یادگیری ماشین چیست و چه کاربردهایی دارد؟

یادگیری ماشین چیست و چه کاربردهایی دارد؟

همه ما میدانیم  که انسانها از تجربیات گذشته خود میاموزند و مفاهیم مختلف را یاد میگیرند. همچنین از این مورد آگاهی داریم که ماشینها با دستورالعمل هایی که انسان به آنها میدهد کار میکنند. اما هنوز این مفهوم برای خیلی از ما به خوبی قابل هضم نیست که یادگیری ماشین چیست ؟ آیا ماشین هم مانند انسان قابلیت آموختن و آموزش دیدن دارد؟

در این پست این مفهوم یعنی ” یادگیری ماشین چیست ” بطور کامل برای شما معرفی شده و قابل درک خواهد شد.

یادگیری ماشین چیست؟

مفهوم یادگیری ماشین در یادگیری ماشین چیست

 

همانطور که گفتیم ماشینها طبق دستورالعمل هایی که ما به آنها میدهیم کار میکنند. اما چه اتفاقی خواهد افتاد اگر انسان بتواند داده ها و اطلاعات گذشته را به ماشین القا کرده و به زبان ساده تر این داده ها را به ماشین بیاموزد؟ چه چیزی باعث میشود که انسان بتواند سرعت عملکرد خود را در بسیاری از کارهایش افزایش دهد؟

خب پاسخ به این سوال ساده است. تحقق این افزایش کارایی و عملکرد، تنها بوسیله یک عامل قابل دست یابی است، آن هم یادگیری ماشین یا Machine Learning میباشد.

اما ذکر این نکته ضروری است که یادگیری ماشین چیزی بیش از این کلمه است. انسان برای دست یابی به این فناوری باید علاوه بر القای داده ها به ماشین، به او فهمیدن و درک کردن را نیز بیاموزد، که این کار، کار دشواری به نظر میرسد.

اما برای درک بیشتر این موضوع ما قصد داریم تا موارد پایه ای و اساسی یادگیری ماشین را برای شما بیان کنیم.

 مثالی برای فهم اساسی مفهوم یادگیری ماشین چیست ؟

بگذارید مفهوم یادگیری ماشین را با ذکر یک مثال برایتان توضیح دهیم.

فردی را در نظر بگیرید. ما اسم این فرد را آقای x میگذاریم. آقای x عاشق گوش دادن به موسیقی های جدید و مدرن است.

او ممکن است یک موسیقی را تایید کند و از دیگری لذت نبرد. ما از او خواستیم تا نظرش را درباره 4 مورد مهم درباره آهنگی که گوش داده است برای ما بیان کند:

حتما بخوانید:  منحنی راک چیست | ویژگی های منحنی ROC

1- سرعت موسیقی

2- ژانر موسیقی

3- شدت موسیقی

4- جنس صدا

نمودار ساده ترین الگوریتم یادگیری ماشین

در زیر نموداری را مشاهده میکنید که سابقه ای موسیقی های مورد علاقه ی آقای x است. نقاط سبز رنگ موسیقی هایی است که اون دوست داشته و نقاط قرمز رنگ از موسیقی هایی هستند که از نظر شدت و سرعت مورد تایید او نبوده است.

حال میخواهیم سلقیه او را در مورد دو موسیقی جدید بسنجیم . او دو موسیقی A و B را گوش داده و نظرش را راجع به آنها به ما گفته است. ما نظرات او را در قالب نموداری برای شما بیان میکنیم.

نمودار ساده ترین الگوریتم یادگیری ماشین در یادگیری ماشین چیست

 

در نمودار زیر ما شدت موسیقی را نسبت به سرعت آن از دیدگاه آقای x سنجیده ایم.

همانطور که میبینید نقاط سبز رنگ نشان دهنده شدت زیاد و سرعت بالا در موسیقی A میباشد. آقای x این موسیقی را دوست داشت و آنرا تایید کرد.

اما نگاهی به نقاط قرمز رنگ بیندازید. این نقاط انتخاب های گذشته آقای x بوده است که مورد تایید او واقع نشده است. به نظر شما این دو از هم قابل تفکیک هستند یا خیر؟ پاسخ ساده است. بله کاملا قابل تفکیک هستند.

ورود ماشین و پاسخ به سوال یادگیری ماشین چیست

A و B در نمودار یادگیری ماشین چیست

 

اما اکنون آقای x به موسیقی B گوش میدهد. پس از گوش دادن به این موسیقی نظر او چنین است:

سرعت متوسط و شدت متوسط انتخاب اوست. یعنی نه شدت زیاد نه کم، نه سرعت بالا نه پایین. اکنون انتخاب آقای x بین نقاط قرمز یعنی نظرات منفی او و بین نقاط سبز یعنی نظرات مثبت او قرار دارد. آیا میتوان گفت که آقای x این موسیقی را دوست دارد یا خیر؟ قاعدتا تشخیص دشوار است و پاسخ منفی میباشد.

پس بار دیگر مرور میکنیم. ما به راحتی توانستیم نظر آقای x را درباره موسیقی A بفهمیم. اما این اتفاق درباره موسیقی B رخ نداد.

اینجاست که یادگیری ماشین وارد عمل میشود. اگر کمی دقت کنیم میبینیم که در محدوده موسیقی B، چهار نقطه سبز رنگ و یک نقطه قرمز رنگ وجود دارد. اگر اکثریت را در نظر بگیریم مییبینیم که او موسیقی B را دوست داشته است.

حتما بخوانید:  فیلتر کالمن در ردیابی اجسام متحرک در متلب

با این مثال یکی از پایه ای ترین الگوریتم های یادگیری ماشین را برای شما بیان کردیم. این ساده ترین مثال در بین تعداد بینهایت الگوریتم های یادگیری ماشین بود. به این الگوریتم K-NEAREST NEIGHBOR یا K همسایه ی نزدیک می گوییم.

 

مراحل یادگیری ماشین در یادگیری ماشین چیست

 

ما از این مثال میتوانیم نتیجه بگیریم که در ساده ترین الگوریتم یادگیری ماشین سه عامل مهم برای به نتیجه رسیدن، دخیل هستند:

1- داده ها و اطلاعات بیشتر

2- دقت بالاتر

3- مدل های بهتر و بهبود یافته تر

روشهای یادگیری ماشین

روشهای یادگیری ماشین در یادگیری ماشین چیست

 

اکنون پس از درک مفهوم  ” یادگیری ماشین چیست ” میخواهیم روشهای این یادگیری را برای شما بیان کنیم. راه ها و روشهای بسیاری برای یادگیری ماشین وجود دارد که ما آنها را به سه دسته تقسیم بندی کرده ایم:

1- یادگیری تحت نظارت

2- یادگیری بدون نظارت

3- تقویت یادگیری

یادگیری تحت نظارت

یادگیری تحت نظارت در یادگیری ماشین چیست

 

بازهم با یک مثال این مفهوم را بیان میکنیم. فرض کنید دوست شما یک میلیون سکه از نوع متفاوت به شما هدیه میدهید. این سه نوع سه عبارتند از: یک روپیه، یک یورو و یک درهم.

هر کدام از این سکه ها دارای وزن متفاتی میباشند:

  • یک روپیه: سه گرم وزن
  • یک یورو: هفت گرم وزن
  • یک درهم: چهار گرم وزن

بنابراین مدلی که طراحی خواهیم کرد براساس وزن و واحد پول است. در اینجا وزن را معادل ویژگی، و واحد پول را معادل لیبل یا برچسب قرار میدهیم.

کاری که ماشین در فرایند یادگیریش باید انجام دهد، این است که بیاموزد کدام ویژگی(وزن) مربوط به کدام لیبل(واحد پول) است. مثلا یاد بگیرد که سه گرم وزن برای سکه به ارزش 1 روپیه است.

حال ما یک سکه جدید را به ماشین تحویل میدهیم. ماشین بر اساس وزن آن باید واحد پول را تشخیص دهد. بنابراین مدلی که ما در یادگیری تحت نظارت طراحی کردیم این گونه است که این مدل از اطلاعات برچسب زده شده(label data) برای تشخیص استفاده میکند.

حتما بخوانید:  سیستم های تعبیه شده چیست | کاربردهای سامانه نهفته

یادگیری بدون نظارت

یادگیری بدون نظارت در یادگیری ماشین چیست

 

در این سیستم یادگیری یک بازی کریکت را به همراه لیستی از بازیکنان و امتیاز بدست آورده شده توسط آنها را در نظر بگیرید(در این بازی دوندگی افراد و تعداد ضربه زدن به چوب اهمیت دارد). وقتی که شما این داده ها را به ماشین میدهید، ماشین آنها را پردازش کرده و موارد لازم را تشخیص میدهد. نهایتا ماشین یک نمودار به شما تحویل خواهد داد که در این نمودار معیار، میزان دوندگی برحسب ضربه زدن است.

 

مقایسه دو دسته در نمودار در یادگیری ماشین چیست

 

همانطور که ملاحظه میکنید در نمودار دو دسته داریم:

دسته اول: افراد با دوندگی بالا و ضربه زدن کم.

دسته دوم: افراد با دوندگی پایین و ضربه زدن زیاد.

بنابراین با توجه به این دو دسته میتوانیم به راحتی افرادی را که وظیفه دویدن داشتند و افراد را که وظیفه ضربه زدن داشتند را تشخیص دهیم.

توجه داشته باشید در این روش برخلاف روش قبل داده ها مشخص شده و برچسب زده شده نبودند.

تقویت یادگیری

 

فیدبک در یادگیری ماشین چیست

 

در این نوع یادگیری ما قرار است ماشین را برای تشخیص صحیح تقویت کنیم.

بهترین راه تقویت یک ماشین دادن فیدبک به آن است. اما فیدبک چه میکند؟

فرض کنید ما عکس یک سگ را برای تشخیص نام این حیوان به ماشین میدهیم. اما ماشین به فرض نام گربه را به نمایش میدهد. اما اگر شما به ماشین خود فیدبک داده باشید این اسم نادرست را به درون سیستم خود برده و تصحیح میکند و عبارت درست را در خروجی به شما نمایش میدهد.

جمع بندی مفهوم یادگیری ماشین

مراحل پردازش در یادگیری ماشین چیست

 

خب طبق مثالهایی که در این مطلب زده شد، یادگیری ماشین را میتوان در 4 مرحله اصلی خلاصه کرد:

1- ورودی

2- پردازش توسط مدل طراحی شده

3- خروجی

مرحله چهارم که در قسمت تقویت یادگیری گفته شد مرحله فیدبک دادن مییباشد که در بروز اشتباه، خطایی سیستم را تصحیح میکند.

امیدواریم از این مطلب لذت برده باشید و پاسخ به سوال یادگیری ماشین چیست را پیدا کرده باشید.

 

 

 

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.