صفحه محصول - پاورپوینت مفهوم یادگیری ماشینی

پاورپوینت مفهوم یادگیری ماشینی (pptx) 28 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 28 اسلاید

قسمتی از متن PowerPoint (.pptx) :

مفهوم یادگیری ماشینی Machine Learning مقدمـــه: یادگیری ماشینی این امکان را برای رایانه‌ها فراهم می‌کند تا از عهده کارهایی برآیند که تاکنون فقط توسط انسان‌ها انجام شده است؛ از رانندگی با اتومبیل گرفته تا ترجمه گفتار. یادگیری ماشینی باعث ایجاد انفجاری در توانایی‌های هوش مصنوعی می‌شود و به نرم افزار برای درک دنیای واقعی نامرتب و غیر قابل پیش بینی کمک می‌کند. یادگیری ماشینی چیست یادگیری ماشینی ( machine learning) شاخه‌ای از هوش مصنوعی است که شامل روش‌ها یا الگوریتم‌هایی برای ایجاد خودکار مدل‌ها از داده‌ها است. برخلاف سیستمی که با رعایت قوانین صریح وظیفه‌ای را انجام می‌دهد، سیستم یادگیری ماشین از تجربه می‌آموزد. در حالی که یک سیستم مبتنی بر قاعده هر بار وظیفه را به همان شیوه انجام می‌دهد (خوب یا بد)، با قرار دادن الگوریتم در برابر داده‌های بیشتر، می‌توان از طریق آموزش، عملکرد سیستم یادگیری ماشین را بهبود بخشید. به زبان ساده‌تر، یادگیری ماشینی، علمی است که کامپیوترها را وادار می‌کند تا مانند انسان‌ها یاد بگیرند و رفتار کنند؛ سپس با گذشت زمان و با یادآوری اطلاعات و داده‌ها در قالب مشاهدات و تعاملات دنیای واقعی، یادگیری آن‌ها را به روشی مستقل بهتر می‌کند. یادگیری ماشین هوشمند کردن رایانه‌هاست بدون اینکه مستقیماً به آنها یاد بدهیم چطور رفتار کنند. اما این اتفاق چطور می‌افتد؟ رایانه‌ها می‌توانند با استفاده از حجم عظیمی از داده، به طور خودکار الگوهایی تکرارشونده را بدون دخالت انسان یاد بگیرند. یادگیری این الگوریتم‌ها به تقلید از شیوه یادگیری انسان انجام می‌شود و با بیشتر شدن تجربه رایانه، به‌تدریج دقت آن بالاتر می‌رود. تاریخچه یادگیری ماشین یادگیری ماشین پدیده‌ای نیست که اخیرا به وجود آمده باشد. در واقع شبکه‌های عصبی برای اولین بار به عنوان یک مفهوم در یک مقاله تحقیقاتی در سال ۱۹۴۳ معرفی شد. اگرچه در روزهای ابتدایی پیشرفت در یادگیری ماشین به دلیل هزینه بالای محاسبات تا حدی کند بود که این حوزه را فقط در دسترس موسسات دانشگاهی بزرگ یا شرکت‌های چند ملیتی قرار می داد. همچنین این مسئله وجود داشت که تهیه داده‌های مورد نیاز برای آموزش سیستم‌ها بسیار دشوار بود. امام امروزه با ظهور اینترنت بسیاری از مشکلات بر سر راه هوش مصنوعی و یادگیری ماشین از بین رفته و با پیشرفت سخت افزارها هزینه‌های تهیه سخت افزارهای مورد نیاز برای پیاده سازی هوش مصنوعی و یادگیری ماشین کاهش یافت که همین مسئله باعث پیشرفت بیشتر این حوزه در سال‌های اخیر شد. یادگیری تقویتی یادگیری تحت نظارت یادگیری بدون نظارت انواع یادگیری ماشین یادگیری فعال یادگیری عمیق یادگیری تحت نظارت در این نوع یادگیری متخصصان داده به‌عنوان یک ناظر، داده‌هایی را در اختیار ماشین می‌گذارند و انواع داده‌ها را با برچسب‌هایی نام‌گذاری می‌کنند. مثل یک فروشنده که نام هر دسته از محصولات خود را روی برچسبی می‌نویسد و در طبقه‌ای که محصولات چیده شده‌اند می‌چسباند. در این نوع یادگیری ورودی و خروجی مشخص شده است و ماشین تلاش می‌کند تا الگویی از رساندن ورودی به خروجی مورد انتظار را یاد بگیرد. یادگیری بدون نظارت در یادگیری بدون نظارت رایانه بدون کمک‌مربی، و بدون استفاده از برچسب‌هایی که نوع داده‌ها را مشخص می‌کنند، ارتباط بین داده‌ها را پیدا و الگوها را کشف می‌کند. مثلاً شما می‌توانید صدها تصویر از پرنده‌های مختلف، میوه‌های گوناگون و انواع ماشین‌ها را به رایانه بدهید و از او بخواهید که ویژگی‌های مشترک بین این تصاویر را پیدا کند و الگوی دسته‌بندی آنها را بدون کمک کشف کند.