機械学習は一般的な用語ですが、誰もが正しく理解できるわけではありません。この記事では、KORUSコンサルティンググループのAlenaGaybatovaとEkaterinaStepanovaの分析ソリューションの方向性の専門家が、機械学習（ML）が実際に何であるか、このテクノロジーをプロジェクトで使用する必要がある場合、および機械学習が実際に積極的に使用されている場所について説明します。 ..。
データの処理方法
長い間、お客様とのミーティングで、機械学習、人工知能（AI）、ビッグデータなど、この分野の用語を誰もが混乱させていることに気づき始めました。
したがって、テクノロジーの一般名は人工知能です。強い（別名一般）と弱いの2つのタイプがあります。特に強力なAIはターミネーターレベルの決定であるため、ここでは説明しません。私たちはゆっくりとそれに近づいていますが、これまでのところ、それは一緒に集められた弱いAIの断片の形でのみ存在します（たとえば、「スマート」列のように）。
弱い人工知能について話すことははるかに興味深いです。また、2つのタイプに分けられます。1つ目は、エキスパートシステムであり、手動でプログラムされたアルゴリズムです（たとえば、言語学者のグループは、単語をある言語から別の言語に翻訳するためのアルゴリズムをプログラムしました）。
2つ目は、ある種の履歴データから作業のロジックを抽出する、いわゆる データ駆動型システムです。このタイプには、時間の経過とともに発生した多くの同義語があります。
90年代にファッショナブルで、データベース（KDD）からのゼロデータマイニングと知識発見、
2010年近くに使用されるようになったデータサイエンス、
今日、ビッグデータは人気があります。この用語が導入する唯一の例外、またはむしろ追加は、複雑に構造化された大量のデータの存在です。
さまざまなタスクのためのさまざまなアルゴリズム
2種類の弱いAIに従って、手動で（エキスパートシステムを使用して）データから結論を導き出すことができ、機械学習を使用することができます。次に、クラシックMLとディープラーニング（多数のレイヤーを持つディープニューラルネットワークを使用）の2つのタイプに細分されます。
ML . , , : , . , , c.
— , , . , : , , . , . , .
, — . , , .
? : , . : — 3 . , .
- , , .
– , , . — : , , — , .
— . , - . — , , , . . . , .
, .
– . C . 4 . – . , , . , , . .
C , — .
1950- . , : .
, . , . , . , , , .
ML . .
, . , .
. ( – , , ). , , , , , .
Uplift, . Uplift , , ( , ), .
–
, . ML . , , .
, - ;
, / ;
, , .
– . C ,
, , , , , . - .
, ML , , , , , , , , — .
, . , , , , , , . , , .
— . , , , , . – , , , . ML — , , , , , , .
, , . ( ), . , , – , - .
C , , , , , , , .
, , , . , , , ML- -.
, , . , , , . , .