Machine Learning (ML) нь хиймэл оюун ухааны (AI) дэд салбар бөгөөд тодорхой програмчлагдсангүйгээр компьютерт суралцах, таамаглал, шийдвэр гаргах боломжийг олгодог алгоритм, загвар боловсруулахад чиглэдэг. ML алгоритмууд нь өгөгдлийн нарийн төвөгтэй хэв маяг, харилцаанд дүн шинжилгээ хийх, тайлбарлах зорилготой бөгөөд дараа нь энэ мэдлэгийг үндэслэлтэй таамаглал гаргах эсвэл арга хэмжээ авахад ашигладаг.
ML нь үндсэндээ өгөгдлөөс суралцаж, гүйцэтгэлээ сайжруулах боломжтой математик загваруудыг бий болгоход оршино. Эдгээр загварууд нь хүссэн гаралт эсвэл үр дүн нь мэдэгдэж байгаа хаяглагдсан их хэмжээний өгөгдлийг ашиглан сургагдсан байдаг. Энэхүү өгөгдөлд дүн шинжилгээ хийснээр ML алгоритм нь мэдлэгээ нэгтгэн дүгнэх, шинэ, үл үзэгдэх өгөгдлийн талаар үнэн зөв таамаглал гаргах боломжийг олгодог хэв маяг, харилцааг тодорхойлж чадна.
Хэд хэдэн төрлийн ML алгоритмууд байдаг бөгөөд тус бүр өөрийн давуу тал, хэрэглээтэй байдаг. Хяналттай суралцах нь алгоритмыг шошготой өгөгдлийг ашиглан сургадаг нийтлэг арга бөгөөд хүссэн гаралтыг оролтын өгөгдлийн хамт өгдөг. Жишээлбэл, спам имэйлийн ангиллын системд алгоритмыг спам эсвэл спам биш гэж тэмдэглэсэн имэйлийн өгөгдлийн багц ашиглан сургах болно. Эдгээр имэйлийн шинж чанаруудад дүн шинжилгээ хийснээр алгоритм нь хоёр ангиллыг ялгаж, шинэ, үл үзэгдэх имэйлүүдийг зохих ёсоор нь ангилж сурах боломжтой.
Харин хяналтгүй суралцах нь хүссэн гарц нь тодорхойгүй, шошгогүй өгөгдөл дээр алгоритмуудыг сургах явдал юм. Зорилго нь өгөгдлийн далд хэв маяг, бүтцийг илрүүлэх явдал юм. Жишээлбэл, кластерийн алгоритмууд нь ижил төстэй өгөгдлийн цэгүүдийг шинж чанар, шинж чанарт нь үндэслэн бүлэглэж болно. Энэ нь алгоритм нь ижил төстэй сонголт эсвэл зан төлөвтэй үйлчлүүлэгчдийн ялгаатай бүлгийг тодорхойлох боломжтой хэрэглэгчийн сегментчилэлд ашигтай байж болно.
ML алгоритмын өөр нэг чухал төрөл бол бэхжүүлэх сургалт юм. Энэ аргын хувьд агент нь хүрээлэн буй орчинтой харилцаж, арга хэмжээ авах замаар шагналын дохиог нэмэгдүүлэхэд суралцдаг. Агент үйлдлийнхээ дагуу урамшуулал, торгуулийн хэлбэрээр санал хүсэлт хүлээн авдаг бөгөөд энэ санал хүсэлтийг оновчтой бодлого, стратегийг сурахад ашигладаг. Бататгах сургалтыг робот техник, тоглоом тоглох зэрэг төрөл бүрийн салбарт амжилттай хэрэгжүүлсэн. Жишээлбэл, DeepMind-ийн бүтээсэн AlphaGo нь дэлхийн аварга Go тоглогчийг ялахын тулд бэхжүүлэх сургалтыг ашигласан.
ML алгоритмуудыг сургалтын хэв маягаар нь ангилж болно. Багцаар суралцах нь алгоритмыг тогтмол өгөгдлийн багц дээр сургаж, дараа нь сурсан загвараа ашиглан шинэ өгөгдөл дээр таамаглал дэвшүүлэх явдал юм. Нөгөө талаар онлайн сургалт нь алгоритмд шинэ өгөгдөл гарах үед загвараа тасралтгүй шинэчлэх боломжийг олгодог. Энэ нь өгөгдөл нь динамик бөгөөд цаг хугацааны явцад өөрчлөгддөг хувилбаруудад ялангуяа ашигтай байдаг.
ML нь янз бүрийн салбарт өргөн хүрээний хэрэглээтэй. Эрүүл мэндийн салбарт ML алгоритмууд нь өвчнийг илрүүлэх эсвэл өвчтөний үр дагаврыг урьдчилан таамаглахын тулд эмнэлгийн зургийг шинжлэх боломжтой. Санхүүгийн хувьд ML-ийг залилан илрүүлэх, хөрөнгийн зах зээлийг таамаглах, зээлийн оноо авахад ашиглаж болно. ML нь контентыг хувийн болгох, хэрэглэгчийн туршлагыг сайжруулах зорилгоор онлайн худалдаачид болон стриминг үйлчилгээ зэрэг зөвлөмжийн системд ашиглагддаг.
ML нь өгөгдлөөс суралцаж, таамаглал, шийдвэр гаргах боломжтой алгоритм, загвар боловсруулахад чиглэдэг хиймэл оюун ухааны дэд салбар юм. Энэ нь хэв маяг, харилцааг тодорхойлохын тулд шошготой эсвэл шошгогүй өгөгдлийг ашиглан загваруудыг сургах, дараа нь мэдээлэлтэй таамаглал гаргах эсвэл арга хэмжээ авахад ашиглаж болно. ML нь хяналттай, хяналтгүй, бататгах сургалт зэрэг олон төрлийн алгоритмтай бөгөөд тус бүр өөрийн давуу тал, хэрэглээтэй байдаг. ML нь олон салбарт өргөн тархсан бөгөөд эрүүл мэнд, санхүү, зөвлөмжийн систем болон бусад олон салбарт ахиц дэвшил гаргах боломжийг олгосон.
Сүүлийн үеийн бусад асуулт, хариулт EITC/AI/GCML Google Cloud Machine Learning:
- Текстээс яриа (TTS) гэж юу вэ, энэ нь хиймэл оюун ухаантай хэрхэн ажилладаг вэ?
- Машин сургалтын явцад том өгөгдлийн багцтай ажиллахад ямар хязгаарлалт байдаг вэ?
- Машины сургалт нь харилцан ярианы тусламж үзүүлж чадах уу?
- TensorFlow тоглоомын талбай гэж юу вэ?
- Том өгөгдлийн багц нь үнэндээ юу гэсэн үг вэ?
- Алгоритмын гиперпараметрийн зарим жишээ юу вэ?
- Ансамблийн сургалт гэж юу вэ?
- Сонгосон машин сургалтын алгоритм тохиромжгүй бол яах вэ, зөвийг нь хэрхэн сонгох вэ?
- Машин сургалтын загвар нь сургалтын явцад хяналт тавих шаардлагатай юу?
- Мэдрэлийн сүлжээнд суурилсан алгоритмд ашигладаг гол параметрүүд юу вэ?
EITC/AI/GCML Google Cloud Machine Learning-ээс бусад асуулт, хариултуудыг харна уу
Илүү олон асуулт, хариулт:
- Талбар: Хиймэл оюун
- хөтөлбөр: EITC/AI/GCML Google Cloud Machine Learning (гэрчилгээжүүлэх хөтөлбөрт очно уу)
- Хичээл: Оршил (холбогдох хичээл рүүгээ яв)
- сэдэв: Машины сургалт гэж юу вэ (холбогдох сэдэв рүү оч)