BT Uzmanları için Makine Öğrenmesine Giriş

Justin Stoltzfus adlı geliştiriciden

Kaynak: Aleutie / iStockphoto

Giriş

Daha fazla mühendis ve diğer profesyoneller makine öğrenimine başlıyor - bu yapay zeka alanının bireyler ve şirketler için nasıl kapı açabileceğini araştırmaya başlamak için erken araştırma ve başlangıç ​​sistemleri inşa ediyorlar.

Bununla birlikte, süreç boyunca biraz karışıklık var. Zaten makine öğrenmesi nedir?

Temel fikir, yeni teknolojilerin makinelerin insan beyninin çalışma biçimlerine daha benzer şekilde “düşünmesini” ve “öğrenmesini” sağlamasıdır.

Bununla birlikte, bu süreci tanımlamanın birkaç yolu vardır. Biraz daha fazlası için, programcıların ve teknik sorunların tanımlarını ve gerçek açıklamalarını arayan diğer BT uzmanlarının temel dayanağı olan StackOverflow'a gidelim. Bir StackOverflow iş parçacığı, makine öğrenmesini “bilgisayarlara giriş verilerine dayalı sonuçlar oluşturmalarını öğretme süreci” olarak tanımlar.

Başka bir yazar, makine öğrenimini “mantıksal, prosedürel bir yaklaşımın mümkün ya da mümkün olmayacağı karmaşık görevlerin çözülmesini sağlayan bir bilgisayar bilimi, olasılık teorisi ve optimizasyon teorisi alanı” olarak tanımlar.

Bu ikinci tanım, makine öğrenmesinin ne olduğu ve ne olmadığı konusunda önemli bir noktaya yaklaşmaktadır.

Yazar, makine öğreniminin gerçek “büyüsü” ne ve değerine işaret eden “mantıklı, prosedürel bir yaklaşım mümkün veya mümkün olmaz” dediğinde. Basitçe söylemek gerekirse, bu “post-mantık” - makine öğrenimi gelenek, doğrusal ve sıralı kod tabanı programlamanın yapabileceğinin ötesine geçer!

Geri adım atarak, nasıl olduğunu daha iyi anlamak için makine öğreniminin temel yapı taşlarına bakabiliriz.

Birincisi, eğitim verileri var - eğitim verileri program girdilerinin çalışmasını sağlar.

Eğitim verileri ile birlikte, bu verileri kıran ve çeşitli şekillerde yorumlayan algoritmalar vardır. Uzmanlar, makine öğreniminin temel çalışmalarını “örüntü tanıma” olarak tanımlar ve bunu StackOverflow sayfasında da görürsünüz - ancak yine de, makine öğreniminin nasıl çalıştığını yalnızca kısmen açıklar.

Sonraki: Sinir Ağı

Bunu Paylaş:

İçindekiler

Giriş

Sinir Ağı

Denetimli ve Denetimsiz Makine Öğrenmesi

Gradyan İniş ve Geri Yayılım

Yapay Sinir Ağları Türleri

Topluluk Öğrenimi

Uygulamalar ve Oyun Teorisi

Makine Öğrenmesinin Beş Kabilesi

Buradan nereye gidiyoruz?