Porównanie Uczenia Maszynowego Nadzorowanego i Nienadzorowanego

Abstract

Uczenie maszynowe jest poddziedziną nauki o sztucznej inteligencji. Zajmuje się tworzeniem i trenowaniem algorytmów rozwiązywania problemów i usprawniania swoich działań dzięki samodzielnemu uczeniu się. Niniejsza praca skupia się na wyjaśnieniu tego zagadnienia w sposób pozwalający niezaznajomionemu z tematem odbiorcy nie tylko pojąć sens teoretyczny ale również uzyskać podstawowe umiejętności praktyczne, umożliwiające dalszy rozwój w tej dziedzinie. Ważnym zagadnieniem tej pracy jest podział uczenia maszynowego na nadzorowane i nienadzorowane, jak również wyjaśnienie różnic pomiędzy nimi oraz wskazanie ich unikalnych zastosowań i wyzwań które łączą się ich wykorzystaniem. Przedmiotem pracy jest także zastosowanie biznesowe obu omawianych rodzajów uczenia. Praca zawiera nie tylko część teoretyczną ale i praktyczną demonstrację mającą na celu zobrazowanie omawianego zagadnienia w łatwo przyswajalny sposób. Część techniczna opiera się na prezentacji procesu uczenia maszynowego z wykorzystaniem wybranych algorytmów. Wszystkie z nich są wcześniej przedstawione i wytłumaczone w części teoretycznej. Elementy programistyczne wykonane są przy użyciu języka Python. Poza aspektem edukacyjnym praca stara odpowiedzieć się na pytanie który z rodzajów uczenia maszynowego jest bardziej atrakcyjny dla sfery biznesowej i dlaczego. Główną metodą badawczą jest tu analiza tekstów źródłowych oraz własnoręcznie wykonanych procesów demonstracyjnych w części technicznej.