Data Mining
Data mining, DM is a basic step in the knowledge discovery process, the goal of which is to extract interesting and potentially useful information from a database [Goodfellow 2016] [Mierswa 2017]. For DM data analysts, there is an emerging need to better understand and standardize the knowledge discovery process as methods and business processes evolve. DM can serve as the foundation for artificial intelligence and machine learning.
Термін “data mining”, як описано в цьому документі, орієнтований на великомасштабний глибинний аналіз даних. Однак багато методів, які працюють з великими наборами даних, також можуть працювати і з невеликими обсягами даних.
Штучний інтелект
Штучний інтелект (Artificial Intelligence, AI) – це будь-який метод, який дозволяє комп’ютерам імітувати поведінку людини, включаючи машинне навчання, обробку природної мови (Natural Language Processing, NLP), синтез мови, комп’ютерний зір, робототехніку, сенсорний аналіз, оптимізацію і моделювання і багато іншого.
Машинне навчання
Машинне навчання (Machine Learning, ML) – це підмножина методів штучного інтелекту, які дозволяють комп’ютерним системам навчатися на попередньому досвіді і поліпшувати своє поводження. Методи ML включають машини опорних векторів (Support Vector Machines, SVM), дерева рішень, Байєсове навчання, k-means кластеризацію, навчання асоціативних правил, регресію, нейронні мережі і багато іншого.
Нейронні мережі
Нейронні мережі (Neural Networks, NN) або штучні нейронні мережі (Artificial Neural Networks, ANN) являють собою підмножину методів ML, включаючи глибинне навчання, створення яких надихнули біологічні нейронні мережі. Вони зазвичай описуються як сукупність пов’язаних вузлів, що називаються штучними нейронами, які є пошарово організованими.
Глибинне навчання
Глибинне навчання (Deep Learning, DL) – це підмножина нейронних мереж, яка робить можливою обчислювальну багатошарову нейронну мережу.
Типовими архітектурами DL є глибинні нейронні мережі (deep neural networks, DNN), згорткові нейронні мережі (convolutional neural networks, CNN), рекурентні нейронні мережі (recurrent neural networks, RNN), генеративні змагальні мережі (generative adversarial networks, GAN), глибинні мережі переконання (deep belief networks, DBN) і багато інших.
Взаємозв’язок між штучним інтелектом, машинним навчанням, нейронними мережами і глибинним навчанням зображений на малюнку 2.
Див. інші сторінки нижче.