機器學習與AI人工智慧於稽核應用實例演練(附試用教育版軟體+教學演練資料)

1.機器學習
 
機器學習(Machine Learning)是人工智慧（AI）的一個重要領域，其主要目標是讓電腦系統能夠透過過去的經驗和資料，自主學習並改進自身，以從中發現模式並做出預測或決策，而無需明確編寫特定規則。機器學習的核心概念：
 
1. 資料：機器學習需要大量資料作為訓練材料，這些資料可以是結構化的例如表格數據，也可以是非結構化的例如圖像、音頻和文字等。
 
2.模型：模型是機器學習的核心算法，它根據訓練資料所學到的數學表示。這些模型能根據輸入資料進行預測或做出決策。
 
3.參數調整：在機器學習中，通常需要對模型進行參數調整，以使其能夠更好地擬合訓練資料並且能夠適用於新的資料
 
   總結來說，機器學習是一門將電腦系統賦予自主學習和改進能力，從而實現智能化的科學和技術領域。應用廣泛，包括自然語言處理、圖像辨識、推薦系統、醫療診斷等，為我們解決複雜問題提供了全新的可能性。
 
2. 監督式學習VS.非監督式機器學習
 
機器學習分為:
 
-Supervised Learning (監督式學習）
 
要學習的資料內容已經包含有答案欄位，讓機器從中學習，找出來造成這些答案背後的可能知識。JCAATs在監督式學習模型提供有多元分類(Classification) 法，包含 Decision tree、KNN、Logistic Regression、Random Forest和SVM等方法。
 
-Unsupervised Learning (非監督式學習）
 
要學習的資料內容並無已知的答案，機器要自己去歸納整理，然後從中學習到這些資料間的相關規律。在非監督式學習模型方面，JCAATs提供集群(Cluster)與 離群(Outlier) 方法。