Oövervakad Inlärning

Varför oss?

Vad betyder “Unsupervised Learning”?

“Unsupervised learning” eller oövervakad inlärning är en metod som används för att göra det möjligt för artificiella intelligenser att klassificera både materiella och immateriella objekt utan att ge maskinerna någon förhandsinformation om objekten. De saker som maskiner behöver klassificera varierar, t.ex. kunders köpvanor, bakteriers beteendemönster och hackerattacker. Huvudidén bakom oövervakad inlärning är att utsätta maskinerna för stora mängder varierande data och låta dem lära sig och dra slutsatser av dessa data. Maskinerna måste dock först programmeras för att lära sig av data.

Techopedia förklarar oövervakad inlärning

Datorsystem behöver förstå stora volymer av både strukturerad och ostrukturerad data och ge insikter. I verkligheten är det kanske inte möjligt att tillhandahålla förhandsinformation om alla typer av data som ett datorsystem kan ta emot under en viss tidsperiod. Med detta i åtanke kan det hända att övervakad inlärning inte är lämplig när datorsystem behöver konstant information om nya typer av data. Till exempel tenderar hackerattacker mot finansiella system eller bankservrar att ändra karaktär och mönster ofta, och oövervakad inlärning kan vara mer lämplig i sådana fall eftersom systemen måste kunna lära sig snabbt från attackdata och dra slutsatser om typer av framtida attacker och föreslå förebyggande åtgärder.

Relaterade termer

Margaret Rouse
Teknikexpert

Margaret Rouse är en prisbelönt teknisk skribent och lärare som är känd för sin förmåga att förklara komplexa tekniska ämnen för en icke-teknisk affärspublik. Under de senaste tjugo åren har hennes förklaringar publicerats på TechTargets webbplatser och hon har citerats som en auktoritet i artiklar av New York Times, Time Magazine, USA Today, ZDNet, PC Magazine och Discovery Magazine.Margarets idé om en rolig dag är att hjälpa IT- och affärsproffs att lära sig tala varandras högt specialiserade språk. Om du har ett förslag på en ny definition eller hur man kan förbättra en teknisk förklaring, vänligen maila Margaret eller kontakta…