了解人工智能

人工智能包括机器和特殊计算机系统对人类智能的模拟过程。 人工智能的例子包括学习、推理和自我纠正。 人工智能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，它处理可以学习任何新数据和数据模式的系统和算法。

让我们关注下面提到的维恩图，以了解机器学习和深度学习的概念。

机器学习包括机器学习的一部分，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的能力是提高观察数据的性能。 数据转换的主要动机是提高其知识以便在未来取得更好的结果，提供更接近特定系统所需输出的输出。 机器学习包括"模式识别"，其中包括识别数据模式的能力。

应该对模式进行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 −

• 有监督训练
• 无监督训练

有监督训练

监督学习或监督训练包括将训练集作为系统的输入给出的过程，其中每个示例都标有所需的输出值。 这种类型的训练是使用特定损失函数的最小化来执行的，该损失函数表示相对于所需输出系统的输出误差。

After completion of training, the accuracy of each model is measured with respect to disjoint examples from training set, also called the validation set.

说明"监督学习"的最佳示例是一组照片，其中包含信息。 在这里，用户可以训练模型来识别新照片。

无监督训练

在无监督学习或无监督训练中，包括训练示例，这些示例没有由系统标记它们属于哪个类。 系统寻找具有共同特征的数据，并根据内部知识特征对其进行更改。这类学习算法主要用于聚类问题。

说明"无监督学习"的最佳示例是一堆不包含任何信息的照片，以及带有分类和聚类的用户训练模型。 这种类型的训练算法适用于假设，因为没有给出任何信息。