人工智慧簡介

人工智慧包括機器和特殊計算機系統對人類智慧的模擬過程。人工智慧的例子包括學習，推理和自我糾正。AI的應用包括語音識別，專家系統，影象識別和機器視覺。

機器學習是人工智慧的一個分支，它處理可以學習任何新資料和資料模式的系統和演算法。

讓我們關注下面提到的維恩圖，以了解機器學習和深度學習概念。

機器學習包括機器學習的一部分，深度學習是機器學習的一部分。遵循機器學習概念的程式的能力是改善其觀察資料的效能。資料轉換的主要動機是提高其知識，以便在未來取得更好的結果，提供更接近該特定系統所需輸出的輸出。機器學習包括「圖形識別」，其包括識別資料中的模式的能力。

應該訓練模式以期望的方式顯示輸出。

機器學習可以通過兩種不同的方式進行培訓 -

• 監督培訓
• 無人監督訓練

1. 監督學習

監督學習或監督訓練包括將訓練集作為系統的輸入給出的過程，其中每個範例用期望的輸出值標記。使用特定損失函式的最小化來執行這種型別的訓練，該特定損失函式表示相對於期望輸出系統的輸出誤差。

在完成訓練之後，針對來自訓練集的不相交範例(也稱為驗證集)測量每個模型的準確度。

「監督學習」的最好例子是一堆包含資訊的照片，使用者可以訓練模型以識別新照片。

2. 無監督學習

在無監督學習或無監督訓練中，包括訓練樣本，這些訓練樣本沒有被其所屬的系統標記。系統尋找具有共同特徵的資料，並根據內部知識特徵對其進行更改。這種型別的學習演算法主要用於聚類問題。

說明「無監督學習」的最好例子是一堆沒有資訊的照片和使用者訓練模型的分類和聚類。這種型別的訓練演算法與假設條件一起工作，因為沒有給出資訊。