masinõppimine

Masinõpe on tehisintellekti valdkond, mis tegeleb arvutite võimega õppida ja parandada oma sooritust kogemuse põhjal ilma iga otsuse käsitsi programmeerimata. Mudelid õpitakse andmetest, et leida mustrid ja seosed ning teha prognoose uute andmete põhjal.

Peamised lähenemisviisid on juhendatud õpe (klassifikatsioon ja regressioon), juhendamata õpe (klastrite leidmine ja andmete struktuuri mõistmine) ning tugevdav õpe (reinforcement learning), kus agent õpib tegutsema keskkonnas ja saama tasu. Juhendatud õppes jagatakse andmed treening- ja testkandjatesse ning mudelit hinnatakse sobivate näitajatega. Juhendamata õppes keskendutakse andmete struktuuri, seoste ja mudelite avastamisele; tugevdavas õpes optimeeritakse toimingute jada pikaajalise tasu maksimeerimiseks.

Tavapärased algoritmid hõlmavad lineaarset ja logistilist regressiooni, otsustuspuud, toetavate vektorite masinaid, k-means klastreerimist ning sügavaid närvivõrke (deep learning). Rakendused ulatuvad arvutinägemisest ja loomuliku keele töötlemisest (NLP) kuni soovitussüsteemide, finantsanalüüsi ja tervishoiuni.

Väljakutsed hõlmavad andmekvaliteeti, üleõppimist, mudelite läbipaistvuse ja selguse puudumist ning privaatsus- ja eetilisi küsimusi.