Ohjattu oppiminen

Ohjattu oppiminen on tekoälyyn liittyvä koneoppimisen kategoria, joka hyödyntää opetusaineistoja, joiden avulla tekoäly koulutetaan esimerkiksi luokittelemaan dataa. Ohjatulla oppimisella on lukuisia erilaisia käyttötarkoituksia.

Mitä ohjattu oppiminen tarkoittaa?

Ohjattu oppiminen on koneoppimisen kategoria, jossa hyödynnetään merkittyjä datakokoelmia ja haluttuja tuloksia, joiden avulla oppimisalgoritmi koulutetaan luokittelemaan dataa tai ennustamaan lopputuloksia.

Ohjattu koneoppiminen on hyödyllinen työkalu datan klassifioimisessa tiettyihin kategorioihin. Se auttaa myös ymmärtämään useiden muuttujien suhteita ennusteita tehdessä.

Ohjattua oppimista hyödynnetään esimerkiksi seuraavissa kohteissa:

  • Tuotesuositukset
  • Asiakkaiden luokittelu asiakasdataan perustuen
  • Tautien diagnosointi aiempien oireiden perusteella
  • Lukuisat muut käyttötarkoitukset

Hieman vastaava koneoppimisen alalaji on ohjaamaton oppiminen, jossa koneet oppivat toimimaan datan pohjalta ohjelmointinsa mukaisesti ilman erillisen opetusmateriaalin syöttämistä systeemiin.

Ohjattu oppiminen – Techopedia selittää

Ohjattu oppiminen mahdollistaa koneille objektien, ongelmien ja tilanteiden luokittelemisen perustuen vastaavaan dataan, joka koneelle on syötetty. Koneille voidaan syöttää dataa esimerkiksi piirteisiin, kaavoihin, mittasuhteisiin, väreihin, objektien kokoon, ihmisiin tai tilanteisiin liittyen toistuvasti, kunnes koneet ovat valmiita tekemään paikkansapitäviä luokitteluja.

Ohjatun oppimisen aikana koneelle syötetään opetusaineistoksi kutsuttua aineistoa suurissa määrin. Kone oppii tämän pohjalta tekemään luokitteluita. Jos systeemin tulee esimerkiksi luokitella hedelmiä, opetusaineistoksi annettaisiin hedelmien värejä, muotoja, mittasuhteita sekä kokoja. Tämän aineiston pohjalta systeemi olisi valmis luokittelemaan hedelmiä.

Useimmiten systeemit vaativat lukuisia vastaavien prosessien toistoja, ennen kuin ne ovat valmiita tekemään osuvia luokitteluita. Koska oikean elämän käyttötarkoitukset, kuten luottokorttihuijausten tunnistaminen tai tautien luokittelu, ovat monimutkaisia tehtäviä, koneet vaativat täsmällistä dataa sekä lukuisia opetuskertojen toistoja, ennen kuin ne saavuttavat riittävät kyvyt.

Ohjattu koneoppiminen ja käyttötarkoitukset

Ohjattu oppiminen, kuten nimi viittaa, käyttää valvottua tai ohjattua tietoa opettaakseen malleja tai algoritmeja. Tätä lähestymistapaa voidaan hyödyntää monilla eri aloilla:

  1. Kuvantunnistus ja objektien tunnistaminen: Ohjattua oppimista voidaan käyttää opettamaan malleja tunnistamaan kuvista esineitä, eläimiä tai ihmisiä. Esimerkiksi kasvojentunnistus tai liikennemerkkien tunnistus.
  2. Konekäännös: Koneoppimismallit voivat oppia kääntämään tekstiä eri kielten välillä käyttäen ohjattua oppimista, jossa opetusaineistona on käännöksiä.
  3. Huijausten havaitseminen: Rahoituslaitoksissa ja tietoturvassa ohjattua oppimista käytetään havaitsemaan epätavallista käyttäytymistä, kuten petoksia luottokorttitapahtumissa tai tietoturvahyökkäyksiä.
  4. Lääketieteellinen diagnoosi: Lääketieteessä ohjattua oppimista hyödynnetään esimerkiksi sairauksien diagnosoinnissa tai kuvantamisessa, kuten syövän havaitsemisessa kuvantamistutkimuksissa.
  5. Asiakkaan ennustaminen ja suositusten tekeminen: Ohjattu oppiminen auttaa yrityksiä ennustamaan asiakaskäyttäytymistä ja tekemään suosituksia esimerkiksi tuotteiden ostamisen tai palveluiden käytön suhteen.

Ohjattu koneoppiminen on erittäin monipuolinen ja sitä voidaan soveltaa useisiin ongelmiin, joissa on saatavilla oikein luokiteltua dataa, jota voidaan käyttää mallien opettamiseen ja testaamiseen.

Samankaltaiset termit

Daniel Nordin

Daniel Nordin on yli kymmenen vuoden ajan toimittajana ja sisällöntuottajana toiminut moniosaaja, joka on toiminut kryptovaluuttojen parissa heti bitcoinin ensiaskeleista lähtien. Viestintää ja filosofiaa opiskellut Daniel Nordin on koulutukseltaan humanististen tieteiden kandidaatti. Suomen Techopediassa Daniel Nordin toimii Content Editorina.