Afirandina algorîtmayên ku li ser bingeha daneyan fêr dibin, encaman pêşbînî dikin, û biryaran digirin di bingeha fêrbûna makîneyê de di warê îstîxbarata sûnî de ye. Ev pêvajo di nav xwe de modelên perwerdehiyê bi karanîna daneyan vedihewîne û dihêle ku ew nimûneyan giştî bikin û pêşbîniyên rast an biryarên li ser daneyên nû, nedîtî bidin. Di çarçoweya Fêrbûna Makîneya Ewrê ya Google û pêşbîniyên bê server de di pîvanê de, ev kapasît hîn bi hêztir û berfirehtir dibe.
Ji bo destpêkê, bila em têgihîştina algorîtmayên ku li ser bingeha daneyan fêr dibin bigerin. Di fêrbûna makîneyê de, algorîtmayek komek rêwerzên matematîkî ye ku daneyên têketinê hildiberîne da ku encamek çêbike. Algorîtmayên kevneşopî bi eşkere têne bernamekirin ku rêzikên taybetî bişopînin, lê di fêrbûna makîneyê de, algorîtma ji daneyan fêr dibin bêyî ku bi eşkere werin bernamekirin. Ew bixweber di daneyan de qalib, têkilî û meylên kifş dikin da ku pêşbîniyan an biryaran bidin.
Pêvajoya fêrbûnê bi gelemperî du gavên bingehîn pêk tîne: perwerdekirin û encamgirtin. Di qonaxa perwerdehiyê de, modelek fêrbûna makîneyê ji danegehek binavkirî re tê xuyang kirin, ku her xala daneyê bi encamek an nirxek armancek naskirî ve girêdayî ye. Model taybetmendî an taybetmendiyên daneyê analîz dike û pîvanên xwe yên hundurîn rast dike da ku kapasîteya xwe ya pêşbînkirina encamên rast xweştir bike. Ev verastkirin bi gelemperî bi karanîna algorîtmayên optimîzasyonê yên mîna daketina gradient tê kirin.
Dema ku model were perwerde kirin, ew dikare ji bo encamdan an pêşbînkirina daneyên nû, nedîtî were bikar anîn. Model daneyên têketinê digire, wê bi karanîna pîvanên fêrbûyî pêvajo dike, û li gorî şêwazên ku ji daneyên perwerdehiyê fêr bûye pêşbîniyek an biryarek çêdike. Mînakî, modelek fêrbûna makîneyê ya ku li ser danûstendinek danûstendinên xerîdar hatî perwerde kirin dikare pêşbîn bike ka danûstendinek nû xapînok e an ne li gorî şêwazên ku ji daneyên paşîn fêr bûye.
Ji bo çêkirina pêşbîniyên an biryarên rast, algorîtmayên fêrbûna makîneyê xwe dispêre teknîk û modelên cihê. Di nav wan de regresyona xêzik, darên biryarê, makîneyên vektorê piştgirî, torên neuralî, û hêj bêtir hene. Her model hêz û qelsiyên xwe hene, û bijartina modelê bi pirsgirêk û daneyên taybetî yên di dest de ve girêdayî ye.
Google Cloud Machine Learning platformek hêzdar peyda dike ji bo pêşdebirin û bicîhkirina modelên fêrbûna makîneyê bi pîvan. Ew cûrbecûr karûbar û amûran pêşkêşî dike ku pêvajoya avakirin, perwerdekirin û xizmetkirina modelên fêrbûna makîneyê hêsan dike. Yek ji van karûbaran pêşbîniyên bê server e, ku dihêle hûn modelên xweyên perwerdekirî bicîh bikin û pêşbîniyan bikin bêyî ku hûn li ser rêveberiya binesaziyê an pirsgirêkên pîvandinê bitirsin.
Bi pêşbîniyên bê server, hûn dikarin modelên xweyên perwerdekirî bi hêsanî di serîlêdan an pergalan de yek bikin, bihêlin ku ew pêşbîniyên an biryaran di wextê rast de bikin. Binesaziya bingehîn bixweber li ser bingeha daxwazê mezin dibe, hebûna û performansa bilind misoger dike. Dema ku bi cildên mezin ên daneyan an daxwazên pêşbîniya frekansa bilind re mijûl dibin, ev pîvanbûn bi taybetî girîng e.
Afirandina algorîtmayên ku li ser bingeha daneyan fêr dibin, encaman pêşbînî dikin û biryaran digirin di warê îstîxbarata sûnî de aliyekî bingehîn a fêrbûna makîneyê ye. Fêrbûna Makîneya Cloud Google, bi pêşbîniyên xwe yên bê server di pîvanê de, ji bo pêşkeftin û bicîhkirina modelên fêrbûna makîneyê platformek bihêz peyda dike. Bi karanîna hêza daneyan û algorîtmayên fêrbûna makîneyê, rêxistin dikarin têgihiştinên hêja vekin, pêvajoyên biryargirtinê otomatîk bikin, û nûbûnê bimeşînin.
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