Fêrbûna Makîneyê (ML) bineqadeke Îstîxbarata Hunerî (AI) ye ku balê dikişîne ser pêşkeftina algorîtma û modelên ku dihêle ku komputer fêr bibin û pêşbîniyên an biryaran bêyî ku bi eşkereyî bernamekirî bin. Algorîtmayên ML ji bo analîzkirin û şîrovekirina şêwaz û têkiliyên tevlihev ên di daneyê de hatine sêwirandin, û dûv re vê zanînê bikar bînin da ku pêşbîniyên agahdar bikin an çalakiyan bikin.
Di bingeha xwe de, ML afirandina modelên matematîkî yên ku dikarin ji daneyan fêr bibin û bi demê re performansa xwe baştir bikin vedihewîne. Van modelan bi karanîna mîqdarên mezin ên daneya binavkirî têne perwerde kirin, li ku derê encam an encama xwestinê tê zanîn. Bi analîzkirina van daneyan, algorîtmayên ML dikarin qalib û têkiliyên ku rê didin wan ku zanîna xwe giştî bikin û pêşbîniyên rast li ser daneyên nû, nedîtî nas bikin.
Gelek celeb algorîtmayên ML hene, ku her yek hêz û sepanên xwe hene. Fêrbûna çavdêrî nêzîkatiyek hevpar e ku algorîtma bi karanîna daneya binavkirî ve tê perwerde kirin, tê vê wateyê ku derketina xwestinê digel daneya têketinê tê peyda kirin. Mînakî, di pergalek dabeşkirina e-nameya spam de, dê algorîtma bi karanîna daneya e-nameyên ku wekî spam an ne spam têne navnîş kirin were perwerde kirin. Bi analîzkirina taybetmendiyên van e-nameyan, algorîtma dikare fêr bibe ku di navbera her du kategoriyan de cûdahiyê bike û li gorî wê e-nameyên nû, nedîtî dabeş bike.
Fêrbûna bêserûber, ji aliyek din ve, algorîtmayên perwerdehiyê li ser daneyên bêlabelkirî vedihewîne, li cihê ku derketina xwestinê nenas e. Armanc ew e ku di daneyan de şêwaz an strukturên veşartî kifş bikin. Mînakî, algorîtmayên komkirinê, dikarin li ser bingeha taybetmendî an taybetmendiyên wan xalên daneya wekhev kom bikin. Ev dikare di dabeşkirina xerîdar de bikêr be, li cihê ku algorîtma dikare komên cihêreng ên xerîdar bi vebijark an tevgerên wekhev nas bike.
Cûreyek din a girîng a algorîtmaya ML fêrbûna xurtkirinê ye. Di vê nêzîkbûnê de, karmendek fêr dibe ku bi hawîrdorek re têkilî daynin û bi çalakiyan nîşanek xelatê zêde bikin. Ajan li ser bingeha kiryarên xwe di forma xelat an cezayan de bertek werdigire, û ew vê bertekê bikar tîne da ku polîtîka an stratejiya çêtirîn fêr bibe. Fêrbûna bihêzkirinê di warên cihêreng de, wek robotîk û lîstika lîstikê, bi serfirazî hate sepandin. Mînakî, AlphaGo, ku ji hêla DeepMind ve hatî pêşve xistin, fêrbûna bihêzkirinê bikar anî da ku lîstikvanê şampiyonê cîhanê Go têk bibe.
Algorîtmayên ML jî dikarin li gorî şêwaza fêrbûna wan werin kategorîze kirin. Fêrbûna berhevokê perwerdehiya algorîtmayê li ser danegehek sabît vedihewîne û dûv re modela fêrbûyî bikar tîne da ku li ser daneyên nû pêşbîniyan bike. Fêrbûna serhêl, ji hêla din ve, dihêle ku algorithm her ku daneyên nû peyda dibin modela xwe bi domdarî nûve bike. Ev bi taybetî di senaryoyên ku dane dînamîk e û bi demê re diguhezîne de bikêr e.
ML di pîşesaziyên cihêreng de serîlêdanên berfireh hene. Di lênihêrîna tenduristiyê de, algorîtmayên ML dikarin wêneyên bijîjkî analîz bikin da ku nexweşiyan tespît bikin an encamên nexweşan pêşbîn bikin. Di darayî de, ML dikare ji bo vedîtina xapandinê, pêşbîniya bazara borsê, û pîvana krediyê were bikar anîn. ML di pergalên pêşniyarê de jî tê bikar anîn, mîna yên ku ji hêla firotgehên serhêl û karûbarên streaming ve têne xebitandin, ji bo kesanekirina naverokê û baştirkirina ezmûna bikarhêner.
ML qadek AI-yê ye ku balê dikişîne ser pêşkeftina algorîtma û modelên ku dikarin ji daneyan fêr bibin û pêşbîniyan an biryaran bidin. Ew modelên perwerdehiyê bi karanîna daneyên nîşankirî an nenavkirî vedihewîne da ku qalib û têkiliyan nas bike, ku dûv re dikarin werin bikar anîn da ku pêşbîniyên agahdar bikin an çalakiyan bikin. ML xwedan cûrbecûr algorîtmayan e, di nav de fêrbûna çavdêrîkirin, neçavdêrîkirin, û bihêzkirin, her yek bi hêz û sepanên xwe. ML di gelek pîşesaziyan de karanîna berbelav dîtiye, di warê lênihêrîna tenduristî, darayî, pergalên pêşniyar û gelek qadên din de pêşkeftinan peyda dike.
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