تعريف تعلم الآلة الغذائية

المفهوم الأساسي ل آلة الغذاء يتضمن التعلم في علم البيانات استخدام التعلم الإحصائي وأساليب التحسين التي تسمح لأجهزة الكمبيوتر بتحليل مجموعات البيانات وتحديد الأنماط (اعرض صورة للتعلم الآلي عبر رابط خارجي R2D3). تستفيد تقنيات التعلم الآلي من استخراج البيانات لتحديد الاتجاهات التاريخية لإبلاغ النماذج المستقبلية.

تتكون خوارزمية التعلم الآلي النموذجية الخاضعة للإشراف من ثلاثة مكونات (تقريبًا):

عملية اتخاذ القرار: وصفة من العمليات الحسابية أو خطوات أخرى تأخذ البيانات وترجع "تخمينًا" لنوع النمط الموجود في البيانات التي تبحث الخوارزمية عن العثور عليها.
دالة الخطأ: طريقة لقياس مدى جودة التخمين من خلال مقارنته بأمثلة معروفة (عندما تكون متوفرة). هل نجحت عملية اتخاذ القرار؟ إذا لم يكن الأمر كذلك، كيف يمكنك تحديد "مدى سوء" الخطأ؟
عملية التحديث أو التحسين: حيث تنظر الخوارزمية إلى الأخطاء ثم تقوم بتحديث كيفية وصول عملية القرار إلى القرار النهائي بحيث لا تكون الأخطاء كبيرة في المرة القادمة.
على سبيل المثال، إذا كنت تقوم بإنشاء مقترح فيلم، فإن عملية اتخاذ القرار في الخوارزمية الخاصة بك قد تنظر في مدى تشابه فيلم معين مع الأفلام الأخرى التي شاهدتها وتتوصل إلى نظام ترجيح لميزات مختلفة.

أثناء عملية التدريب، تقوم الخوارزمية باستعراض الأفلام التي شاهدتها ووزن الخصائص المختلفة. هل هو فيلم خيال علمي؟ هل هذا مضحك؟ تقوم الخوارزمية بعد ذلك باختبار ما إذا كانت ستوصي في النهاية بالأفلام التي شاهدتها أنت (أو أشخاص مثلك) بالفعل. إذا نجحت في ذلك، فإن الأوزان التي استخدمتها تظل كما هي؛ إذا أخطأ الفيلم، فسيتم رفض الأوزان التي أدت إلى القرار الخاطئ حتى لا يرتكب هذا النوع من الأخطاء مرة أخرى.

نظرًا لأن خوارزمية التعلم الآلي يتم تحديثها بشكل مستقل، فإن الدقة التحليلية تتحسن مع كل تشغيل لأنها تعلم نفسها من البيانات التي تحللها. تعتبر هذه الطبيعة التكرارية للتعلم فريدة من نوعها وقيمة لأنها تحدث دون تدخل بشري، مما يوفر القدرة على اكتشاف الأفكار المخفية دون أن تكون مبرمجة خصيصًا للقيام بذلك.

إذا كنت مهتما بمنتجاتنا، مرحبا بكم في زيارة / .