Объяснение:
Машинное обучение (Machine Learning) это тренировка математической модели на исторических данных для того, чтобы прогнозировать какое-то событие или явление на новых данных. То есть попытка заставить алгоритмы программ совершать действия на основе предыдущего опыта, а не только на основе имеющихся данных.
Для обучения нужны исторические данные (обучающая выборка) и значение целевой переменной (то, что прогнозируем), которое соответствует заданным историческим данным. Модель наблюдает и находит зависимости между данными и целевой переменной. Эти зависимости используются моделью для нового набора данных, чтобы прогнозировать целевую переменную, которая неизвестна.
Машинное обучение включает в себя целый набор методов и алгоритмов, которые могут предсказать какой-то результат по входным данным. Например, у вас есть какая-то информация по тому, сколько стоили ценные бумаги в каждый момент из какого-то длинного промежутка времени, алгоритмы машинного обучения могут предсказать, сколько эти бумаги будут стоить в будущем.
Алгоритмов машинного обучение большое множество: одни эффективны для решения одного типа задач задач, вторые — для другого. Важно не путать машинное обучение, нейросети и искусственный интеллект, это принципиально разные вещи. Обучить искусственный интеллект можно не только методами машинного обучения, а кроме нейросетевых алгоритмов есть ещё и классическое обучение, и обучение с подкреплением.
Поделитесь своими знаниями, ответьте на вопрос:
Заполнить массив из 10 элементов случайными числами в интервале [-10..10] и найти в нем два максимальных элемента и их номера. пример: исходный массив: .. максимальные a[4]=10, a[7]=8
program pr; label l; var mas: array[1..10] of integer; i,k,n,b,sum: integer; beginrandomize; for i: =1 to 10 do mas[i]: =round(())*random+(-10)); l: for i: =1 to 10 dobeginif n< mas[i] thenbeginn: =mas[i]; k: =i; end; end; writeln ('a[',k,']=',n); mas[k]: =-11; n: =0; k: =0; if b=0 thenbeginb: =1; goto l; end; readln; end.
программу проверил все работает