12478

مروري بر يادگيري ماشين و الگوريتم هاي آن

1397

دكتر محمد رضا محمد عليها

در علم يادگيري ماشين، متخصصان سعي مي‌كنند با استفاده از الگوريتم‌ها، ماشيني طراحي كنند كه بتواند بياموزد و عمل كند. به بيان ساده‌تر در اين علم ماشين با استفاده از مثال‌ها و تجربياتي كه به عنوان ورودي دريافت مي‌كند، مي‌آموزد و تصميم مي‌گيرد كه چطور رفتار كند. در اينجا منظور از ماشين فقط ربات نيست بلكه مي‌تواند يك برنامه كامپيوتري باشد. در ماشين لرنينگ به جاي برنامه نويسي دقيق همه چيز،‌ داده ها و اطلاعات به يك الگوريتم داده مي‌شود و اين الگوريتم بر اساس داده‌هاي دريافتي تصميم مي‌گيرد كه چطور عمل كند. يادگيري ماشين به معناي فراهم آوردن امكان آموزش براي سيستم‌هاي نرم‌افزاري است. اين يادگيري موجب مي‌شود برنامه‌ها و سيستم‌ها نتايج خروجي مورد نظر را به صورت دقيق‌تري پيش‌بيني كنند و اين در حالي است كه به صورت مستقيم براي انجام اين كار برنامه‌ريزي نشده‌اند. فرآيند يادگيري با مشاهدات يا داده‌هاي گذشته از جمله تجربيات مستقيم يا دستور العمل‌ها آغاز مي‌شود. در واقع اين داده‌ها به عنوان ورودي مورد استفاده قرار مي‌گيرد. سپس يك الگو در داده‌ها به دست مي‌آيد و مطابق آن الگو مقادير خروجي پيش‌بيني مي‌شود و فرايندها و تصميمات بهتري اتخاذ مي‌شود. هدف از Machine Learning ايجاد امكان براي كامپيوتر است تا بدون دخالت انسان به طور خودكار يادگيري داشته باشد و اقدامات مورد نظر را مطابق با يادگيري تنظيم كند.

7/15/2023 12:00:00 AM

80275

1402/07/22

An overview of machine learning and its algorithms

ماشين لرنينگ , يادگيري ماشين , الگوريتم هاي يادگيري ماشين , توابع كتابخانه اي پايتون , انواع كاربرد يادگيري ماشين , رگرسيون خطي , درخت تصميم , مدل ماشين بردار پشتيباني

machine learning , algorithms , An overview , deep learning , Supervised ML , Classification , Linear regression , Decision Tree , Support Vector Machines – SVM