Машин сургалтын алгоритмууд нь одоо байгаа өгөгдлөөс олж авсан загвар, харилцааг ашиглан шинэ жишээн дээр таамаглал гаргахад зориулагдсан. Cloud Computing, ялангуяа Google Cloud Platform (GCP) лабораторийн хүрээнд энэ үйл явцыг Cloud ML Engine бүхий хүчирхэг Machine Learning ашиглан хөнгөвчилдөг.
Машины сургалт нь шинэ жишээн дээр хэрхэн таамаглал дэвшүүлдгийг ойлгохын тулд дараахь үндсэн алхмуудыг ойлгох нь маш чухал юм.
1. Мэдээлэл цуглуулах, бэлтгэх: Эхний алхам бол тулгарч буй асуудлыг илтгэх холбогдох өгөгдлийг цуглуулах явдал юм. Энэ өгөгдлийг мэдээллийн сан, API эсвэл бүр хэрэглэгчийн үүсгэсэн контент гэх мэт янз бүрийн эх сурвалжаас цуглуулж болно. Мэдээллийг цуглуулсны дараа түүний чанар, машин сургалтын загварыг сургахад тохиромжтой байхын тулд өгөгдлийг урьдчилан боловсруулж, цэвэрлэх шаардлагатай.
2. Онцлогыг задлах, сонгох: Үнэн зөв таамаглал гаргахын тулд цуглуулсан мэдээллээс хамгийн хамааралтай шинж чанаруудыг тодорхойлж, гаргаж авах нь чухал юм. Эдгээр шинж чанарууд нь машин сургалтын загварт орц болж, гүйцэтгэлд ихээхэн нөлөөлдөг. Загварыг урьдчилан таамаглах чадварыг нэмэгдүүлэхийн тулд хэмжээсийг багасгах эсвэл функцын инженерчлэл гэх мэт шинж чанарыг сонгох арга техникийг ашиглаж болно.
3. Загварын сургалт: Бэлтгэсэн өгөгдөл болон сонгосон функцүүдийн тусламжтайгаар машин сургалтын загварыг тохирох алгоритм ашиглан сургана. Сургалтын явцад загвар нь урьдчилан таамагласан болон бодит үр дүнгийн хоорондох ялгааг багасгахын тулд дотоод параметрүүдийг тохируулж, өгөгдөл доторх үндсэн хэв маяг, харилцаа холбоог олж авдаг. Сургалтын үйл явц нь давталттай оновчлолыг агуулдаг бөгөөд загвар нь өгөгдөлд олон удаа өртөж, урьдчилан таамаглах чадварыг аажмаар сайжруулдаг.
4. Загварын үнэлгээ: Сургалтын дараа загварын гүйцэтгэлийг үнэлж, түүний нарийвчлал, ерөнхийлөлтийг үнэлэх шаардлагатай. Энэ нь ихэвчлэн өгөгдлийг сургалтын болон туршилтын багц болгон хуваах замаар хийгддэг бөгөөд туршилтын багц нь үл үзэгдэх жишээн дээр загварын гүйцэтгэлийг хэмжихэд ашиглагддаг. Нарийвчлал, нарийвчлал, санах ой, F1 оноо гэх мэт үнэлгээний хэмжүүрийг загварын таамаглах чанарыг тоон үзүүлэлтээр тодорхойлоход ашиглаж болно.
5. Шинэ жишээнүүдийг урьдчилан таамаглах: Сургалтанд хамрагдсан загвар нь үнэлгээний үе шатыг давсны дараа шинэ, үл үзэгдэх жишээн дээр таамаглахад бэлэн болно. Үүнийг хийхийн тулд загвар нь сурсан хэв маяг, харилцааг шинэ жишээнүүдийн оролтын шинж чанаруудад ашигладаг. Сургалтын явцад тохируулсан загварын дотоод параметрүүдийг өгсөн оролт дээр үндэслэн таамаглал гаргахад ашигладаг. Энэ процессын гаралт нь шинэ жишээ бүртэй холбоотой урьдчилан таамагласан үр дүн эсвэл ангийн шошго юм.
Шинэ жишээн дээрх таамаглалын үнэн зөв нь сургалтын өгөгдлийн чанар, онцлог шинж чанар, үндсэн хэв маягийн нарийн төвөгтэй байдлаас ихээхэн хамаардаг гэдгийг анхаарах нь чухал юм. Нэмж дурдахад, ансамбль сурах, загвар тааруулах, эсвэл илүү дэвшилтэт алгоритмуудыг ашиглах замаар машин сургалтын загварын гүйцэтгэлийг сайжруулах боломжтой.
Энэ үйл явцыг харуулахын тулд практик жишээг авч үзье. Бидэнд үйлчлүүлэгчдийн нас, хүйс, худалдан авалтын түүх зэрэг мэдээллийг агуулсан мэдээллийн багц байгаа гэж бодъё. Бид үйлчлүүлэгч эргэлзэх (өөрөөр хэлбэл үйлчилгээг ашиглахаа болих) эсэхийг урьдчилан таамаглах машин сургалтын загварыг бий болгохыг хүсч байна. Мэдээллийг цуглуулж, урьдчилан боловсруулсны дараа бид логистик регресс, шийдвэрийн мод эсвэл мэдрэлийн сүлжээ зэрэг алгоритмуудыг ашиглан загварыг сургаж чадна. Загварыг сургаж, үнэлсний дараа бид үүнийг ашиглан шинэ үйлчлүүлэгчдийн нас, хүйс, худалдан авалтын түүх дээр үндэслэн гацах магадлалыг урьдчилан таамаглах боломжтой.
Машины сургалт нь одоо байгаа өгөгдлөөс сурсан хэв маяг, харилцаа холбоог ашиглан шинэ жишээн дээр таамаглал дэвшүүлдэг. Энэ үйл явц нь мэдээлэл цуглуулах, бэлтгэх, шинж чанарыг задлах, сонгох, загварт сургалт, үнэлгээ хийх, эцэст нь шинэ жишээн дээр таамаглах зэрэг орно. Эдгээр алхмуудыг дагаж, Google Cloud ML Engine гэх мэт хүчирхэг хэрэгслүүдийг ашигласнаар янз бүрийн домэйн болон програмуудад үнэн зөв таамаглал гаргах боломжтой.
Сүүлийн үеийн бусад асуулт, хариулт EITC/CL/GCP Google Cloud Platform:
- Google Cloud Platform-ийг удирдахад ашиглаж болох Android гар утасны програм байна уу?
- Google Cloud платформыг удирдах ямар арга замууд байдаг вэ?
- Үүлэн тооцоолол гэж юу вэ?
- Bigquery болон Cloud SQL хоёрын ялгаа нь юу вэ?
- Cloud SQL болон үүлэн түлхүүр хоёрын ялгаа нь юу вэ?
- GCP App Engine гэж юу вэ?
- Cloud run болон GKE хоёрын ялгаа нь юу вэ
- AutoML болон Vertex AI хоёрын ялгаа нь юу вэ?
- Контейнерт програм гэж юу вэ?
- Dataflow болон BigQuery хоёрын ялгаа нь юу вэ?
EITC/CL/GCP Google Cloud Platform-оос бусад асуулт, хариултуудыг харна уу