Definicja
Uczenie maszynowe (ML) jest obszarem sztucznej inteligencji wykorzystującym algorytmy uczące się wzorców i zależności na podstawie danych zamiast polegać wyłącznie na wcześniej zaprogramowanych regułach.
Proste wyjaśnienie
Model uczy się na podstawie przykładów, aby później rozpoznawać podobne wzorce lub szacować wyniki dla nowych danych.
Dlaczego to ważne
ML umożliwia budowę modeli wykrywających zależności trudne do opisania za pomocą stałych reguł.
Granice pojęcia
Uczenie maszynowe jest częścią sztucznej inteligencji, a nie jej synonimem. System wykorzystujący ML nie jest również automatycznie dokładny, samodzielny ani odpowiedni dla każdej decyzji.
Perspektywa praktyczna
Skuteczność modelu zależy od przydatności i jakości danych, przygotowania zbioru uczącego, wyboru metody oraz walidacji w warunkach, w których model będzie stosowany.
Struktura pojęć
AI obejmuje wiele podejść. ML uczy modele na podstawie danych. Uczenie nadzorowane i nienadzorowane są dwiema metodami ML obok innych podejść, takich jak uczenie ze wzmocnieniem i samonadzorowane.