Главная идея: одна цель, три способа обучения
В предыдущих уроках вы узнали, что машинное обучение (МО) — это когда компьютер сам находит закономерности в данных, вместо того чтобы следовать написанным вручную правилам. Но не все задачи обучения выглядят одинаково. Иногда у нас есть «учитель», который показывает компьютеру правильные ответы. Иногда есть лишь гора данных и никаких ответов. А иногда данных нет вовсе — машина должна учиться, пробуя действия и наблюдая, что из этого выходит.
Эти три ситуации дают нам три классических вида машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением. Почти каждая система искусственного интеллекта, с которой вы сталкиваетесь — спам-фильтры, музыкальные рекомендации, игровые боты, — относится к одному из этих семейств. Понимая, что есть что, вы многое узнаёте о том, как система была построена и какие данные ей понадобились.
Цели обучения
- Объяснять, что такое обучение с учителем, и различать его две разновидности: классификацию и регрессию.
- Объяснять, что такое обучение без учителя, и описывать кластеризацию на повседневных примерах.
- Описывать обучение с подкреплением, используя слова агент, действие, среда и награда.
- Сравнивать три вида обучения по нужным им данным, цели и типичным применениям.
- Узнавать термины обучение с частичным привлечением учителя (semi-supervised) и самообучение (self-supervised), когда вы их слышите.