یادگیری ماشین

یادگیری ماشین (ML)  مطالعه الگوریتم های رایانه است که می توانند به طور خودکار از طریق تجربه و با استفاده از داده ها بهبود یابند. همینطور یادگیری ماشین به عنوان بخشی از هوش مصنوعی تلقی می شود. الگوریتم های یادگیری ماشین مدل را بر اساس داده های نمونه، معروف به داده های آموزشی می سازند تا بتوانند پیش بینی یا تصمیم گیری کنند، بدون اینکه به طور صریح برای این کار برنامه ریزی شده باشند.

الگوریتم های یادگیری ماشین در طیف گسترده ای از برنامه ها مانند پزشکی، فیلترینگ ایمیل، تشخیص گفتارو بینایی رایانه ای استفاده می شود، جایی که توسعه الگوریتم های معمولی برای انجام وظایف مورد نیاز دشوار یا غیر ممکن است.

یادگیری ماشین روشی برای تجزیه و تحلیل داده ها است که ساخت مدل تحلیلی را خودکار می کند. این شاخه ای از هوش مصنوعی است بر اساس این ایده که سیستم ها می توانند از داده ها درس بگیرند، الگوها را شناسایی کرده و با حداقل دخالت انسان تصمیم گیری کنند.

از دیگر کاربردهای یادگیری ماشین می توان به موتورهای جستجوی اینترنتی، سفارشی سازی وب سایت ها، نرم افزارهای بانکی برای تشخیص تراکنش های غیر معمول و بسیاری از برنامه های تلفن های ما مانند تشخیص صدا اشاره کرد.

با وجود اینکه مهارت های مختلفی برای یادگیری ماشینی وجود دارد، اما این امکان وجود دارد خود به خود یادگیری ماشین را آموزش ببینید. در حال حاضر دوره های زیادی وجود دارد که شما را از عدم آگاهی از یادگیری ماشینی تا درک و پیاده سازی الگوریتم های یادگیری ماشین (ML)  توسط خود شما می برند.

سیستم فراگیری الگوریتم یادگیری ماشین را به سه قسمت اصلی تقسیم می کنند:

1. فرآیند تصمیم گیری: به طور کلی الگوریتم های یادگیری ماشین برای ایجاد، پیش بینی یا طبقه بندی استفاده می شود. براساس برخی از داده های ورودی که میتوانند برچسب گذاری شوند، الگوریتم شما برآوردی در مورد الگویی در داده ها ایجاد می کند.

2. تابع خطا: یک تابع خطا برای ارزیابی پیش بینی مدل استفاده می شود. اگر نمونه های شناخته شده ای وجود داشته باشد، یک تابع خطا می تواند مقایسه ای را برای ارزیابی صحت مدل انجام دهد.

3. فرآیند بهینه سازی مدل: اگر مدل بتواند بهتر با نقاط داده مجموعه آموزش مطابقت داشته باشد، وزن ها به گونه ای تنظیم می شوند تا اختلاف بین مثال شناخته شده و برآورد مدل کاهش یابد. الگوریتم، این فرآیند ارزیابی و بهینه سازی را تکرار می کند و وزن ها را به طور خودکار به روز می نماید تا آستانه دقت برآورده شود.