Umela Inteligencia | 6.4.2020 11:00 | Machine Learning

Zhrnutie prednášky

Prednáška uvádza strojové učenie na príkladoch použitia, od Obamovej volebnej kampane 2008 a kampane za brexit až po Google PageRank, Uber, Netflix či Amazon. Zdôrazňuje, že presnosť modelov rastie s množstvom dát a že voľba metódy závisí od typu úlohy, napríklad numerický odhad verzus klasifikácia. Hlavnou témou je regresia ako základný model strojového učenia, ukázaná na odhade predajnej ceny domu podľa jeho výmery. Vysvetľuje závislú a nezávislú premennú a ukazuje, že odhad z dvoch najbližších domov nevyužije všetky dostupné dáta. Preto sa zavádza lineárna regresia, ktorá cez všetky predaje preloží trendovú priamku.

• - Strojové učenie sa využíva v politických kampaniach, vo vyhľadávaní (Google PageRank) a v službách ako Uber, Netflix či Amazon.
• - Čím viac dát, tým presnejší model; metóda sa vyberá podľa typu úlohy.
• - Model sa často vytvára optimalizačnými algoritmmi a jeho výsledok treba vyhodnotiť (evaluácia).
• - Regresia umožňuje odhadnúť cenu domu podľa jeho výmery v m².
• - Nezávislá premenná (prediktor) je výmera, závislá premenná (odozva) je cena.
• - Odhad z priemeru dvoch najbližších domov ignoruje väčšinu dát.
• - Lineárna regresia vloží do všetkých dát trendovú priamku, podobne ako trendová spojnica v Exceli.

Zhrnutie pripravené s pomocou AI z prepisu videa.