యంత్ర అభ్యాస

రచయిత: John Stephens
సృష్టి తేదీ: 26 జనవరి 2021
నవీకరణ తేదీ: 29 జూన్ 2024
Anonim
Lecture 37 : IIoT Analytics and Data Management: Machine Learning and Data Science – Part 1
వీడియో: Lecture 37 : IIoT Analytics and Data Management: Machine Learning and Data Science – Part 1

విషయము

నిర్వచనం - యంత్ర అభ్యాసం అంటే ఏమిటి?

మెషిన్ లెర్నింగ్ అనేది ఒక కృత్రిమ మేధస్సు (AI) క్రమశిక్షణ, ఇది మానవ జ్ఞానం యొక్క సాంకేతిక అభివృద్ధికి ఉపయోగపడుతుంది. యంత్ర అభ్యాసం కంప్యూటర్లను విశ్లేషణ, స్వీయ శిక్షణ, పరిశీలన మరియు అనుభవం ద్వారా కొత్త పరిస్థితులను నిర్వహించడానికి అనుమతిస్తుంది.


మెషీన్ లెర్నింగ్ కొత్త దృశ్యాలు, పరీక్షలు మరియు అనుసరణలకు గురికావడం ద్వారా కంప్యూటింగ్ యొక్క నిరంతర పురోగతిని సులభతరం చేస్తుంది, అయితే తరువాతి (ఒకేలా కాకపోయినా) పరిస్థితులలో మెరుగైన నిర్ణయాల కోసం నమూనా మరియు ధోరణిని గుర్తించడం.

మెషీన్ లెర్నింగ్ తరచుగా డేటా మైనింగ్ మరియు డేటాబేస్ (కెడిడి) లో నాలెడ్జ్ డిస్కవరీతో గందరగోళం చెందుతుంది, ఇవి ఇలాంటి పద్దతిని పంచుకుంటాయి.

మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

మెషిన్ లెర్నింగ్ గురించి టెకోపీడియా వివరిస్తుంది

మెషిన్ లెర్నింగ్ మార్గదర్శకుడు మరియు కార్నెగీ మెల్లన్ విశ్వవిద్యాలయం (సిఎంయు) ప్రొఫెసర్ టామ్ ఎం. మిచెల్ మానవ మరియు యంత్ర అభ్యాసాల పరిణామం మరియు సినర్జీని icted హించారు. నేటి న్యూస్ ఫీడ్ ఒక చక్కటి ఉదాహరణ. న్యూస్ ఫీడ్ యూజర్ ఫ్రెండ్ కంటెంట్‌ను ప్రదర్శించడానికి ప్రోగ్రామ్ చేయబడింది. ఒక వినియోగదారు తరచుగా ఒక నిర్దిష్ట స్నేహితుడి గోడపై ట్యాగ్ చేస్తే లేదా వ్రాస్తే, ఆ స్నేహితుడి నుండి ఎక్కువ కంటెంట్‌ను ప్రదర్శించడానికి న్యూస్ ఫీడ్ దాని ప్రవర్తనను మారుస్తుంది.


ఇతర యంత్ర అభ్యాస అనువర్తనాల్లో వాక్యనిర్మాణ నమూనా గుర్తింపు, సహజ భాషా ప్రాసెసింగ్, సెర్చ్ ఇంజన్లు, కంప్యూటర్ దృష్టి మరియు యంత్ర అవగాహన ఉన్నాయి.


ఒక యంత్రంలో మానవ అంతర్ దృష్టిని ప్రతిబింబించడం చాలా కష్టం, ప్రధానంగా మానవులు తరచుగా తెలియకుండానే నిర్ణయాలు నేర్చుకుంటారు మరియు అమలు చేస్తారు.

భవిష్యత్ ప్రవర్తన యొక్క ఆదేశాల వైపు దృష్టి సారించే విస్తృత అల్గోరిథంలను అభివృద్ధి చేసేటప్పుడు పిల్లల్లాగే యంత్రాలకు పొడిగించిన శిక్షణ కాలం అవసరం. శిక్షణా పద్ధతుల్లో రోట్ లెర్నింగ్, పారామితి సర్దుబాటు, స్థూల-ఆపరేటర్లు, చంకింగ్, వివరణ-ఆధారిత అభ్యాసం, క్లస్టరింగ్, పొరపాటు దిద్దుబాటు, కేస్ రికార్డింగ్, బహుళ మోడల్ నిర్వహణ, వెనుక ప్రచారం, ఉపబల అభ్యాసం మరియు జన్యు అల్గోరిథంలు ఉన్నాయి.