Browsing by Subject "matriisilaskenta"

Tekoälyä ja koneoppimista hyödynnetään yhä useammilla tieteen ja liike-elämän aloilla ja tekoälyteknologioiden kehittyessä niiden käyttämisestä tulee yhä helpompaa ja yleisempää. Koneoppimisessa käytettävissä malleissa on taustalla paljon erilaista matematiikkaa ja tilastotiedettä. Menetelmien syvällinen ymmärtäminen ja soveltaminen vaatii ymmärrystä taustalla olevista matemaattisista rajoitteista ja sovellusmahdollisuuksista. Tässä tutkielmassa tarkastellaan koneoppimisen matemaattista perustaa. Työ on jaettu kahteen osaan. Ensimmäisessä osassa esitellään muutamia koneoppimisessa tarvittavia matematiikan osa-alueita, joita tarvitaan koneoppimisessa: lineaarialgebran ja matriisilaskennan sekä todennäköisyyslaskennan perusteita. Tämä osa toimii johdantona tai kertausmateriaalina kyseisiin matematiikan osa-alueisiin. Työn toisessa osassa esitellään yleisesti koneoppimisen peruskäsitteitä ja muotoillaan koneoppimisprosessia matemaattisesti. Sitten käydään läpi kaksi koneoppimismenetelmää, lineaarinen regressioanalyysi ja pääkomponenttianalyysi (PCA). Molemmista menetelmistä esitetään perusperiaate, matemaattista taustaa ja käytännön esimerkkejä Python-ohjelmointikielellä. Tutkielma perustuu kirjallisuuskatsaukseen.