Fêrbûna çavdêrîkirî, bêserûber û bihêzkirin sê nêzîkatiyên cihêreng di warê fêrbûna makîneyê de ne. Her nêzîkatî teknîk û algorîtmayên cihêreng bikar tîne da ku pirsgirêkên cûda çareser bike û bigihîje armancên taybetî. Werin em cûdahiyên di navbera van nêzîkatiyan de bikolin û ravekirinek berfireh a taybetmendî û sepanên wan peyda bikin.
Fêrbûna çavdêrîkirî celebek fêrbûna makîneyê ye ku algorîtma ji daneyên nîşankirî fêr dibe. Daneyên binavkirî ji mînakên têketinê yên ku bi hilbera wan a rast an nirxa armancê re têkildar in pêk tê. Armanca fêrbûna çavdêrîkirin perwerdekirina modelek e ku bikaribe bi rêkûpêk encam ji bo têketinên nû, nedîtî pêşbîn bike. Algorîtmaya fêrbûnê daneyên nîşankirî bikar tîne da ku qalib û têkiliyên di navbera taybetmendiyên têketinê û etîketên derketinê de destnîşan bike. Dûv re ew vê zanînê giştî dike da ku pêşbîniyên li ser daneyên nû, bê etîket bike. Fêrbûna çavdêrîkirî bi gelemperî di karên wekî dabeşkirin û paşveçûn de tê bikar anîn.
Mînakî, di pirsgirêkek dabeşkirinê de, algorîtma li ser danûstendinek tê perwerde kirin ku her xalek daneyê bi çînek taybetî tête nîşankirin. Algorîtm fêr dibe ku nuqteyên daneya nû, yên nedîtî li yek ji çînên pêşwextkirî li gorî şêwazên ku ji mînakên binavkirî fêr bûne dabeş bike. Di pirsgirêkek regresyonê de, algorîtm fêr dibe ku li gorî taybetmendiyên têketinê nirxek jimarî ya domdar pêşbîn bike.
Fêrbûna bêserûber, ji aliyek din ve, bi daneyên bêlabelkirî re mijûl dibe. Armanca fêrbûna neçaverêkirî ew e ku meriv qalibên veşartî, avahî, an têkiliyên di nav daneyan de bêyî zanîna pêşîn a nîşaneyên derketinê kifş bike. Berevajî fêrbûna çavdêrîkirî, algorîtmayên fêrbûna neserperiştkirî xwedan nirxên armancî yên eşkere nînin ku rêberiya pêvajoya fêrbûnê bikin. Di şûna wê de, ew balê dikişînin ser dîtina nûnertî an komikên watedar di daneyan de. Fêrbûna bêserûber bi gelemperî di karên wekî komkirin, kêmkirina dimensîyonê, û tespîtkirina anomalî de tê bikar anîn.
Clustering serîlêdanek populer a fêrbûna neçavdêrî ye, ku algorîtma li ser bingeha taybetmendiyên wan ên hundurîn xalên daneyên mîna hev kom dike. Mînakî, di dabeşkirina xerîdar de, algorîtmayek fêrbûna neserperiştkirî dikare were bikar anîn da ku komên cihêreng ên xerîdar li ser bingeha tevgera kirîna wan an agahdariya demografîk nas bike.
Fêrbûna bihêzkirinê paradîgmayek cûda ye ku li wir karmendek fêr dibe ku bi hawîrdorek re têkilî daynin da ku nîşanek xelata berhevkirî zêde bike. Di fêrbûna hêzdarkirinê de, algorîtma bi pêvajoyek ceribandin-û-çewtiyê bi pêkanîna çalakiyan, çavdêriya rewşa hawîrdorê û wergirtina bertekên di forma xelat an cezayan de fêr dibe. Armanc ev e ku hûn siyasetek çêtirîn an komek çalakiyan bibînin ku xelata demdirêj zêde dike. Fêrbûna bihêzkirinê bi gelemperî di karên wekî lîstika lîstikê, robotîk, û pergalên xweser de tê bikar anîn.
Mînakî, di lîstika satrancê de, karmendek fêrbûna hêzdar dikare fêrî lîstikê bibe bi lêgerîna tevgerên cihêreng, wergirtina xelat an cezayan li ser bingeha encama her tevgerê, û stratejiya xwe eyar bike da ku şansên serketinê zêde bike.
Fêrbûna çavdêrîkirî daneyên binavkirî bikar tîne da ku modelek ji bo karên pêşbîniyê perwerde bike, fêrbûna neserperiştkirî di daneyên bêlabelkirî de qalib û strukturan kifş dike, û fêrbûna bihêzkirinê bi danûstendina bi hawîrdorek re fêr dibe da ku nîşanek xelatê zêde bike. Her nêzîkatî hêz û qelsiyên xwe hene û ji bo cûrbecûr pirsgirêk û sepanan guncan e.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- Nivîsar bi axaftinê (TTS) çi ye û ew çawa bi AI-ê re dixebite?
- Di fêrbûna makîneyê de di xebata bi daneyên mezin de çi sînor hene?
- Ma fêrbûna makîneyê dikare hin arîkariya diyalogê bike?
- Qada lîstikê ya TensorFlow çi ye?
- Di rastiyê de danûstendinek mezintir tê çi wateyê?
- Hin mînakên hîperparametreyên algorîtmê çi ne?
- Fêrbûna ensambleyê çi ye?
- Ger algorîtmayek fêrbûna makîneya bijartî ne guncan be û meriv çawa dikare piştrast bike ku ya rast hilbijêrin?
- Ma modelek fêrbûna makîneyê di dema perwerdehiya xwe de hewceyê çavdêriyê ye?
- Parametreyên sereke yên ku di algorîtmayên bingeha tora neuralî de têne bikar anîn çi ne?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin