V rámci nášho kurzu o strojovom a hlbokom učení je rozpoznávanie obrazov jednou z najznámejších aplikácií. Ale ako algoritmus dokáže analyzovať obrázky a takmer neomylne v nich detekovať objekty? Poďme to zistiť! Úvod Na oboch týchto obrázkoch určite spoznáte mačku. Aj keď pózy sú odlišné a tieto dve mačky sa… sotva dajú považovať za príbuzné! Rozpoznávanie obrazu ovplyvňuje mnoho faktorov:…
Hlboké učenie umožňuje riešiť zložité problémy vďaka zostaveniu siete mnohých malých matematických funkcií známych ako umelé neuróny. Poďme si vysvetliť, ako to celé funguje. Perceptron Začnime štúdiom minimalistickej siete zloženej z jediného neurónu: perceptronu. Predstavme si, že chceme predpovedať kvalitu vína z určitého vinárstva. Máme k dispozícii 3 premenné: Tieto údaje predstavujú vstupy do neurónu, ktorý na výstupe poskytne odhad…
Hlboké učenie… evokuje predstavu najvyššej formy umelej inteligencie, akéhosi počítačového kúzla schopného robiť zázraky, no ktorého podstatu väčšina z nás nechápe. A to je úplne normálne! Za tým všetkým však stojí racionálne vysvetlenie. Ponorme sa do tajomného sveta tejto umelej inteligencie, ktorá sa odlišuje od všetkých ostatných… Hlboké učenie ako poddoména strojového učenia Predtým, než sa pozrieme pod pokrievku, sa…
Pri učení bez učiteľa sú údaje neoznačené. Algoritmus musí sám nájsť spoločné črty v údajoch. Ako sa však dá niečo také dosiahnuť? Neoznačené údaje Najprv si pripomeňme, čo nazývame „neoznačené“ údaje. Pri učení s učiteľom poznáme hodnoty x a y pre každú jednotku údajov, prípadne aj ďalšie premenné. Výhodou algoritmov strojového učenia je schopnosť spracovať veľké množstvo premenných. Pri učení…
Princíp učenia s učiteľom spočíva v tom, že algoritmu poskytneme označené údaje (labelled data) a umožníme mu samostatne objaviť vzťahy medzi premennými. Ale ako to funguje v praxi? Lineárna regresia Predstavme si, že máme zoznam lodí, pri ktorých poznáme dve premenné: ich dĺžku a cenu. Načrtnime graf, kde na osi x znázorníme dĺžku a na osi y cenu. Potom pridáme…
Strojové učenie spočíva v tom, že algoritmu poskytujeme nástroje na učenie a zlepšovanie namiesto toho, aby sme ho explicitne programovali na riešenie konkrétnych problémov. Aby to bolo možné, „kŕmime“ algoritmus príkladmi. Toto je zjednodušená definícia, no priznajme si, že v skutočnosti je to o niečo zložitejšie. Existujú totiž rôzne metódy učenia, ktoré závisia od dostupných údajov a od cieľov, ktoré…
V prvej kapitole kurzu o strojovom a hĺbkovom učení sme sa stručne dotkli Turingovho stroja. Tento koncept, ktorý položil základy umelej inteligencie a strojového učenia, opísal britský matematický génius Alan Turing (1912–1954) už v roku 1936. Alan Turing, bývalý študent univerzity v Cambridgei, si získal slávu tým, že počas druhej svetovej vojny dešifroval nacistické kódy. Ani tento úspech ho však…
Premýšľali ste niekedy, ako je možné, že vaša obľúbená streamovacia platforma tak presne odhadne, aký film by ste si radi pozreli? Hm… Možno ste si povedali, že za tým musí byť umelá inteligencia. A máte pravdu! Presnejšie povedané, ide o strojové učenie. Nemusíte sa však nechať zastrašiť: spoločne otvoríme túto „čiernu skrinku“ a jednoducho pochopíme, čo sa v nej skrýva.…
Possim sapientem in eos. Cum graecvib appareat neseatusu id illud utam eleifend haseiy sonet tincidunt lodolor sit amet consectetur adipisicing.
