Metadata

• Id: EU.AI4T.O1.M3.2.1v
• Title: 3.2.1 Video: O strojnem učenju in podatkih
• Type: video
• Description: V videoposnetku, ki je posebej posvečen strojnemu učenju, so poudarjeni nadzorovano in okrepljeno učenje, nevronske mreže in globoko učenje.
• Subject: Artificial Intelligence for and by Teachers
• Authors:
  • AI4T
  • Mooc "Intelligence Artificielle...avec Intelligence"
• Licence: CC BY-SA 2.0
• Date: 2022-11-15

Video: O strojnem učenju in podatkih

Ta videoposnetek je natančneje posvečen strojnemu učenju. Še vedno je splošni videoposnetek s humornim tonom, ki se lahko uporablja pri pouku.

Video vsebuje tudi pregled nekaterih konceptov strojnega učenja v obliki risanke:

• Strojno učenje: od 0'55" do 1'50"

• Nadzorovano učenje: od 2'03" do 2'41"

• Učenje z okrepitvijo: od 2'42 do 3'07

• Nevronske mreže in globoko učenje: od 3'23" do 5'12"

Pojasnilo
Glejte spodnji videoposnetek (9'35")

Sinopsis

V videoposnetku so predstavljeni različni pristopi k učenju. Na eni strani simbolni pristop, na drugi strani pa numerični pristop. V videoposnetku je nato opisano strojno učenje z dvema glavnima načinoma delovanja: nadzorovano učenje in učenje z okrepitvijo. Nato je obravnavano globoko učenje (ali globoka nevronska mreža), ki je eden od načinov strojnega učenja in se zgleduje po delovanju možganov.
Poleg algoritmov, ki so bili omenjeni na začetku videoposnetka, nas Guillaume spomni na pomen podatkov. Ti podatki morajo biti namreč številni in pravilno označeni, da se lahko umetna inteligenca pravilno uči in oblikuje zadovoljive napovedi. To je priložnost, da se vrnemo k "proizvodnji" podatkov in njenim izzivom. V zadnjem delu videoposnetek končno obravnava vpliv umetne inteligence na okolje.