یادگیری ماشین یا ماشین لرنینگ چیست؟
یادگیری ماشین یا ماشین لرنینگ یکی از زیر شاخه های مهم هوش مصنوعی می باشد. ماشین لرنینگ به طراحی و هوشمند سازی ماشین ها می پردازد که با استفاده از تجربیات خودشان و مثال های داده شده یاد بگیرند. ماشین لرنینگ بر پایه چه هدفی بنا شده است؟ هدف اصلی این است که توسط الگوریتم ها یک ماشین بدون نیاز به برنامه ریزی و دیکته کردن جز به جز اولیه ، بتواند بیاموزد و از آموخته های خود شروع به کار کند. منطق این گونه سیستم ها یا ماشین ها این است که به جای برنامه نویسی مو به مو اطلاعات ، داده های مورد نیاز به یک الگوریتم داده می شود و الگوریتم طبق داده هایی که دریافت کرده عمل می کند. ماشین لرنینگ روش های متفاوتی دارد که در ادامه به آنها می پردازیم. -ماشین لرنینگ با یادگیری با نظارت (Supervised Learning - Inductive) : در این روش به یک سیستم، مجموعه ای از جفت‌های ورودی خروجی ارائه شده و سیستم تلاش می‌کند تا تابعی از ورودی به خروجی را یاد بگیرد . در این الگوریتم روال یادگیری تا زمانی بررسی می شود که مدل ساخته شده به سطح مورد نظری از دقت در مجموعه داده های مورد آزمایش برسد. -ماشین لرنینگ با یادگیری بدون نظارت (Unsupervised Learning - Inductive) : اگر یادگیری بر روی داده‌های بدون برچسب و برای یافتن الگوهای پنهان در این داده‌ها انجام شود، یادگیری بدون نظارت محسوب میشود. در این مدل داده های ورودی به سیستم ارائه می شوند ولی خروجی نهایی مثل [Supervised Learning] از پیش مشخص نیست و خود سیستم باید بتواند بر اساس ساختار و الگوی داده های ورودی و روش آزمون و خطا، خروجی را ایجاد کند. -ماشین لرنینگ با یادگیری تقویتی (Reinforcement Learning) یا یادگیری نیمه نظارتی (Semi Supervised Learning - Inductive) : در یادگیری ماشین نیمه نظارتی از داده‌های بدون برچسب و داده‌های برچسب‌دار به صورت هم‌زمان برای بهبود دقت یادگیری استفاده میشود و ماشین یاد می گیرد که تصمیم مشخصی را اتخاذ کند. روند کار در [Semi Supervised Learning] به این صورت است که ماشین همواره با استفاده از روش صحیح ، خطا و کسب تجربه به دانش بیشتری دست پیدا می کند و سعی می کند دقیق ترین جواب را ارائه کند. روش‌های یادگیری نیمه‌نظارتی : 1) روش های مولد 2) روش های مبتنی بر فرض جداسازی کم چگالی 3)روش های مبتنی بر گراف برای اینکه متوجه شوید ماشین لرنینگ در زندگی روزمره ما چه کاربردی دارد ، مثال‌های زیر را با دقت بخوانید: 1) تشخیص چهره: شناسایی چهره در یک تصویر ( تشخیص اینکه آیا چهره‌ای وجود دارد یا خیر). 2) پیش‌بینی آب و هوا: پیش‌بینی اینکه برای مثال فردا باران می‌بارد یا خیر. 3) تشخیص پزشکی: تشخیص اینکه آیا بیمار به یک بیماری مبتلا است یا خیر. آیا ما باید ماشین لرنینگ را یاد بگیریم؟ انسان به کمک هوش مصنوعی موفق به ساخت ماشین‌های بهتر و هوشمند شد اما دانشمندان اوایل از انجام کارهای پیچیده‌تری که مداوم با چالش همراه بود ناتوان بودند و فقط قادر به انجام کارهای جزئی مانند ، پیدا کردن کوتاه‌ترین مسیر بین دو نقطه A و B بودند. پس از مدتی به این درک رسیدند که اگر نیاز به انجام کارهای بزرگتر دارند تنها راهی که ممکن است ، طراحی ماشین‌هایی است که بتوانند از خودشان یاد بگیرند. مثل کودکی که از خودش می‌آموزد. بنابراین ، ماشین لرنینگ به‌عنوان یک توانایی جدید برای رایانه‌ها مطرح شد.
مهدی صالحی
دیدگاه کاربران
ثبت دیدگاه
برای ثبت نظر، ابتدا وارد شوید.
محمد عبادی پور
👨💻👨💻👌👍