دوره ها

یادگیری ماشین (Machine Learning)

یادگیری ماشین (Machine Learning)

 

هوش مصنوعی و زیر مجموعه های آن چند سالی است که بسیار گسترش پیدا کرده و شرکت های کوچک و بزرگ حوزه تکنولوژی در این حوزه فعال هستند. یکی از زیر مجموعه های این حوزه، یادگیری ماشین است. این مقوله بسیار کاربردی بوده و همچنان در حال توسعه است.

 

سیستم هایی که محصولات یا خدمات مورد علاقه شما را به شما پیشنهاد میکنند. یا نقشه ها و مسیریاب هایی که مسیرهای کم ترافیک را نشان میدهند و از همه مهم پر کاربردتر گوگل، که هنگام جستجو کلماتی را به شما پیشنهاد می دهد. اینها همگی از یادگیری ماشین یا ماشین لرنینگ استفاده می کنند.

 

اما فقط این ها نیست. یادگیری ماشین باعث خودکار نمودن فرآیندهای تصمیم گیری می شود. می توان گفت یادگیری ماشین مجموعه ای از ابزارهای پایه برای هوشمند سازی فرآیندهاست.

 

در ماشین لرنینگ، انسان با جمع آوری داده ها و اطلاعات، ماشین را برای انجام یک طرح و عملیات خاص آموزش می دهد.

 

شاید فکر کنید یادگیری ماشین کاری سخت و پیچیده است. اما اینطور نیست. حتی دانشجویان علوم انسانی نیز جز کسانی هستند که به دنبال یادگیری ماشین هستند. این موضوع نشان دهنده کاربردهای وسیع یادگیری ماشین است.

 

یادگیری ماشین (Machine Learning) چیست؟

 

از علم یادگیری ماشین در چه حوزه هایی استفاده می شود؟

همانطور که گفته شد یادگیری ماشین طیف گسترده ای از فعالیت ها و خدمات را پوشش میدهد. در زیر با برخی از مهمترین آنها آشنا می شوید:

 

تحلیل احساس: یکی از جالب ترین کاربردهای یادگیری ماشین تحلیل احساس افراد از روی متون است. اگر شما اطلاعاتی شامل متن های نوشته شده در مورد احساسات را به ماشین بدهید و ماشین طبق الگوریتم هایی که دارد این احساسات را یادگرفته و بعد از آن اگر متنی را با این نوع احساس ببیند آن را برای شما نمایش می دهد.

 

تشخیص صوت: یکی دیگر از کاربردهای یادگیری ماشین تشخیص صوت است. می توان مجموعه ای از صداها را دسته بندی کرد و به ماشین داد. بعد از آن ماشین توانایی تشخیص آنها را دارد. پیدا کردن افراد از روی صدا و تبدیل صوت به متن در بعضی نرم افزارهای کامپیوتری از این نوع کاربرد یادگیری ماشین است.

 

تشخیص تصویر: یکی از مهمترین کاربردهای یادگیری ماشین در حوزه تشخیص تصاویر است. با استفاده از یادگیری ماشین میتوان کاری کرد که یک کامپیوتر تصاویر افراد و اشیا را از هم تفکیک و نوع اشیا را تشخیص و افراد را شناسایی کند. در مسائل امنیتی این نوع کاربرد، بسیار مهم است.

 

مراحل ماشین لرنینگ

یکی از مواردی که باید در پروژه ها و فعالیت های یادگیری ماشین مورد توجه قرار گیرد، جریان کاری دقیقی است که برای مدیریت پروژه لازم است.
برای این کار مراحل متعددی وجود دارد. اینکه کدام فرآیند را بر اساس پروژه خود انتخاب کنید به نوع پروژه و نحوه مدیریت شما بستگی دارد. ما این بخش مراحل یک فرآیند 7 مرحله ای را به شما معرفی می کنیم:

 

1. شناخت نیازمندی و هدف پروژه
2.انتخاب الگوریتم
3. آموزش یادگیری ماشین
4. آزمایش مدل بر اساس اطلاعات
5. بررسی دقت مدل
6. بکارگیری مدل در محیط واقعی
7. ارزیابی نهایی

 

در دوره آموزش یادگیری ماشین شما با پرکاربردترین تکنیک های یادگیری ماشین آشنا میشوید. این تکنیک ها را به صورت عملی تمرین میکنید و یاد می گیرید که چطور از ابزارهای لازم استفاده کنید.

 

سرفصل های دوره آموزش یادگیری ماشین

  • کلیات و مفاهیم پایه
  • مرور روش های کلاسیک
  • الگوریتم ژنتیک
  • شبکه های عصبی مصنوعی
  • الگوریتم ID3
  • الگوریتم C4.5
  • تکنیک محاسبه فاصله بین انواع ویژگی
  • انواع روش های خوشه بندی
  • یادگیری تقویتی
  • عامل
  • کنش
  • محیط
دیدن ادامه مطلب
  • دیدگاه خود را در اینجا بنویسید تا راهنمایی برای سایرین هنگام خرید این دوره باشد.
  • ارتباط با استاد و پرسش و پاسخ، تنها از قسمت "پرسش و پاسخ" صورت می گیرد.
  • فقط کاربرانی که در این دوره ثبت نام کرده اند اجازه ارسال نظر دارند.
  • پرسش خود را از استاد این دوره اینجا بپرسید.
  • فقط کاربرانی که در این دوره ثبت نام کرده اند اجازه ارسال سوال دارند.