Maskininlärning (ML)

Fördjupande material

Användningsområdena skiljer sig ofta åt beroende på komplexiteten i datan och uppgiften.

Här är pedagogiska exempel på när Maskininlärning (ML) används i praktiken:

Användningsområde Beskrivning Varför ML?
Spamfilter (E-post) Klassificerar ett inkommande mejl som "Spam" eller "Inte Spam". Modellen tränas på tydliga funktioner som frekvensen av ord ("vinnare", "gratis"), eller om mejlet innehåller konstiga länkstrukturer. Relativt enkelt att definiera dessa regler.
Enkla Rekommendationssystem Föreslår produkter på en e-handelssida baserat på vad du köpte förra veckan. Använder ofta klassiska ML-algoritmer (som k-Närmaste Grannar eller Linjär regression) för att hitta direkta korrelationer i strukturerad köpdata.
Kreditbedömning Bedömer en kunds kreditvärdighet baserat på inkomst, ålder, skulder, etc. Datan är strukturerad och liten. ML-modeller är här mer lätta att tolka (viktigt i bankväsendet) och ger snabba, tillförlitliga förutsägelser.
Förebyggande Underhåll Förutsäger när en maskindel i en fabrik kommer att gå sönder, baserat på temperaturläsningar och vibrationsdata. Modellen tränas på numeriska sensorvärden – det är enklare att manuellt tala om för modellen vilka värden som är kritisk