Strojové učení (ML) je typ umělé inteligence (AI), který umožňuje softwarovým aplikacím provádět specifické úkoly bez explicitních pokynů. Zaměřuje se na vývoj počítačových programů, které se mohou měnit a zlepšovat, když jsou vystaveny novým datům.
Algoritmy ML se používají k řešení problémů, jako je lékařská diagnostika, rozpoznávání řeči a obrazu, třídění a katalogizace položek, autonomní roboti, detekce podvodů, prediktivní analytika, autonomní navigace a zpracování přirozeného jazyka. Algoritmy jsou obvykle spuštěny na datech převzatých z různých zdrojů, jako jsou průzkumy, pozorování a experimenty.
Algoritmy ML využívají širokou škálu technik, jako je učení pod dohledem a bez dozoru, stejně jako hluboké učení. Učení pod dohledem je, když je systému poskytnuta data a předem určená odezva, kterou by měl poskytnout, zatímco učení bez dozoru umožňuje systému učit se z dat bez úkolu předem určeného systémem. Hluboké učení je podmnožinou ML a využívá větší vstupní data a větší sítě neuronů, takže se systém může učit složité úkoly.
ML má širokou škálu aplikací, od odvětví, jako je zdravotnictví, kybernetická bezpečnost, maloobchod, finance a další. Ve zdravotnictví lze ML použít k detekci nemocí, jako je rakovina, k identifikaci potenciálních zdravotních rizik, zatímco v oblasti kybernetické bezpečnosti jej lze využít k detekci kybernetických útoků a jejich zastavení dříve, než se stanou závažným incidentem. V maloobchodě může ML pohánět motory doporučení na webech a aplikacích a také pomáhat zlepšovat zákaznickou zkušenost a rozhodování o nákupu.
ML je neustále se vyvíjející technologie s každým dnem přijímání nových vylepšení a aplikací. Je to stále důležitější technologie pro společnosti a organizace, které potřebují porozumět velkému množství dat. V nadcházejících letech má také potenciál způsobit revoluci v mnoha průmyslových odvětvích.