Машинное обучение: тенденции, перспективы и прогнозы
Machine learning: Trends, perspectives, and prospects
2015-07-16
SCID: 54.1/pkaanasv
Discuss with AI
применения в здравоохранении, производстве, образовании, финансах, полиции, маркетингеметоды, основанные на больших данныхалгоритмы обучениямашинное обучениетеория статистического обучения
Figures from the paper
Abstract (AI)
Машинное обучение рассматривает проблему создания вычислительных систем, которые автоматически улучшаются на основе опыта. Это одна из наиболее быстрорастущих технических областей, находящаяся на пересечении информатики и статистики и являющаяся ядром искусственного интеллекта и науки о данных. Недавний прогресс в машинном обучении обусловлен как разработкой новых алгоритмов обучения и теории, так и продолжающимся взрывным ростом доступности онлайн-данных и недорогих вычислительных мощностей. Применение методов машинного обучения, ориентированных на работу с большими данными, наблюдается во всей науке, технике и коммерции, что приводит к более обоснованному принятию решений во многих сферах жизни, включая здравоохранение, производство, образование, финансовое моделирование, полицию и маркетинг.
Key Findings
1
Методы, ориентированные на большие данные, всё шире применяются в различных областях (медицина, производство, образование, финансы, полиция, маркетинг).
2
Машинное обучение позволяет компьютерам автоматически улучшаться за счёт опыта, решая ключевые задачи ИИ и науки о данных.
3
Недавний прогресс обусловлен новыми алгоритмами/теорией обучения и резким ростом объёмов онлайн-данных и дешёвой вычислительной мощности.
4
Широкое внедрение машинного обучения способствует более основанному на доказательствах принятию решений в науке, технике и коммерции.
Research Object
Машинное обучение
Research Subject
Тенденции, перспективы и прогнозы развития машинного обучения, включая алгоритмические и теоретические достижения, рост благодаря данным и вычислительным ресурсам, а также применения в науке, технике и коммерции
Publication Details
Publication Date
2015-07-16
Journal
Publisher
ISSN
Cited by
9964
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью20
Искусственный интеллект и менеджмент: парадокс автоматизации и расширения возможностей2020
Революция в здравоохранении: роль искусственного интеллекта в клинической практике2023
Полезность ChatGPT в образовании, исследованиях и практике здравоохранения: систематический обзор перспективных возможностей и обоснованных опасений2023
Глубокое обучение в здравоохранении: обзор, возможности и проблемы2017
Машинное обучение и глубокое обучение2021
Причинная объяснимость и объяснимость искусственного интеллекта в медицине2019
Машинное обучение в информатике материалов: современные применения и перспективы2017
Обзор алгоритмов и архитектур глубинного обучения2019
Обзор методов машинного и глубокого обучения для обеспечения безопасности Интернета вещей (IoT)2020
Великие вызовы научной робототехники2018
Методы машинного обучения и глубокого обучения для кибербезопасности2018
Методы моделирования глубокого обучения: современный прогресс, применения, преимущества и проблемы2023
ChatGPT и новая академическая реальность: научные статьи, написанные искусственным интеллектом, и этика больших языковых моделей в научном публицировании2023
Разрывы в применении и теории в период роста искусственного интеллекта в образовании2020
Интерактивное машинное обучение для медицинской информатики: когда необходим человек в контуре обучения?2016
Искусственный интеллект в маркетинге, исследовании потребителей и психологии: систематический обзор литературы и исследовательская повестка2021
Проблемы и перспективные направления развития больших данных и искусственного интеллекта в образовании2020
Обучение речевых представлений с самоконтролем: обзор2022
Методы машинного обучения для решения задач, связанных с малыми объемами данных в молекулярной науке2023
Большие языковые модели (LLM): обзор, технические основы и будущие проблемы2024