Serie storica - Ulteriore ambito
L'apprendimento automatico si occupa di vari tipi di problemi. In effetti, quasi tutti i campi hanno lo scopo di essere automatizzati o migliorati con l'aiuto dell'apprendimento automatico. Di seguito sono riportati alcuni di questi problemi su cui si sta lavorando molto.
Dati di serie temporali
Questi sono i dati che cambiano in base al tempo, e quindi il tempo gioca un ruolo cruciale in esso, che abbiamo ampiamente discusso in questo tutorial.
Dati non di serie storiche
Sono i dati indipendenti dal tempo e una percentuale maggiore dei problemi di ML riguarda dati non di serie temporali. Per semplicità, lo classificheremo ulteriormente come:
Numerical Data - I computer, a differenza degli esseri umani, comprendono solo numeri, quindi tutti i tipi di dati alla fine vengono convertiti in dati numerici per l'apprendimento automatico, ad esempio, i dati dell'immagine vengono convertiti in valori (r, b, g), i caratteri vengono convertiti in codici o parole ASCII sono indicizzati in numeri, i dati vocali vengono convertiti in file mfcc contenenti dati numerici.
Image Data - La visione artificiale ha rivoluzionato il mondo dei computer, ha varie applicazioni nel campo della medicina, delle immagini satellitari, ecc.
Text Data- L'elaborazione del linguaggio naturale (NLP) viene utilizzata per la classificazione del testo, il rilevamento delle parafrasi e il riepilogo del linguaggio. Questo è ciò che rende intelligenti Google e Facebook.
Speech Data- L'elaborazione del parlato implica il riconoscimento vocale e la comprensione del sentimento. Svolge un ruolo cruciale nell'impartire ai computer le qualità umane.