Koneoppimisen menetelmiä
Saarikettu, Joni (2020-03-30)
Saarikettu, Joni
J. Saarikettu
30.03.2020
© 2020 Joni Saarikettu. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202003311353
https://urn.fi/URN:NBN:fi:oulu-202003311353
Tiivistelmä
Työssä oli tavoitteena kirjallisuusselvityksenä käydä läpi koneoppimista yleisellä tasolla menemättä koneoppimisen matemaattiseen puoleen tai koodaamiseen, mikä kylläkin on tärkeä osa koneoppimista. Työssä kuitenkin käytiin vain pintaraapaisu koneoppimisesta, mutta kuitenkin sen verran kattavasti, että tämän työn luettuaan ymmärtää mistä koneoppimisessa ja siihen liittyvissä menetelmissä on kyse. Työssä käytettiin paljon esimerkkejä, joilla pyrittiinkin luomaan selkeämpää kuvaa menetelmistä.
Johdannossa avataan koneoppimista määritelmänä ja käydään läpi koneoppimiseen liittyviä olennaisia termejä. Koneoppimisen määritelmää selventämään käydään läpi tammipeliä, jotta hankalalta vaikuttavat termit selkeytyvät lukijalle. Johdannon jälkeen paneuduttiin enemmän koneoppimisen menetelmiin ja annettiin käytännön esimerkkejä jokaisen menetelmän kohdalla. Menetelmät, joihin työssä paneudutaan, ovat käytetyimpiä ja tunnetuimpia ja kirjoittajan mielestä olennaisia koneoppimiseen liittyen. Jotta työ ei jäisi pelkästään pintapuoliseksi raapaisuksi, käydään läpi koneoppimisalgoritmien optimointia ja siihen liittyviä asioita kuten kohdefunktiota tarkemmin. Lisäksi pureudutaan optimoinnin haasteisiin, jotka liittyvät olennaisesti koneoppimisen tehokkuuteen.
Työssä käydään myös tarkemmin läpi muutamaa sovellusta, jotka on saavutettu koneoppimisen avulla. Pari näistä sovelluksista on suurelle yleisölle hyvinkin tunnettuja ja monelle lähes jokapäiväisessä käytössä. Sitten on myös pari vähän tuntemattomampaa sovellusta käyty läpi vastapainoksi. Siltikin voi tulla yllätyksenä, että juuri koneoppimisella on luotu nämä sovellukset kuten sähköpostin roskapostisuodatin. Työn loppupuolella on kirjoittajan omaa pohdintaa liittyen tekoälyn mahdollisuuksiin lähitulevaisuudessa sekä mahdollisia uhkakuvia nykyisen yhteiskunnan kannalta.
Johdannossa avataan koneoppimista määritelmänä ja käydään läpi koneoppimiseen liittyviä olennaisia termejä. Koneoppimisen määritelmää selventämään käydään läpi tammipeliä, jotta hankalalta vaikuttavat termit selkeytyvät lukijalle. Johdannon jälkeen paneuduttiin enemmän koneoppimisen menetelmiin ja annettiin käytännön esimerkkejä jokaisen menetelmän kohdalla. Menetelmät, joihin työssä paneudutaan, ovat käytetyimpiä ja tunnetuimpia ja kirjoittajan mielestä olennaisia koneoppimiseen liittyen. Jotta työ ei jäisi pelkästään pintapuoliseksi raapaisuksi, käydään läpi koneoppimisalgoritmien optimointia ja siihen liittyviä asioita kuten kohdefunktiota tarkemmin. Lisäksi pureudutaan optimoinnin haasteisiin, jotka liittyvät olennaisesti koneoppimisen tehokkuuteen.
Työssä käydään myös tarkemmin läpi muutamaa sovellusta, jotka on saavutettu koneoppimisen avulla. Pari näistä sovelluksista on suurelle yleisölle hyvinkin tunnettuja ja monelle lähes jokapäiväisessä käytössä. Sitten on myös pari vähän tuntemattomampaa sovellusta käyty läpi vastapainoksi. Siltikin voi tulla yllätyksenä, että juuri koneoppimisella on luotu nämä sovellukset kuten sähköpostin roskapostisuodatin. Työn loppupuolella on kirjoittajan omaa pohdintaa liittyen tekoälyn mahdollisuuksiin lähitulevaisuudessa sekä mahdollisia uhkakuvia nykyisen yhteiskunnan kannalta.
Kokoelmat
- Avoin saatavuus [31941]