Ano ang Pag-aaral ng Makina?
Ang pag-aaral ng makina ay ang konsepto na ang isang programa ng computer ay maaaring matuto at umangkop sa bagong data nang walang panghihimasok sa tao. Ang pag-aaral ng makina ay isang larangan ng artipisyal na katalinuhan (AI) na nagpapanatili ng mga built-in na algorithm ng isang computer nang walang kinalaman sa mga pagbabago sa ekonomiya sa buong mundo.
Ipinaliwanag ang Learning sa Machine
Ang iba't ibang mga sektor ng ekonomiya ay nakikitungo sa malaking halaga ng data na magagamit sa iba't ibang mga format mula sa magkakaibang mga mapagkukunan. Ang napakalaking dami ng data, na kilala bilang malaking data, ay madaling makuha at maa-access dahil sa progresibong paggamit ng teknolohiya. Napagtanto ng mga kumpanya at pamahalaan ang malaking pananaw na maaaring makuha mula sa pag-tap sa malaking data ngunit kakulangan ng mga mapagkukunan at oras na kinakailangan upang magsuklay sa pamamagitan ng kayamanan ng impormasyon. Tulad nito, ang mga artipisyal na hakbang sa intelihente ay ginagawa ng iba't ibang mga industriya upang magtipon, magproseso, makipag-usap, at magbahagi ng mga kapaki-pakinabang na impormasyon mula sa mga set ng data. Ang isang pamamaraan ng AI na lalong ginagamit para sa malaking pagproseso ng data ay ang pag-aaral ng makina.
Mga Application ng Learning sa Machine
Ang iba't ibang mga aplikasyon ng data ng pag-aaral ng makina ay nabuo sa pamamagitan ng isang kumplikadong algorithm o source code na binuo sa machine o computer. Lumilikha ang code ng programming na ito ng isang modelo na kinikilala ang data at nagtatayo ng mga hula sa paligid ng data na kinikilala nito. Ang modelo ay gumagamit ng mga parameter na binuo sa algorithm upang bumuo ng mga pattern para sa proseso ng paggawa ng desisyon. Kapag magagamit ang bago o karagdagang data, awtomatikong inaayos ng algorithm ang mga parameter upang suriin para sa isang pagbabago ng pattern, kung mayroon man. Gayunpaman, hindi dapat magbago ang modelo.
Ang pag-aaral ng makina ay ginagamit sa iba't ibang mga sektor para sa iba't ibang mga kadahilanan. Ang mga trading system ay maaaring mai-calibrate upang makilala ang mga bagong pagkakataon sa pamumuhunan. Ang mga platform sa marketing at e-commerce ay maaaring mai-tune upang magbigay ng tumpak at isinapersonal na mga rekomendasyon sa kanilang mga gumagamit batay sa kasaysayan ng paghahanap ng gumagamit o mga nakaraang transaksyon. Ang mga institusyong nagpapahiram ay maaaring isama ang pagkatuto ng makina upang mahulaan ang masamang pautang at bumuo ng isang modelo ng peligro sa kredito. Ang mga hub ng impormasyon ay maaaring gumamit ng pagkatuto ng makina upang masakop ang malaking halaga ng mga kuwento ng balita mula sa lahat ng mga sulok ng mundo. Ang mga bangko ay maaaring lumikha ng mga tool sa pagtuklas ng pandaraya mula sa mga diskarte sa pagkatuto ng machine Ang pagsasama ng pag-aaral ng makina sa panahon ng digital-savvy ay walang katapusang habang ang mga negosyo at pamahalaan ay naging mas may kamalayan sa mga pagkakataong ibinibigay ng malaking data.
Paano Gumagana ang Pagkatuto ng Machine
Kung paano ang mga gawa sa pag-aaral ng machine ay maaaring mas mahusay na maipaliwanag sa pamamagitan ng isang paglalarawan sa mundo ng pananalapi. Ayon sa kaugalian, ang mga manlalaro ng pamumuhunan sa merkado ng seguridad tulad ng mga mananaliksik sa pananalapi, analyst, tagapamahala ng asset, mga indibidwal na namumuhunan sa pamamagitan ng maraming impormasyon mula sa iba't ibang mga kumpanya sa buong mundo upang makagawa ng mga kapaki-pakinabang na desisyon sa pamumuhunan. Gayunpaman, ang ilang may-katuturang impormasyon ay maaaring hindi malawak na isapubliko ng media at maaaring maging pribado sa isang piling ilang lamang na may bentahe ng pagiging empleyado ng kumpanya o residente ng bansa kung saan nagmula ang impormasyon. Bilang karagdagan, mayroong lamang maraming impormasyon na maaaring makolekta at iproseso ng mga tao sa loob ng isang takdang oras. Dito napasok ang pag-aaral ng makina.
Ang isang firm management firm ay maaaring gumamit ng pagkatuto ng makina sa pagsusuri ng pamumuhunan at lugar ng pananaliksik na ito. Sabihin na ang namamahala sa asset ay namuhunan lamang sa mga stock ng pagmimina. Ang modelo na binuo sa system ay ini-scan ng web at kinokolekta ang lahat ng mga uri ng mga kaganapan sa balita mula sa mga negosyo, industriya, lungsod, at bansa, at ang impormasyong ito na nakalap ay bumubuo sa set ng data. Ang mga tagapamahala ng asset at mga mananaliksik ng kompanya ay hindi makakakuha ng impormasyon sa set ng data gamit ang kanilang mga kapangyarihang pantao at katalinuhan. Ang mga parameter na itinayo sa tabi ng mga modelo ay kumukuha lamang ng data tungkol sa mga kumpanya ng pagmimina, mga patakaran sa regulasyon sa sektor ng paggalugad, at mga kaganapan sa politika sa mga piling bansa mula sa set ng data. Sabihin ang isang kumpanya ng pagmimina XYZ natuklasan lamang ang isang minahan ng brilyante sa isang maliit na bayan sa South Africa, ang pag-aaral ng machine app ay i-highlight ito bilang may-katuturang data. Ang modelo ay maaaring gumamit ng isang tool na analytics na tinatawag na predictive analytics upang gumawa ng mga hula sa kung ang industriya ng pagmimina ay magiging kapaki-pakinabang sa isang tagal ng panahon, o kung saan ang mga stock ng pagmimina ay malamang na madagdagan ang halaga sa isang tiyak na oras. Ang impormasyong ito ay naipasa sa tagapamahala ng asset upang pag-aralan at gumawa ng isang desisyon para sa kanyang portfolio. Ang tagapamahala ng asset ay maaaring gumawa ng isang desisyon na mamuhunan ng milyun-milyong dolyar sa stock ng XYZ.
Sa pagtatapos ng isang hindi kanais-nais na kaganapan, tulad ng mga minero ng South Africa na nagpapatuloy, ang algorithm ng computer ay awtomatikong inaayos ang mga parameter nito upang lumikha ng isang bagong pattern. Sa ganitong paraan, ang modelo ng computational na itinayo sa makina ay nananatili sa kasalukuyan kahit na may mga pagbabago sa mga kaganapan sa mundo at nang hindi nangangailangan ng isang tao na i-tweak ang code nito upang ipakita ang mga pagbabago. Dahil natanggap ng tagapamahala ng asset ang bagong data na ito sa oras, nagagawa nilang limitahan ang kanyang mga pagkalugi sa pamamagitan ng paglabas ng stock.
