Série Temporal - Escopo Adicional
O aprendizado de máquina lida com vários tipos de problemas. Na verdade, quase todos os campos têm um escopo a ser automatizado ou aprimorado com a ajuda do aprendizado de máquina. Alguns desses problemas, nos quais muito trabalho está sendo feito, são apresentados a seguir.
Dados de série temporal
Estes são os dados que mudam de acordo com o tempo e, portanto, o tempo desempenha um papel crucial nisso, o que discutimos amplamente neste tutorial.
Dados não temporais
São os dados independentes do tempo, e uma grande porcentagem dos problemas de ML são em dados de séries não temporais. Para simplificar, vamos categorizá-lo ainda como -
Numerical Data - Computadores, ao contrário dos humanos, só entendem números, então todos os tipos de dados são convertidos em dados numéricos para aprendizado de máquina, por exemplo, dados de imagem são convertidos em valores (r, b, g), caracteres são convertidos em códigos ASCII ou palavras são indexados em números, os dados de fala são convertidos em arquivos mfcc contendo dados numéricos.
Image Data - A visão computacional revolucionou o mundo dos computadores, tem várias aplicações no campo da medicina, imagens de satélite etc.
Text Data- O Processamento de Linguagem Natural (NLP) é usado para classificação de texto, detecção de paráfrase e resumo de linguagem. Isso é o que torna o Google e o Facebook inteligentes.
Speech Data- Processamento de fala envolve reconhecimento de fala e compreensão de sentimento. Ele desempenha um papel crucial em transmitir aos computadores as qualidades humanas.