了解人工智能

人工智能包括机器和专用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，它涉及可以学习任何新数据和数据模式的系统和算法。

让我们重点关注下面提到的维恩图来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部分，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其观察数据的性能。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。

应该训练这些模式以期望的方式显示输出。

机器学习可以通过两种不同的方式进行训练 -

监督学习

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期望的输出值。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。

训练完成后，根据训练集（也称为验证集）中不相交的示例来测量每个模型的准确性。

说明“监督学习”的最好例子是一堆包含信息的照片。在这里，用户可以训练模型来识别新照片。

在无监督学习或无监督训练中，包括训练示例，这些示例没有被系统标记为所属类别。系统寻找具有共同特征的数据，并根据内部知识特征改变它们。这类学习算法基本上用于聚类问题。

说明“无监督学习”的最佳示例是使用一堆不包含任何信息的照片，并且用户通过分类和聚类来训练模型。这种类型的训练算法在假设下工作，因为没有给出任何信息。