Fêrbûna makîneyê qadek îstîxbarata sûnî (AI) ye ku balê dikişîne ser pêşkeftina algorîtma û modelên ku dihêle ku komputer fêr bibin û pêşbîniyên an biryaran bêyî ku bi eşkere têne bernamekirin bidin. Ew amûrek hêzdar e ku dihêle makîneyan bixweber daneyên tevlihev analîz bikin û şîrove bikin, qalibên nas bikin, û biryar an pêşbîniyên agahdar bikin.
Di bingeha xwe de, fêrbûna makîneyê karanîna teknîkên statîstîkî vedihewîne da ku komputer ji daneyan fêr bibin û performansa xwe li ser karek taybetî bi demê re baştir bikin. Ev bi afirandina modelên ku dikarin ji daneyan giştî bikin û li ser bingeha danûstendinên nû, nedîtî pêşbîniyan an biryaran bidin, pêk tê. Van modelan bi karanîna daneyên etîketkirî an bêlabelkirî têne perwerde kirin, li gorî celebê algorîtmaya fêrbûnê ya ku hatî bikar anîn.
Gelek celeb algorîtmayên fêrbûna makîneyê hene, ku her yek ji bo cûrbecûr kar û daneyan guncan e. Fêrbûna bi çavdêrî yek nêzîkatiyek wusa ye ku model bi karanîna daneya binavkirî ve tê perwerde kirin, ku her têketin bi encamek an etîketek têkildar re têkildar e. Mînakî, di peywirek dabeşkirina e-nameya spam de, algorîtma bi karanîna daneya e-nameyên ku wekî spam an ne spam têne navnîş kirin têne perwerde kirin. Dûv re model fêr dibe ku e-nameyên nû, nedîtî li gorî şêwazên ku ji daneyên perwerdehiyê fêr bûne dabeş bike.
Fêrbûna bêserûber, ji aliyek din ve, modelên perwerdehiyê bi karanîna daneyên nenavkirî vedihewîne. Armanc ew e ku di hundurê daneyê de qalib an avahiyek keşf bike bêyî ku berê di derheqê encam an nîşanan de hebe. Clustering teknolojiyek fêrbûna neçavdêrkirî ya hevpar e, ku algorîtma li ser bingeha wekhevî an cûdahiyên wan ên cewherî xalên daneyên wekhev bi hev re kom dike.
Cûreyek din a girîng a fêrbûna makîneyê fêrbûna bihêzkirinê ye. Di vê nêzîkbûnê de, karmendek fêr dibe ku bi hawîrdorek re têkilî daynin û bi çalakiyan nîşanek xelatê zêde bikin. Ajan jîngehê dikole, di forma xelat an cezayan de bertek distîne, û kiryarên xwe rast dike da ku xelata berhevkirî bi demê re zêde bike. Ev celeb fêrbûn bi serfirazî li karên wekî lîstika lîstikê, robotîk, û ajotina xweser hatî sepandin.
Fêrbûna makîneyê di nav pîşesaziyên cihêreng de sepanên berfireh hene. Di lênihêrîna tenduristiyê de, ew dikare were bikar anîn da ku encamên nexweşiyê pêşbîn bike, nimûneyên di wêneyên bijîjkî de nas bike, an plansaziyên dermankirinê kesane bike. Di darayî de, algorîtmayên fêrbûna makîneyê dikare ji bo tespîtkirina xapandinê, berhevkirina krediyê, û bazirganiya algorîtmîkî were bikar anîn. Serîlêdanên din pêvajoyek zimanê xwezayî, dîtina komputerê, pergalên pêşniyarê, û hêj bêtir hene.
Fêrbûna makîneyê qadek îstîxbarata sûnî ye ku balê dikişîne ser pêşkeftina algorîtma û modelên ku dihêle komputer ji daneyan fêr bibin û pêşbîniyan an biryaran bidin. Ew karanîna teknîkên statîstîkî vedihewîne da ku modelan bi karanîna daneya binavkirî an bêlabelkirî perwerde bike, û ew xwedan cûrbecûr algorîtmayên ji bo kar û daneyên cihêreng in. Fêrbûna makîneyê di nav pîşesaziyan de gelek serîlêdanên xwe hene, ku ew ji bo çareserkirina pirsgirêkên tevlihev û girtina biryarên dane-rêveber dike amûrek hêzdar.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- 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?
- TensorBoard çi ye?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin