ఐటి ప్రోస్ కోసం మెషిన్ లెర్నింగ్‌కు ఒక పరిచయము

జస్టిన్ స్టోల్ట్జ్‌ఫస్ చేత

మూలం: అల్యూటీ / ఐస్టాక్‌ఫోటో

పరిచయం

కృత్రిమ మేధస్సు యొక్క ఈ రంగం వ్యక్తులు మరియు సంస్థలకు ఎలా తలుపులు తెరుస్తుందో అన్వేషించడం ప్రారంభించడానికి ఎక్కువ మంది ఇంజనీర్లు మరియు ఇతర నిపుణులు యంత్ర అభ్యాసంతో ప్రారంభిస్తున్నారు - వారు ప్రారంభ పరిశోధనలు మరియు ప్రారంభ వ్యవస్థలను నిర్మిస్తున్నారు.

అయితే, ప్రక్రియ అంతటా, కొంచెం గందరగోళం ఉంది. యంత్ర అభ్యాసం అంటే ఏమిటి?

ప్రాథమిక ఆలోచన ఏమిటంటే, కొత్త సాంకేతిక పరిజ్ఞానాలు యంత్రాలను మానవ మెదడు పనిచేసే మార్గాలకు సమానమైన మార్గాల్లో “ఆలోచించడం” మరియు “నేర్చుకోవడం” చేయగలవు.

ఈ ప్రక్రియను వివరించడానికి కొన్ని మార్గాల కంటే ఎక్కువ ఉన్నాయి. ఇంకొంచెం, ప్రోగ్రామర్లు మరియు ఇతర ఐటి నిపుణుల కోసం నిర్వచనాలు మరియు సాంకేతిక సమస్యల యొక్క నిజమైన వివరణల కోసం చూస్తున్న స్టాక్‌ఓవర్‌ఫ్లోకు వెళ్దాం. స్టాక్‌ఓవర్‌ఫ్లో థ్రెడ్ యంత్ర అభ్యాసాన్ని “ఇన్‌పుట్ డేటా ఆధారంగా ఫలితాలను సృష్టించడానికి కంప్యూటర్లను బోధించే ప్రక్రియ” అని వివరిస్తుంది.

మరొక రచయిత యంత్ర అభ్యాసాన్ని "కంప్యూటర్ సైన్స్, సంభావ్యత సిద్ధాంతం మరియు ఆప్టిమైజేషన్ సిద్ధాంతం" అని వర్ణించారు, ఇది సంక్లిష్టమైన పనులను పరిష్కరించడానికి వీలు కల్పిస్తుంది, దీని కోసం తార్కిక, విధానపరమైన విధానం సాధ్యం కాదు లేదా సాధ్యపడదు. "

ఈ తరువాతి నిర్వచనం యంత్ర అభ్యాసం అంటే ఏమిటనే దానిపై ఒక ప్రధాన అంశానికి దగ్గరగా ఉంటుంది - మరియు కాదు.

“తార్కిక, విధానపరమైన విధానం సాధ్యం కాదు లేదా సాధ్యం కాదు” అని రచయిత చెప్పినప్పుడు, అది నిజమైన “మేజిక్” మరియు యంత్ర అభ్యాస విలువను సూచిస్తుంది. సరళంగా చెప్పాలంటే, ఇది “పోస్ట్-లాజిక్” - యంత్ర అభ్యాసం సంప్రదాయం, సరళ మరియు వరుస కోడ్‌బేస్ ప్రోగ్రామింగ్‌కు మించినది!

ఒక అడుగు వెనక్కి తీసుకుంటే, ఎలా చేయాలో బాగా అర్థం చేసుకోవడానికి యంత్ర అభ్యాసం యొక్క ప్రాథమిక బిల్డింగ్ బ్లాక్‌లను చూడవచ్చు.

మొదట, శిక్షణ డేటా ఉంది - శిక్షణ డేటా ప్రోగ్రామ్ ఇన్పుట్లను పని చేయడానికి ఇస్తుంది.

శిక్షణ డేటాతో పాటు, ఆ డేటాను క్రంచ్ చేసి వివిధ మార్గాల్లో వివరించే అల్గోరిథంలు ఉన్నాయి. యంత్ర అభ్యాసం యొక్క ముఖ్యమైన పనిని నిపుణులు “నమూనా గుర్తింపు” గా వర్ణిస్తారు - మరియు మీరు దీన్ని స్టాక్‌ఓవర్‌ఫ్లో పేజీలో కూడా చూస్తారు - కాని మళ్ళీ, యంత్ర అభ్యాసం ఎలా పనిచేస్తుందో కొంతవరకు మాత్రమే వివరిస్తుంది.

తర్వాత: న్యూరల్ నెట్‌వర్క్

దీన్ని భాగస్వామ్యం చేయండి:

విషయ సూచిక

పరిచయం

న్యూరల్ నెట్‌వర్క్

పర్యవేక్షించబడిన మరియు పర్యవేక్షించబడని యంత్ర అభ్యాసం

ప్రవణత సంతతి మరియు బ్యాక్‌ప్రొపగేషన్

న్యూరల్ నెట్‌వర్క్‌ల రకాలు

సమిష్టి అభ్యాసం

అనువర్తనాలు మరియు గేమ్ సిద్ధాంతం

మెషిన్ లెర్నింగ్ అప్లికేషన్స్ యొక్క ఐదు తెగలు

ఇక్కడ నుండి ఎటు వెళ్దాం?