یادگیری ماشین چیست
یادگیری ماشین شاخه ای از هوش مصنوعی و علوم کامپیوتر هست است که به کامپیوترها توانایی یادگیری میدهد، بدون اینکه برای آنها یک کد صریحی نوشته شده باشد. یادگیری ماشین بر توسعه برنامه های رایانه ای متمرکز است که بتوانند به داده ها دسترسی داشته و از آنها برای یادگیری خود استفاده کنند. الگوریتمهای یادگیری ماشین دانش خود را از روی پایگاه داده بدست می آوردند و میتوانند براساس این دانش در شرایط جدید تصمیمات مناسبی را بگیرند.
مفهوم دقیق یادگیری ماشین
عبارت “یادگیری” در یادگیری ماشین به این معناست که الگوریتمهای یادگیری ماشین سعی دارند در بعد محدودی خود را بهینه کنند. الگورتیمهای یادگیری ماشین معمولا سعی بر حداقل کردن یک خطا دارند. این خطا سه تا اسم دارد: تابع هزینه، تابع خطا، تابع هدف.
خب شاید سوال الان این باشد که چطور تابع هزینه رو حداقل میکنند؟ یک راه این است که الگوریتم ساختارش را طوری تعیین کند که پیشبینیهای خود را با خروجی واقعی داده یکسان شود. الگورتیمهای یادگیری ماشین زیادی وجود دارد که در مورد این مباحث در دوره پیادهسازی شبکههای عصبی، شناسایی آماری الگو، و یادگیری ماشین مفصل توضیح میدهیم.
به طور کلی اگه بخواهیم در یک شکل فرایند یادگیری ماشین رو توضیح بدیم بهتر است به شکل زیر نگاه کنید:
یادگیری ماشین از چند بخش تشکیل شده است؛ در ابتدا داده وارد سیستم میشود، سپس داده پیش پردازش شده و اگر نویزی و یا آرتیفکتی داشته باشده در ابتدا حذف میشوند و سپس از داده خام یک سری ویژگی استخراج میشود، این ویژگیها نماینده داده خام خواهند بود، سپس این دادهها به الگوریتم طبقهبند یا خوشهبند داده میشود که نقش تصمیم گیرنده دارند.
در این ویدیو مفهوم یادگیری ماشین به زبان ساده توضیح داده میشود.
دیدگاه ها