stub Waa maxay Barashada Mashiinka? - Midow.AI
Connect nala
AI Masterclass:

AI 101

Waa maxay Barashada Mashiinka?

mm
Updated on

Barashada mishiinadu waa mid ka mid ah meelaha ugu dhaqsaha badan ee teknoolajiyada u koraya, laakiin inkasta oo inta jeer ee erayada "barashada mishiinka" la iska tuuro, way adkaan kartaa in la fahmo waxa ay tahay barashada mishiinku, si sax ah.

waxbarashada Machine hal shay kaliya ma tilmaamayo, waa dallad lagu dabaqi karo fikrado iyo farsamooyin badan oo kala duwan. Fahamka barashada mashiinka macneheedu waa in aad aqoon u leedahay noocyada kala duwan ee falanqaynta moodeelka, doorsoomayaasha, iyo algorithms. Aan si dhow u eegno barashada mashiinka si aan si fiican u fahanno waxa ka kooban.

Waa maxay Barashada Mashiinka?

Iyadoo ereyga barashada mashiinka lagu dabaqi karo waxyaabo badan oo kala duwan, guud ahaan, ereyga waxaa loola jeedaa awood u yeelashada kombuyuutarka inuu fuliyo hawlaha isagoon helin tilmaamo sadar-line ah oo cad si uu sidaas u sameeyo. Khabiir ku takhasusay barashada mashiinka maaha inuu qoro dhammaan tillaabooyinka lagama maarmaanka u ah si loo xalliyo dhibaatada sababtoo ah kombuyuutarku wuxuu awood u leeyahay inuu "barto" isagoo falanqeynaya qaababka xogta ku jira iyo guud ahaan qaababkan xogta cusub.

Nidaamyada barashada mashiinka ayaa leh saddex qaybood oo aasaasi ah:

  • gashiga
  • Algoritm
  • soo saarka

Waxyaabaha la soo galiyo waa xogta lagu quudiyo nidaamka barashada mashiinka, xogta wax gelinta waxaa loo qaybin karaa calaamado iyo astaamo. Sifooyinku waa doorsoomayaasha khuseeya, doorsoomayaasha la lafaguri doono si loo barto habab iyo gunaanad. Dhanka kale, calaamaduhu waa fasallo/ sharraxaadyo la siiyay tusaalooyinka gaarka ah ee xogta.

Tilmaamaha iyo calaamadaha waxaa loo isticmaali karaa laba nooc oo kala duwan oo ah dhibaatooyinka barashada mashiinka: waxbarashada la kormeerayo iyo barashada aan la ilaalin.

Aan la kormeerin vs. Barashada la kormeero

In barashada kormeerka ah, xogta la geliyo waxa la socda run run ah. Dhibaatooyinka waxbarashada ee la kormeero waxay leeyihiin qiyamka wax soo saarka saxda ah sida qayb ka mid ah xogta, markaa fasalada la filayo horay ayaa loo yaqaan. Tani waxay suurtogal ka dhigaysaa saynisyahanka xogta inuu hubiyo waxqabadka algorithm isaga oo tijaabinaya xogta ku jirta xog-ururinta oo uu arko boqolleyda shay ee sida saxda ah loo kala saaray.

Taas bedelkeeda, waxbarashada aan la ilaalin Dhibaatooyinku ma laha calaamado run ah oo ku dheggan. Algorithm-ka barashada mashiinka loo tababaray in uu fuliyo hawlo waxbarasho oo aan la kormeerin waa in uu awood u leeyahay in uu qiyaaso qaababka ku habboon xogta lafteeda.

Algorithms waxbarashada la kormeero ayaa caadi ahaan loo isticmaalaa dhibaatooyinka kala soocida, halkaas oo mid ka mid ah uu leeyahay xog-ururin badan oo ay ka buuxaan tusaalooyin ay tahay in loo kala saaro mid ka mid ah fasallo badan oo kala duwan. Nooc kale oo ka mid ah waxbarashada la kormeero waa hawl dib-u-dhac ah, halkaas oo wax-soo-saarka qiimaha algorithmisku uu yahay mid joogto ah dabeecadda halkii ay ka ahaan lahayd kala-saarid.

Dhanka kale, algorithms waxbarashada aan la ilaalin ayaa loo isticmaalaa hawlaha sida qiyaasidda cufnaanta, kooxaynta, iyo barashada matalaadda. Saddexdan hawlood waxay u baahan yihiin qaabka barashada mashiinka si ay u qiimeeyaan qaabka xogta, ma jiraan fasallo horay loo sii qeexay oo la siiyay qaabka.

Aynu si kooban u eegno qaar ka mid ah algorithms-yada ugu caansan ee loo isticmaalo waxbarashada aan la ilaalin iyo waxbarashada la kormeero labadaba.

Noocyada Waxbarashada La Korjoogo

Algorithms waxbarashada la kormeero waxaa ka mid ah:

  • Bayeelo aan caqli lahayn
  • Taageer Mashiinnada Vector
  • Dib u soo noolaynta logistic
  • Kaymaha Random
  • Shabakadaha Artificial Neural

Taageer Mashiinnada Vector waa algorithms kuwaas oo u qaybiya kaydka xogta fasalo kala duwan. Dhibcaha xogta waxa loo qaybiyaa rucub iyadoo la sawirayo xariiqyo kala saaraya fasalada midba midka kale. Dhibcaha laga helo hal dhinac oo xariiqda ka mid ah waxay lahaan doonaan hal fasal, halka dhibcaha dhinaca kale ee khadka ay yihiin fasal ka duwan. Mashiinnada Taageerada Vector waxay ujeedadoodu tahay inay sare u qaadaan masaafada u dhaxaysa xariiqda iyo dhibcaha laga helay labada dhinac ee xariiqda, iyo fogaanta weyn ee kalsoonida kala-saaruhu waa in barta ay ka tirsan tahay hal fasal oo aanay ahayn fasal kale.

Dib u soo noolaynta logistic waa algorithm loo isticmaalo hawlaha kala saarista binary marka dhibcaha xogta loo baahan yahay in loo kala saaro inay ka tirsan yihiin mid ka mid ah laba fasal. Dib-u-celinta Logistic-ga waxay ku shaqeysaa iyadoo calaamadeysa barta xogta mid 1 ama 0 ah. Haddii qiimaha la dareemayo barta xogta ay tahay 0.49 ama ka hooseeya, waxaa loo kala saarayaa 0, halka haddii ay tahay 0.5 ama ka badan loo kala saarayo 1.

Algorithmsyada Go'aanka Tree ku shaqee adiga oo u qaybinaya kaydka xogta qaybo yaryar iyo kuwo yaryar. Shuruudaha saxda ah ee loo isticmaalo qaybinta xogta waxay ku xiran tahay injineerka barashada mashiinka, laakiin ujeedadu waa in ugu dambeyntii loo qaybiyo xogta xogta hal dhibic, ka dibna waxaa loo kala saari doonaa iyadoo la adeegsanayo fure.

Algorithm kaynta Random Forest asal ahaan waa kalasaarayaal badan oo hal go'aan geedka ah oo la isku xidho kala saare awood badan leh.

The Kalasoocida Naive Bayes xisaabiyaa itimaalka in barta xogta la bixiyay ay dhacday iyadoo lagu salaynayo suurtagalnimada dhacdo ka hor dhacday. Waxay ku salaysan tahay Bayes Theorem waxayna dhigaysaa dhibcaha xogta fasallada iyadoo lagu saleynayo itimaalkooda la xisaabiyay. Marka la fulinayo kala soocida Naive Bayes, waxaa loo maleynayaa in dhammaan saadaaliyayaashu ay saameyn isku mid ah ku leeyihiin natiijada fasalka.

An Shabakadda Neerfaha ee Artificial, ama Perceptron-lakab badan, waa algorithms barashada mashiinka oo ay dhiirigelisay qaab dhismeedka iyo shaqada maskaxda bini'aadamka. Shabakadaha neerfaha ee macmalka ah waxay magacooda ka helayaan xaqiiqda ah inay ka samaysan yihiin qanjidhada/neurons badan oo isku xidhan. Neuron kasta waxa uu xogta ku maamulaa hawl xisaabeed. Shabakadaha neerfaha ee macmalka ah, waxaa jira lakabyo gelinta, lakabyo qarsoon, iyo lakabyo wax soo saar.

Lakabka qarsoon ee shabakada neerfaha ayaa ah meesha xogta dhabta ah lagu fasiro laguna falanqeeyo qaababka. Si kale haddii loo dhigo, waa meesha algorithm wax ku barto. Neurons badan oo isku xiran waxay sameeyaan shabakado aad u adag oo awood u leh inay bartaan qaabab badan oo kakan.

Noocyada Waxbarashada Aan La Ilaalin

Algorithms-yada Waxbarashada aan la ilaalin waxaa ka mid ah:

  • K-waxaa loola jeedaa ururinta
  • Autoencoders
  • Falanqaynta Qaybta Maamulaha

K-waxaa loola jeedaa ururinta waa farsamo kala saarid aan la ilaalin, waxayna ku shaqeysaa iyadoo la kala saarayo dhibcaha xogta kooxo ama kooxo ku saleysan sifooyinkooda. K-macneheedu waa kooxuhu waxay falanqeeyaan sifooyinka laga helay dhibcaha xogta waxayna kala saarayaan habab iyaga ku jira taas oo ka dhigaysa dhibcaha xogta laga helay kooxda fasalka la siiyay midba midka kale midba midka kale ka badan marka loo eego kooxaha ay ka kooban yihiin dhibcaha xogta kale. Tan waxaa lagu dhammeeyaa iyada oo la geliyo xarumaha suurtagalka ah ee kutlada, ama centroids, garaaf xogta iyo dib u habeynta booska centroid ilaa laga helo boos yareynaya masaafada u dhexeysa bartamaha iyo dhibcaha ka tirsan fasalka centroid. Cilmi-baaruhu wuxuu cayimi karaa tirada la rabo ee rucubyada.

Falanqaynta Qaybta Maamulaha waa farsamo hoos u dhigaysa tiro badan oo astaamo ah/kala duwanaansho ah oo hoos u dhigaysa meel bannaan oo muuqaal ah/sifo yar. "Qaybaha ugu muhiimsan" ee dhibcaha xogta ayaa loo doortaa ilaalinta, halka sifooyinka kale lagu tuujiyo matalaad yar. Xidhiidhka ka dhexeeya xogta asalka ah waa la ilaaliyaa, laakiin maadaama kakanaanta dhibcaha xogta ay fudud yihiin, xogtu way fududahay in la qiyaaso oo la qeexo.

Autoencoders waa noocyada shabakadaha neerfaha ee lagu dabaqi karo hawlaha waxbarasho ee aan la kormeerin. Autoencoders waxay awood u leeyihiin inay qaataan xogta aan la calaamadin, qaab bilaash ah oo u beddelaan xogta shabakada neerfaha ay awood u leedahay inay isticmaasho, asal ahaan abuurista xog tababar oo iyaga u gaar ah. Hadafka autoencoder waa in la beddelo xogta gelinta oo dib loogu dhiso sida saxda ah ee suurtogalka ah, markaa waxay ku jirtaa dhiirigelinta shabakadda si loo go'aamiyo sifooyinka ugu muhiimsan oo laga soo saaro.

Blogger iyo programmer leh takhasusyo ku jira Barashada Mashiinka iyo Barashada Deep mowduucyo. Daniel wuxuu rajeynayaa inuu ka caawiyo dadka kale inay u isticmaalaan awoodda AI wanaagga bulshada.