یادگیری ماشین به معنی ایجاد الگوریتمها و سیستمهایی است که میتوانند از دادههای تحلیل یا پردازششده یاد بگیرند. هرچه دادههای بیشتری پردازش شود، الگوریتم بهتر میشود. این حوزه در واقع علمی است که کامپیوترها را وادار به فعالیت بدون برنامهریزی روشن میکند و شاخهای از هوش مصنوعی به شمار میرود. هوش مصنوعی حوزه علمی برای پیدا کردن الگوها، یافتن پاسخها و پیشبینی با استفاده از الگوریتمها و تکنیکهای محاسباتی است. امروزه یادگیری ماشین را میتوان در بسیاری از برنامهها، از خودروهای خودراننده گرفته تا جستوجوی اینترنتی کارآمد، تشخیص چهره و صدا مشاهده کرد اما یادگیری ماشین برای فعالیت تجاری شما چه معنایی دارد؟ یادگیری ماشین میتواند ابزاری قدرتمند برای تجارت شما باشد اما موفقیت آن نیازمند دسترسی به تمامی پایگاه دادههای موجود است. داده بیشتر در یادگیری ماشین به معنی نتیجه بهتر است زیرا دادههای جدید به برنامه کامپیوتری امکان یادگیری و بهتر کردن خودش را میدهند. از آنجا که یادگیری ماشین پتانسیل فوقالعادهای دارد، به یکی از موضوعات جذاب تحقیقی تبدیل شده است. این حوزه به کامپیوترها امکان میدهد اساسا متفاوت و قدرتمندتر از آنچه امروزه میبینیم بشوند که برنامههای جدید فوقالعادهای را به همراه خواهد داشت. این موضوع با دیتا ماینینگ یا دادهکاوی نیز ارتباط دارد زیرا تکنیکهای پردازش بزرگ دادهها نیز به سمت یافتن الگو پیش میروند. تفاوت اصلی در آنجاست که دیتا ماینینگ الگوهایی را برای انسان مییابد تا آنها را درک و استفاده کند و یادگیری ماشین نیز از همین الگوها برای بهبود برنامهها و درک خودش استفاده میکند. یک نمونه روشن این مساله فید اخبار فیسبوک است که وقتی چیزی را دوست دارید یا چیزی روی دیوار خود مینویسید، تبلیغات هدفمند بهتری به شما عرضه میکند. چهار حوزه مختلف در یادگیری ماشین وجود دارد که هر کدام کاربرد خاصی دارند؛ یادگیری تحت نظارت که در آن مثلا یک الگوریتم یاد میگیرد چه چیزی چهره...
شما وارد سایت نشدهاید. برای خواندن ادامه مطلب و ۵ مطلب دیگر از ماهنامه پیوست به صورت رایگان باید عضو سایت شوید.