Maskinlæring

Tradisjonellt løser datamaskiner problemer gjennom å bli fortalt hvordan de skal løse problemet. Maskinlæring er en type algoritmer som selv lærer å løse problemet. Ofte skjer dette ved å finne mønstre i store datamengder.

Maskinlæring har vært brukt med stor suksess i mange år til utfordringer som som skrift-, bilde- og tale-gjenkjenning, anbefalinger, svindel-gjenkjenning og veldig mye mer. I de senere år har man oppnådd oppsiktsvekkende resultater gjennom nye former for nevrale nettverk som går under betegnelsen Dyp Læring. Dyp Læring er spesiellt god på å lære direkte av ubehandlede data.

Flere kodemakere har tatt kurset i Maskinlæring på Stanford med Andrew Ng, og noen har også fulgt opp med flere kurs innenfor fagområdet.

Våre anbefalinger

Apache spark

Et flott verktøy for analyse av og læring gjennom store distribuerte datamengder. Oppleves best gjennom Scala som Spark er skrevet i, men har apier til Java, Python og R.

Gjennom Spark REPL er det en fryd å ekseperimentere med og finne mønster i store mengder distribuerte data. Sjekk ut siten her