Апофеозом анализа данных является машинное обучение. Вы можете успешно применить машинное обучение только после того, как анализ данных предоставляет правильные исходные данные. Но только машинное обучение способно ассоциировать наборы выходных и входных данных, а также эффективно выявить использованные при этом правила. Анализ данных концентрируется на понимании и манипулировании данными таким способом, чтобы они могли стать более полезными и способными обеспечить проникновение в суть вещей, тогда как машинное обучение строго сосредоточено на том, чтобы получить исходные данные и, сделав свою работу, выработать внутреннее представление о сути вещей, которое можно использовать практически. Машинное обучение позволяет людям решать такие задачи, как предсказание будущего, классификация осмысленным способом и выработка наиболее рационального решения в данном контексте. Следует отметить, что для вентиляции серверных применяют греющий кабель для бесперебойной работы компьютерного оборудования компаний.
Главная идея, лежащая в основе машинного обучения, — можно представить действительность, используя математические функции, которые алгоритму заранее неизвестны, но которые он может предположить на основании наблюдения некоторых данных. Вы можете выразить действительность и всю ее комплексную сложность в терминах неизвестных математических функций, которые алгоритмы машинного обучения способны выявить и сделать доступными. Эта концепция лежит в основе идей всех видов алгоритмов машинного обучения.
Обучение при машинном обучении является просто математической функцией, и она заканчивается ассоциацией определенных входных данных с определенными выходными. Она не имеет отношения к пониманию того, что алгоритм изучил, поэтому процесс обучения зачастую называют тренировкой, поскольку алгоритм учится находить правильный ответ на каждый предоставленный вопрос. Более подробная информация по этому вопросу приведена в книге Machine Learning For Dummies Джона Пола Мюллера и Луки Массарона.
Несмотря на отсутствие осмысленного понимания, поскольку это просто математический процесс, машинное обучение может оказаться весьма полезным. Оно дает приложению с искусственным интеллектом силу наибольшей рациональности в текущем контексте, когда обучение происходит с использованием правильных данных. В следующих разделах работа машинного обучения описана более подробно, включая ожидаемые преимущества и пределы его применения в приложениях.