人工智能简介

人工智能包括机器和特殊计算机系统对人类智能的模拟过程。人工智能的例子包括学习，推理和自我纠正。AI的应用包括语音识别，专家系统，图像识别和机器视觉。

机器学习是人工智能的一个分支，它处理可以学习任何新数据和数据模式的系统和算法。

让我们关注下面提到的维恩图，以了解机器学习和深度学习概念。

机器学习包括机器学习的一部分，深度学习是机器学习的一部分。遵循机器学习概念的程序的能力是改善其观察数据的性能。数据转换的主要动机是提高其知识，以便在未来取得更好的结果，提供更接近该特定系统所需输出的输出。机器学习包括“模式识别”，其包括识别数据中的模式的能力。

应该训练模式以期望的方式显示输出。

机器学习可以通过两种不同的方式进行培训 -

• 监督培训
• 无人监督训练

1. 监督学习

监督学习或监督训练包括将训练集作为系统的输入给出的过程，其中每个示例用期望的输出值标记。使用特定损失函数的最小化来执行这种类型的训练，该特定损失函数表示相对于期望输出系统的输出误差。

在完成训练之后，针对来自训练集的不相交示例(也称为验证集)测量每个模型的准确度。

“监督学习”的最好例子是一堆包含信息的照片，用户可以训练模型以识别新照片。

2. 无监督学习

在无监督学习或无监督训练中，包括训练样本，这些训练样本没有被其所属的系统标记。系统寻找具有共同特征的数据，并根据内部知识特征对其进行更改。这种类型的学习算法主要用于聚类问题。

说明“无监督学习”的最好例子是一堆没有信息的照片和用户训练模型的分类和聚类。这种类型的训练算法与假设条件一起工作，因为没有给出信息。