne/indukcyjne uczenie się na przykładach
- oparte o sztuczne sieci neuronowe
Jakie obszary zastosowań ma ML oraz jakie problemy rozwiązuje ? (7 pozycji)
-Rozpoznawanie/przetwarzanie obrazów
- Zastosowanie w robotyce i sterowaniu
- Inteligentne systemy kompresji danych
- Inteligentne systemy edukacyjnej
- Rozumienie ludzkiej mowy i przetwarzanie języka
- Rozpoznawanie pisma
- Uczenie się kierowania pojazdem
Połączeniem jakich dziedzin są metody uczenia maszynowego?
- statystyki
- algebry liniowej
- neurobiologii
- automatyki
- filozofii
Czym jest uczenie w kontekście ML ?
Uczenie to doskonalenie działań dla pewnych zadań na podstawie doświadczenia
Jakie są oczekiwania wobec ML?
Systemy powinny uczyć się, korzystając z wiedzy fragmentarycznej, doskonalić się w trakcie pracy, gromadzić doświadczenia, tworzy nowe pojęcia, indukcyjnie wyciągać wnioski
Pod jakie kategoria podpadają ograniczenia ML ?
- Zależność i niezależność systemu od otoczenia,
- Wiarygodność i poprawność generowanych wniosków.
- Problemy wynikające z niepoprawnego wprowadzania danych.
Jakie postulaty są wysuwane wobec systemów ML ?
- Wszelka wiedza wygenerowana przez maszynę powinna być kontrolowana i oceniana przez człowieka
- Systemy powinny być zdolne do udzielania wyjaśnień
- Tworzona wiedza powinna być wyrażana w formie odpowiadającej opisom przyjętym przez człowieka i jego modelom myślowym
Na jakie (2) sposoby może zmieniać sie system ML ?
1️⃣ System nabywa “nową wiedzę” z zewnętrznych źródeł.
2️⃣ System modyfikuje się samodzielnie poprzez intensywne wykorzystywanie posiadanej już wiedzy w sposób bardziej efektywny
Na czym polega wnioskowanie indukcyjne ?
Wnioskowanie indukcyjne opiera się na zbiorze faktów lub zbiorze hipotez a priori dotyczących tych faktów, a w wyniku daje najprawdopodobniejsze uogólnienie wyjaśniające te fakty
Czym jest dedukcja ?
Dedukcja to wyprowadzenie wniosków które są logiczna konsekwencja posiadanej informacji.
Co obejmują główne paradygmaty badawcze i czym różnią się te podejścia ?
- Modelowanie sieci neuronowych i techniki teorio-decyzyjne
- Symboliczne przyswajanie pojęć
- Uczenie się w wąskiej dziedzinie z intensywnym wykorzystaniem wiedzy
Podejścia te różnią się od siebie pod względem:
- Posiadanej przez system wiedzy a priori
- sposoby reprezentowania i modyfikowania wiedzy w systemie
Jakie są systemy sieci neuronowych (5) ?
- System składa się z sieci wzajemnie powiązanych elementów realizujących funkcje przetwarzania
- system uczy się przyrostowo, poprzez modyfikacje polaczeń miedzy elementami
- system rozpoczyna uczenie od niewielkiej wiedzy początkowej
- charakterystyczne jest wykorzystywanie parametrów zmieniających się w trakcie uczenia w sposób ciągły
- numeryczny charakter: sygnałów wejściowych i przetwarzanych, metod uczenia się
Jakie są cechy symbolicznego przyswajania pojęć ?
- Systemy uczą się budując symboliczna reprezentacje danego zbioru pojęć drogą analizy przykładów i kontrprzykładów tych pojęć
- Tworzone reprezentacje maja postać np.: wyrażeń logicznych, reguł produkcji, drzew decyzyjnych
- Jakościowa/symboliczna postać przetwarzanej informacji
Jakie są strategie uczenia się ?
Podstawowe strategie:
- uczenie na pamięć
- uczenie przez instrukcję
- uczenie przez dedukcję
- uczenie przez analogię
- uczenie przez indukcję
