ویرگول
ورودثبت نام
mberneti
mbernetiA Day Without Learning Is A Lost Day
mberneti
mberneti
خواندن ۱ دقیقه·۷ سال پیش

یادگیری ماشین چیست؟

Photo by Kevin Ku on Unsplash
Photo by Kevin Ku on Unsplash


سلام<br/>با کلیک روی این لینک، مطلب را با قالبی بهتر در وبلاگم مطالعه کنید!



تولید برنامه بصورت سنتی

تصویر پایین دیاگرام تولید یک برنامه به روش سنتی هست، همانطور که مشخص شده برنامه ما با توجه به قواعدی که تعریف کرده‌ایم و داده‌های ورودی، خروجی‌های مورد نظر ما را تولید می‌کند.

Traditional Programming
Traditional Programming

تولید برنامه با یادگیری ماشین

در صورتی که در روش یادگیری ماشین، ماشین همانند انسان‌ها با بررسی تعداد زیادی از داده‌های ورودی و نتایجشان، خودش به قواعد (شرط‌هایی که باعث می‌شود یک ورودی یک خروجی را تولید کند) دست پیدا می‌کند.


ML
ML


و سپس ماشین می‌تواند با استفاده از قواعد تولید شده در مرحله قبل و دیتا‌ها، نتایج خروجی مورد نظر ما را حدس بزند.


ML
ML


مثال: می‌خواهیم برنامه‌ای بنویسیم که مشخص کند یک فرد در حال انجام چه ورزشی از بین چهار ورزش راه رفتن، دویدن، دوچرخه سواری و گلف است و داده‌های ما شامل سرعت جابجایی و تصویر فرد می‌باشد.

فرض کنید می‌خواهیم از روش سنتی تولید برنامه استفاده کنیم در این روش ابتدا خودمان باید قواعد را مشخص کنیم تا با توجه به آنها و داده‌های ورودی به نتایج خروجی دست پیدا کنیم.

مرحله اول - شرط تشخیص وضعیت پیاده‌روی ساده

Walking
Walking
if(speed<4){ status=WALKING; }


مرحله دوم - افزودن قاعده‌ی تشخیص وضعیت دویدن

Running
Running
if(speed<4){ status=WALKING; } else { status=RUNNING; }


مرحله سوم - افزودن قاعده‌ی تشخیص وضعیت دوچرخه سواری

Biking
Biking
if(speed<4){ status=WALKING; } else if(speed<12){ status=RUNNING; } else { status=BIKING; }


مرحله چهارم - افزودن قاعده‌ی تشخیص وضعیت بازی گلف

Golfing
Golfing
// Now what?

تشخیص این حالت با کدنویسی و پردازش تصویر برای پیدا کردن الگو و قواعد قوانین خاص در این تصویر کار بسیار دشواریست. (مثلا فرض کنید بخواهیم با نوشتن الگوریتمی چوب گلف را پیدا کنیم و ...)

در صورتی که این عمل تشخیص دادن بازی گلف برای ما امری بسیار ساده‌است به این دلیل که ما به مرور زمان تصاویر مختلفی (دیتا ورودی) با این برچسب بازی گلف (نتیجه خروجی) در طول زندگیمان دیده‌ایم و به مرور ذهن ما قواعدی و رابطه‌های بین ورودی و خروجی را یادگرفت و به این دلیل بعد از مشاهده‌ی یک تصویر جدید از این بازی با وجود اون قواعد و رابطه‌های شکل گرفته می‌توانیم حدس بزنیم که فردی مشغول بازی گلف است.

برای پیاده‌سازی حل این مسئله به روش یادگیری ماشین کافیست ما تعدادی زیادی از دیتا‌های ورودی (تصاویر افراد) به همراه نتایج خروجی را در اختیار ماشین قرار دهیم. برای مثال تصاویری افرادی که در حال راه رفتن هستن با برچسب راه رفتن و تصاویر افرادی که مشغول بازی گلف هستن با برچسب بازی گلف و ...


در این مرحله ماشین مانند انسان با دیدن تصاویر و برچسب‌هایی که به آنها الحاق شده (که در ماشین برابر بررسی رابطه داده‌های صفر و یک تصاویر با برچسب زده شده‌است) قواعدی را تولید می‌کند که می‌تواند از آنها استفاده کند تا پس از آن بعد دیدن یک تصویر جدید، وضعیت فرد را حدس بزند.


خوشحال می‌شم پیشنهادات و انتقادات شما رو بشنوم ...


ماشین لرنینگmltensorflow
۱۰
۱
mberneti
mberneti
A Day Without Learning Is A Lost Day
شاید از این پست‌ها خوشتان بیاید