osobina koja se sastoji od više sposobnosti: učenje iz iskustva, adaptiranje na nove situacije, shvatanje i razumevanje novih situacija i korišćenja stečenog znanja u interakciji sa okruženjem. sauce: Wikipedia
čiji je cilj razvijanje softvera koji će računarima omogućiti da se ponašaju na način koji bi se mogao okarakterisati inteligentnim. sauce: Wikipedia Prva istraživanja se vezuju za same korene računarstva, 1950ih godina.
veštačke inteligencije čiji je cilj konstruisanje algoritama i računarskih sistema koji su sposobni da se adaptiraju na analogne nove situacije i uče na bazi iskustva.
treniranje neuronske mreže razlaganje kompleksnog problema na više manjih celina rešavanje svake celine ponaosob pisanje kôda Klasično programiranje Machine learning
AND, OR i NOT kombinacijom mogu da se kreiraju ostala logička kola kao što su NAND, NOR, XOR, XNOR hardverska i softverska implementacija AND U U I 1 1 1 1 0 0 0 1 0 0 0 0 OR U U I 1 1 1 1 0 1 0 1 1 0 0 0 NOT U I 1 0 0 1 T
može imati više ulaza ima samo jedan izlaz softverska implementacija ... Da li Nemanja ide na team-building? 3 2 2 4 Da li ima ko da čuva Luku? Da li će biti lepo vreme? Da li sam završio posao? 1 - da 0 - ne
može imati više ulaza ima samo jedan izlaz softverska implementacija ... Da li Nemanja ide na team-building? 3 2 2 Da li ima ko da čuva Luku? Da li će biti lepo vreme? Da li sam završio posao? 1 - da 0 - ne 5
2 Da li ima ko da čuva Luku? Da li će biti lepo vreme? Da li sam završio posao? 1 - da 0 - ne 5 svi ulazi imaju svoju težinu threshold je granica ispod koje perceptron ne reaguje bias = 1/threshold
najbolji način da, kroz više iteracija, na osnovu ulaznih podataka dođe do željenog izlaza tako što će najbolji rezultati biti nagrađeni. Primer: automatsko igranje kompjuterskih igara. Supervised learning ima za cilj da pronađe korelacije između ulaznih i izlaznih trening podataka, kako bi kasnije mogao da "predvidi" izlazne podatke na osnovu nekih novih ulaznih podataka. Primer: predviđanje cena na osnovu različitih parametara. Unsupervised learning ima za cilj da klasifikuje podatke; tj. da pronađe šablone u grupama podataka (redukcija dimenzije). Imamo ulazne trening podatke ali ne i (grupisane/označene) izlazne podatke. Često se koristi kao feature extraction za supervised deep learning. Primer: related videos na YT.
svi weights & biases su inicijalno random postavljeni kada sve ptice poginu kreira se nova generacija znanje se prenosi kroz generacije (reinforced learning)
kreiramo jednu pticu kao potomka dve najbolje kreiramo tri ptice kao potomke dve random izabrane od najbolje četiri kreiramo dve ptice kao klonove dve random izabrane od najbolje četiri primenimo malu mutaciju na sve potomke
cilj omogućavanje učenja iz ogromnog seta podataka korišćenjem većih mreža sa više neurona i hidden layera. sauce: Investopedia Razvoj hardvera poslednjih godina je omasovio deep learning i doveo ga i u naše domove.
svaki vaš problem Jako dobro za rešavanje nelinearnih problema i obradu analognih podataka (speech & image recognition, NLP) Ne morate "izmišljati toplu vodu" - postoje već gotove biblioteke za većinu jezika, čak i za JavaScript # Postoje i već istrenirani modeli za prepoznavanje objekata, OCR, NLP i slično Ako hoćete da radite bilo šta ozbiljno koristite Python i Tensorflow biblioteku