Біріншіден машиналық оқыту түрлерін бастамас бұрын машиналық не екенін білу керек. Ол туралы біздің екі мақаламыздан оқи аласыз: https://oilay.kz/%d0%bc%d0%b0%d1%88%d0%b8%d0%bd%d0%b0%d0%bb%d1%8b%d2%9b-%d0%be%d2%9b%d1%8b%d1%82%d1%83-%d1%82%d1%83%d1%80%d0%b0%d0%bb%d1%8b-%d0%b6%d0%b0%d0%bb%d0%bf%d1%8b-%d0%b4%d0%b5%d1%80%d0%b5%d0%ba%d1%82%d0%b5/,
Machine learning және Deep learning- бұл жасанды интеллекттің (AI) 2 түрлі жиынтығы.
Deep learning және Machine learning қызықты фактілер мен статистикасы
- Логика теоретигі» атты алғашқы АИ-бағдарламаны 1955 жылы Ньюэлл және Саймон «Дүниежүзілік ақпараттық ұйым» компаниясы жасаған.;
- Зерттеушілер 2020 жылға қарай клиенттермен өзара әрекеттесудің 85% — ы адамның қатысуынсыз болады деп болжайды (Gartner);
- Жасанды интеллект немесе машиналық оқыту нарығы 2020 жылға қарай 5,05 миллиард долларға дейін өседі (Motley Fool);
Машиналық оқыту бастауыштарға арналған түсініктеме.
Қажетті нәтижеге қол жеткізу үшін адамның араласуынсыз өзін өзгерте алатын алгоритмдерді құрумен байланысты жасанды интеллект жиынтығы — құрылымдалған деректер арқылы өзін-өзі қамтамасыз ету.
Deep learning бастауыштарға арналған түсініктеме
Алгоритмдер машиналық оқытуға ұқсас етіп жасалынған және жұмыс істейтін машиналық оқытудың ішкі жиынтығы, бірақ бұл алгоритмдердің көптеген деңгейлері бар, олардың әрқайсысы ол беретін мәліметтердің әр түрлі түсіндірілуін қамтамасыз етеді. Мұндай Алгоритмдер желісі жасанды нейрондық желілер деп аталады. Қарапайым сөзбен айтқанда, бұл адам миындағы нейрондық байланыстарға ұқсайды.
Жоғарыда суретке назар аударыңыз. Бұл мысықтар мен иттердің фотосуреттер жинағы. Енді сіз Machine learning алгоритмдері мен deep learning нейрондық желілері арқылы иттер мен мысықтардың суреттерін бөлек анықтағыңыз келеді делік.
Қандай жағдайда машиналық оқыту қолданылады?
Deep learning нейрондық желілері бұл мәселені шешудің басқа тәсілін қолданады. Deep learning-тің басты артықшылығы-екі жануарды жіктеу үшін құрылымдық / таңбаланған кескін деректері қажет емес. Бұл жағдайда кіріс (кескін деректері) нейрондық желілердің әртүрлі деңгейлері арқылы жіберіледі, әр желі кескіндердің ерекшеліктерін иерархиялық түрде анықтайды. Бұл біздің адам миымыз мәселелерді шешу үшін қалай жұмыс істейтініне ұқсас — жауаптарды табу үшін тұжырымдамалар мен байланысты сұрақтардың әртүрлі иерархиялары арқылы сұраныстарды өткізіп жібереді. Нейрондық желілердің әртүрлі деңгейлері арқылы мәліметтерді өңдегеннен кейін, жүйе екі жануарды да суреттерімен жіктеу үшін тиісті идентификаторларды табады.
Қорытынды
Терең оқыту мен машиналық оқытудың негізгі айырмашылығы деректердің жүйеге қалай енгізілуіне байланысты. Машиналарды оқыту алгоритмдері әрдайым құрылымдық деректерді қажет етеді, ал терең оқыту желілері ANN (жасанды нейрондық желілер) қабаттарына сүйенеді. Машиналарды оқыту алгоритмдері таңбаланған деректерді түсіну арқылы әрекет етуді «үйрену» үшін жасалады, содан кейін оларды көптеген мәліметтер жиынтығымен жаңа нәтижелерге қол жеткізу үшін пайдаланады. Алайда, нәтиже дұрыс болмаған кезде, оларды «үйрену» қажеттілігі туындайды. Терең оқыту желілері адамның араласуын қажет етпейді, өйткені нейрондық желілердегі көп деңгейлі қабаттар деректерді әртүрлі тұжырымдамалардың иерархиясына орналастырады, нәтижесінде олар өз қателіктерінен үйренеді. Алайда, егер деректердің сапасы жеткіліксіз болса, олар қате болуы мүмкін. Деректер бәрін шешеді. Бұл нәтиженің сапасын анықтайтын мәліметтердің сапасы.