Talaan ng mga Nilalaman:
Sa mga nagdaang taon ang salitang "pag-aaral ng makina" ay nai-pop up sa iba't ibang mga talakayan at forum, ngunit ano ang eksaktong ibig sabihin nito? Ang pagkatuto ng makina ay maaaring matukoy bilang isang pamamaraan para sa pagsusuri ng data, batay sa pagkilala sa pattern at pag-aaral ng computational. Binubuo ito ng iba't ibang mga algorithm tulad ng mga neural network, mga puno ng pagpapasya, mga network ng Bayesian, atbp. Ginagamit ng pag-aaral ng machine ang mga algorithm na ito upang malaman mula sa data at mabawi ang mga nakatagong pananaw mula sa data. Ang proseso ng pag-aaral ay iterative, kaya ang bagong data ay hawakan din nang walang anumang pangangasiwa. Ang agham upang malaman mula sa nakaraang data at gamitin ito para sa hinaharap na data ay hindi bago, ngunit nakakakuha ito ng higit na katanyagan.
Ano ang Pag-aaral ng Makina?
Habang ang ilang mga tao ay naniniwala na ang pag-aaral ng makina ay hindi mas mahusay kaysa sa tradisyonal na mga pamamaraan ng computer programming na ginagamit pa rin, marami ang isinasaalang-alang ang pag-aaral ng makina upang maging isang rebolusyon sa larangan ng artipisyal na intelektwal (AI). Naniniwala sila na ang paggamit ng teknolohiyang ito, matututunan ng mga makina ang mga bagay at gawin ang mga bagay na may sariling karanasan, sa halip na sundin lamang ang mga tagubilin ng tao.
Upang maunawaan ang higit pa tungkol sa kahulugan ng pag-aaral ng makina, maaari naming ihambing ito sa tradisyonal na computer programming. Ang mga sumusunod na seksyon ay tatalakayin ang higit pa tungkol sa pag-aaral ng makina at pagkakaiba nito mula sa tradisyonal na programming. (Para sa ilan sa mga kalamangan at kahinaan ng pag-aaral ng makina, tingnan ang The Promises at Pitfalls ng Machine Learning.)
