اگر قبلاً دانشمند داده نیستید و آن را به عنوان یک شغل در نظر می گیرید، درک معنای یادگیری ماشین می تواند مفید باشد. یادگیری ماشینی نوعی هوش مصنوعی (AI) است که برای یادگیری و بهبود به داده ها متکی است. دانشمندان داده الگوریتم هایی می نویسند که قادر به پردازش داده ها، نتیجه گیری و یادگیری هستند، زیرا آنها در طول زمان داده های بیشتری را دریافت می کنند. الگوریتمهای یادگیری ماشین در طول زمان بدون کمک انسان مؤثرتر میشوند. الگوریتم مجموعه ای از دستورالعمل ها برای حل یک مسئله یا انجام محاسبات است.
انواع مختلفی از یادگیری ماشین نیز وجود دارد، یعنی یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری نیمه نظارتی و یادگیری تقویتی. یادگیری نظارت شده برای پیشبینی است، جایی که الگوریتم دارای دادههای آموزشی است که از آن میتوان یاد گرفت. یادگیری بدون نظارت نیازی به آموزش ندارد و می تواند بدون اطلاعات قبلی شروع به یافتن الگوها کند. یادگیری نیمه نظارتی بین این دو وجود دارد و می تواند دقت پیش بینی های الگوریتم های یادگیری نظارت شده را بهبود بخشد. یادگیری تقویتی برای تصمیم گیری است، به موجب آن الگوریتم از دریافت صف های مثبت و منفی در طول یک فرآیند چند مرحله ای یاد می گیرد.
یادگیری ماشینی یک رشته علمی است که ساخت و مطالعه الگوریتم هایی را بررسی می کند که می توانند از داده ها یاد بگیرند. چنین الگوریتمهایی با ساختن یک مدل از ورودیهای نمونه و استفاده از آن برای پیشبینی یا تصمیمگیری، به جای پیروی از دستورالعملهای برنامه کاملاً ثابت عمل میکنند. یادگیری ماشینی ارتباط نزدیکی با آمار محاسباتی دارد و اغلب با آن همپوشانی دارد. رشتهای که در پیشبینیسازی نیز تخصص دارد. یادگیری ماشینی ثابت کرده است که یک حوزه تحقیقاتی پربار است که تعدادی از مسائل و الگوریتمهای مختلف را برای حل آنها ایجاد میکند. این الگوریتم در اهداف خود، در داده های آموزشی موجود و در استراتژی های یادگیری متفاوت است. این دوره به دستیابی به تکنیک های پیشرفته در یادگیری ماشین کمک می کند.
خانواده ای از یادگیری
نمایش نظرات