Machine learning

Machine learning is een breed onderzoeksveld binnen kunstmatige intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.

De methodes zijn te verdelen in twee ruwe categorieën: aanleidinggevend en deductief. Aanleidinggevende methodes creëren computerprogramma’s door het vormen van regels of het extraheren van patronen uit data. Deductieve methoden hebben als resultaat een functie die net zo generiek is als de invoerdata.

Machine learning is sterk gerelateerd aan statistiek, aangezien beide velden de studie van data analyseren. Machine learning is meer gericht op de algoritmische complexiteit of de implementatie in programma’s. Het is ook gerelateerd aan datamining, waarin op een geautomatiseerde manier patronen en relaties worden gezocht in grote hoeveelheden data.

Methodes voor machinaal leren zijn onderverdeeld in een typologie, met als belangrijkste:

* gecontroleerd leren; het algoritme krijgt voorbeelden van invoer en bijbehorende uitvoer. Het leert op basis van deze voorbeelden hoe de eigenschappen van de invoer bepalend zijn voor de uitvoer. Na de leerfase kan het algoritme ook voor nieuwe invoer zelfstandig de juiste uitvoer produceren. Een veel gebruikte probleemvorm is classificatie, waarbij de invoerelementen ingedeeld moeten worden in groepen.

* ongecontroleerd leren; er zijn geen voorbeelden van de gewenste uitvoer; het algoritme ontdekt zelf een structuur in de gegeven invoer. Dit kan bijvoorbeeld door de invoer te verdelen in groepen van elementen die op elkaar lijken

* ondersteund leren; het algoritme leert een gedrag in relatie tot zijn wereld en op basis van zijn succes past het zichzelf aan. Een goed voorbeeld is een genetisch algoritme

The Data Bakery begeleidt machine learning projecten vanaf de inventarisatie tot en met de implementatie en het onderhoud.