Inteligenț ă Învăț are Învăț are Învăț are

Artificial Automat Profund Automat

Construieș te modele pentru

Subconjunct al IA, foloseș te Subconjunto specializat clasifica ș i fă
Simulează comportamente predicț ii bazate pe
algoritmi pentru a lua de învăț are automată,
inteligente umane, date ș i spre deosebire de
decizii bazate pe utilizează reț ele neuronale în
involucra planificare, algoritmi tradiț ionali
date fără a fi programate capas, permite un
învăț are, raț ionament creează algoritmul începând cu
explicite învăț are continuă ș i
rezolvarea problemelor de la date ș i răspunsuri.
antrenament cu cei mari îmbunătăț eș te calitatea de
printre altele.
seturi de date. rezultate cu timpul.

Tipuri de Învăț are

Reț ele Ș tiinț a de
Neuronale Date
No supervisado: Reforț at:
Extraează Supervizat:
Colecț ia de unităț i fără etichete, Învăț are
numite neuroni, cunoș tinț e de Antrenează-te cu date
inspirate în reț ele volumuri mari găseș te bazat pe
etichetaț i
neuronale biologice, dar de date, poate patrones. recompense
funcț ionează într-un mod
diferenț e, eficiente cu
a folosi tehnici de
seturi de date IA pentru a obț ine
mari. informaț ie.

Învăț are automată ș i

Conceptii de IA tipuri de algoritmi
Procesarea de Viziune prin
Limbaj Natural Calculator

Înfocată în
Sarcină complexă pentru el
înț elegerea datelor
învăț are automată din cauza
la natura conceptuală ș i nu
vizuale.
Procesarea Viziune de Datele se bazează pe
literal al limbajului. Important pentru
Înț elegerea limbajelor
naturale implică modele
aplicaț ii precum
recunoaș tere facială
Limbaj Natural Calculator Audio
discernibile ș i
detecț ia obiectelor ș i
contextualizare.
realitate augmentată.
Subcategorii includ Include tehnologii precum

Conceptul de IA Aplicaț ii Se utilizează în domenii precum

prelucrarea audio ș i conversia textului în voce ș i
Arie de vizual pentru a înț elege
detectarea obiectelor,
recunoaș tere facială ș i
viceversa.

Specifice
limbaj natural. Provocările includ
realitate augmentată.
Date bazate pe
Date Tabulare
Aplicaț ie Utilizarea algoritmilor de
învăț are profundă ș i
Permite maș inilor
interpreta ș i procesa
variabilitate în limbi
acentul ș i complexitatea
modele lingvistice pentru inherente ale datelor de
Audio comprender el significado.
imagini ș i videoclipuri.
audio.

Provocări semnificative Înț elegere

din cauza diversităț ii de tradicional de datos
limbi ș i pronunț ii. structurate sau
Audio este greu de lucrat tabulare.
pentru că reprezintă
Se referă la analiza
vibraț ii ale moleculelor
de aer, generând mari de date organizate
cantităț i de date. în fiș e ș i coloane.

Învăț are profundă ș i Reț ele Neuronale Artificiale

Aplicaciones Tipuri

Învăț are profundă Reț ele Neuronale Artificiale

Colecț ie de
Subconjunto specializat neuronii care
al învăț ării automate
utiliza straturi de algoritmi
imitan el
pentru a crea reț ele procesarea
neuronale, eficient în creierul, învaț ă să
date nestructurate
prin
cum ar fi imagini ș i audio,
retropropagare

Aplicatii ale Invăț ării Profunde Tipuri de Reț ele Neuronale

Perceptronii
Reț ele neuronale Reț ele neuronale
subtítulos de simple, efectuează
convoluț ionale reț ele neuronale recurente (RNN),
imagini calcule pentru
Componente (CNN), bune pentru utile pentru
Înț elege-l recunoaș tere a detecta
cheie în vehicule procesare de secvenț ă de date
caracteristici sau
limbaj natural de vos, imagini ș i limbaj cu dependenț ă
sin conductor tendinț e în
recunoaș tere natural temporal
date de intrare
facial, etc.