1 of 22

Gépi tanulási alapfeladatok és a szükséges feltételek

2 of 22

3 of 22

Gépi tanulás?

4 of 22

“Machine learning is the field of study that gives computers the ability to learn without explicitly being programmed.”

  • Arthur Lee Samuel (1959)

5 of 22

6 of 22

neuralnetworksanddeeplearning.com

7 of 22

Gépi tanulás.

8 of 22

Gépi tanulás.

Alapfeladatok felosztása

Szükséges

feltételek

9 of 22

A gépi tanulásról röviden

  • A tanulás mint emberi tulajdonság.

(pl. matematikai feladatok)

  • A tanulás célja egy általános megoldás megtalálása.

​

10 of 22

  • Legelterjedtebb típusú feladat
  • Címkézett adatok
  • Típusai:
    • Bináris klasszifikáció (Kutya vagy macska)
    • Többosztályos osztályozási feladat (Állatok fajtái)
    • Regressziós probléma

​

Felügyelt tanulás (Supervised learning)

11 of 22

Felügyelt tanulás

Osztályozás

Regresszió

Hideg vagy meleg lesz holnap?

Hány fok lesz holnap?

12 of 22

Felügyelt tanulás

Osztályozás

Regresszió

13 of 22

Felügyelt tanulás metrika

Osztályozás

Regresszió

  • Precision-Recall (f1)
  • ROC-AUC
  • Accuracy
  • Log-Loss
  • MSE,
  • RMSE

14 of 22

Felügyelet nélküli tanulás (Unsupervised learning)

  • Nincs címke.
  • Minták kikövetkeztetése.
  • Osztályok létrehozása. (pl. Lovak)

​

​

​

15 of 22

Felügyelet nélküli tanulás

Klaszterezés

Asszociáció

Hasonló adatok -> klaszterezés Egyidejűleg előforduló adatok -> asszociáció

16 of 22

Megerősítéses tanulás (Reinforcement learning)

  • “Megtanulni mit kell tanulni” ~ “Mit kell csinálni adott szituációban?”
  • Nincs tanító halmaz.
  • Jutalom / büntetés. (Majom + autó)
  • Kiinduló pont -> egyre jobb és jobb megoldás

​

​

​

​

17 of 22

Alapvető feltételek

  • Más-más mélységű adat.
  • Felügyelt tanulás:
    • Tanuló/teszt halmaz
    • Közel azonos mennyiségű címke (pl. 1000 kutya/10 macskás kép nem jó)
    • Megfelelően címkézett adatok

​

  • Felügyelet nélküli tanulás
    • Nincs címke

​

  • Megerősített tanulás
    • Kölcsönhatás a környezettel (pl. önvezető autó)

​

​

​

​

​

18 of 22

Neurális hálózatok

  • A gépi tanulás megvalósítható:
    • Hagyományos módszerekkel (kisebb számítógéppel)
    • Mesterséges neurális hálózatokkal (erős számítógéppel)

​

​

​

​

​

​

​

19 of 22

Neurális hálózatok

  • Működésük:
    • Élőlények idegsejtjei inspirálták
    • Számtalan kapcsolódó idegsejt
    • Milliónyi idegsejt

​

​

​

​

​

​

​

​

​

​

Külső inger (pl. tapintás)/jel -> észlel/feldolgoz -> továbbít -> észlel/feldolgoz……… -> válasz

​

20 of 22

Neurális hálózatok

  • Tanulás:
    • Megfelelő válasz a külső ingerekre (pl. forró tárgy megfogása)
    • Meg kell tanulni egy reakciót
    • Egy adott bemenő értékre -> megfelelő kimenet
    • Hibás válasz esetén „finomhangolni” kell a rendszert
    • Tanulás alatt kimenő értékek hibáját mérjük.

​

​

​

​

​

​

​

​

​

​

21 of 22

Neurális hálózatok

  • Felépítés:
    • Akár millió neuron
    • Különböző struktúrában

​

​

​

​

​

​

​

​

​

​

​

​

22 of 22

Ismétlés

  • Ebben a leckében beszéltünk a
    • A gépi tanulásról és annak típusairól
    • Alapvető feltételeiről
    • Neurális hálózatokról

​

​