Colloque de Berlin sur l’IA

Les avancées modernes en matière de protection contre la fraude, les astuces sur les articles dans les magasins en ligne, l’efficacité des transports et l’augmentation du nombre de diagnostics médicaux sont quelques-unes des nombreuses façons dont le logiciel de détection de dispositifs crée une grande différence dans nos vies de nos jours. Néanmoins, il existe fondamentalement plusieurs types d’unités découvertes, ainsi qu’une variété de techniques et d’approches particulières pour les utiliser. Dans ce manuel, nous allons décomposer deux des types les plus fréquents – les études supervisées et non supervisées – et explorer leurs variations à l’aide de visuels amusants et de circonstances sur la vraie planète. Bien avant de plonger dans les détails du fonctionnement de la compréhension supervisée et non supervisée, examinons d’abord et distinguons leurs différences. En matière d’apprentissage supervisé, il existe une «vérité fondamentale» qui signifie généralement que nous avons peut-être appris exactement quels devraient être les principes de production. Les réalités du sol sont des présomptions mondiales réelles sur ce que nous savons. À titre d’exemple, les chiens sont des chiens et les chats sont des chats domestiques. C’est peut-être une simplification excessive, mais il est important de noter que nous avons été formés à un moment donné de notre vie quotidienne et que les appareils devront également être formés. D’où l’intention de l’apprentissage surveillé. Dans notre illustration, nous verrons comment une unité peut être qualifiée pour identifier les chiots de chats domestiques. Nous pouvons facilement voir comment les étiquettes sont placées sur les données d’entraînement pour donner une perspective à votre algorithme d’apprentissage de l’unité. N’oubliez pas que l’équipement ne sait pas exactement comment diviser les chatons et les chats des chiens, il sait vraiment ce qu’il a appris jusqu’à présent. C’est pourquoi les informations pédagogiques et les libellés corrects sont vraiment essentiels. Si les données sont bruyantes ou incorrectes, cela peut avoir une incidence sur le calibre de l’appareil étudié. Plus vous consacrerez de temps et d’énergie à la découverte supervisée, plus le résultat sera précis. Il est peu probable que la version soit mise au point pour la première fois, c’est donc autant que quiconque associé à la version de la polir. Il existe de nombreuses stratégies pour la compréhension surveillée, mais deux des plus typiques utilisés actuellement sont la classification et la régression. L’exemple que nous avons utilisé précédemment mentionné des chiens de compagnie critiques de chatons et de chats est considéré comme une classification.