Поняття Машинного навчання
Єдиного визначення машинного навчання на сьогоднішній день немає.
Машинне навчання можна охарактеризувати як процес одержання програмою нових знань. Мітчел в 1996 році дав таке визначення: "Машинне навчання – це наука, що вивчає комп'ютерні алгоритми, які автоматично поліпшуються під час роботи".
Одним з найбільш популярних прикладів алгоритму машинного навчання є нейронні мережі.
Штучний інтелект – науковий напрямок, у рамках якого ставляться й вирішуються завдання апаратного або програмного моделювання видів людської діяльності, що традиційно вважаються інтелектуальними.
Термін інтелект (intelligence) походить від латинського intellectus, що означає розум та розумові здібності людини.
Відповідно, штучний інтелект (AI, Artificial Intelligence) тлумачиться як властивість автоматичних систем які беруть на себе окремі функції інтелекту людини. Штучним інтелектом називають властивість інтелектуальних систем виконувати творчі функції, які традиційно вважаються прерогативою людини.
Кожний з напрямків, що сформували Data Mining, має свої особливості. Проведемо порівняння з деякими з них.
2. Порівняння статистики, машинного навчання та Data Mining
Статистика
Більш, ніж Data Mining, базується на теорії.
Більше зосереджується на перевірці гіпотез.
Машинне навчання
Більше евристично.
Концентрується на поліпшенні роботи агентів навчання.
Data Mining
Інтеграція теорії та евристик.
Сконцентрована на єдиному процесі аналізу даних, включає очищення даних, навчання, інтеграцію та візуалізацію результатів.
Поняття Data Mining тісно пов'язане з технологіями баз даних і поняттям дані, які будуть докладно розглянуті в наступній лекції.
Розвиток технології баз даних
1960-і рр.
У 1968 році була введена в експлуатацію перша промислова СУБД система IMS фірми IBM.
1970-і рр.
У 1975 році з'явився перший стандарт асоціації по мовах систем обробки даних – Conference on Data System Languages (CODASYL), що визначив ряд фундаментальних понять у теорії систем баз даних, які дотепер є основними для мережної моделі даних. У подальший розвиток теорії баз даних великий внесок був зроблений американським математиком Є.Ф. Коддом, що є творцем реляційної моделі даних.
1980-і рр.
Протягом цього періоду багато дослідників експериментували з новим підходом у напрямках структуризації баз даних і забезпечення до них доступу. Метою цих пошуків було одержання реляційних прототипів для більш простого моделювання даних. У результаті, в 1985 році була створена мова, названа SQL. На сьогоднішній день практично всі СУБД забезпечують даний інтерфейс.
1990-і рр.
З'явилися специфічні типи даних – "графічний образ", "документ", "звук", "карта". Типи даних для часу, інтервалів часу, символьних рядків із двобайтовим поданням символів були додані в мову SQL. З'явилися технології DataMining, сховища даних, мультимедійні бази даних та web-бази даних.
Виникнення та розвиток Data Mining обумовлений різними факторами, основні серед яких є наступні:
удосконалювання апаратного та програмного забезпечення;
удосконалювання технологій зберігання та запису даних;
нагромадження великої кількості ретроспективних даних;
удосконалювання алгоритмів обробки інформації.