|
Mashinali o’qitish algoritmlarini qo’llanish sohalari
|
| bet | 2/3 | | Sana | 18.05.2024 | | Hajmi | 15,95 Kb. | | #241895 |
Bog'liq OraliqMashinali o’qitish algoritmlarini qo’llanish sohalari.
Mashinali o'qitish algoritmlari bir nechta sohada qo'llaniladi. Bu sohalar quyidagilardir:
Ma'lumotlar tahlili: Mashinali o'qitish algoritmlari ma'lumotlarning tahlilini amalga oshirish uchun ishlatiladi, ma'lumotlar modellangan algoritmlarga kiritiladi va mos keladigan natijalarni aniqlash uchun foydalaniladi.
Rasmlar va tasviriy ma'lumotlar: Mashinali o'qitish algoritmlari tasviriy ma'lumotlarni o'rganish uchun ham ishlatiladi. Bu algoritmlar rasmlardan tasvirlarni aniqlash, tasviriy ma'lumotlarni tahlil qilish yoki tahmin qilish uchun foydalaniladi.
Ovoz va matn ma'lumotlarini tahlil qilish: Mashinali o'qitish algoritmlari, ovoz va matn ma'lumotlarini tahlil qilish va bosqichma-bosqich o'qish, qo'llab-quvvatlash uchun ham foydalaniladi. Bu algoritmlar, matndan fanlar o'rgatish, tarjimon, so'zni ovozga aylantirish va matnni boshqa tillarga tarjima qilishda ham ishlatiladi.
Ishlab chiqish va kuzatish: Mashinali o'qitish algoritmlari, ishlab chiqish sohalarida ham qo'llaniladi. Bu algoritmlar, tovarlarni sotish, sotib olishning moslashtirilgan strategiyalarini qurish, sotuvchining xaridorlar haqida ma'lumotlarini tahlil qilish va ishlab chiqish jarayonlari va loyihalarni optimallashtirish uchun ham foydalaniladi.
Ushbu sohalar faqat bir nechta misollar hisobotlash mumkin, chunki mashinali o'qitishning sohalarini ijobiy iste'mol qilingan yo'qotish mumkin emas.
3.Mashinali o’qitishning asosiy turlari.
O’qituvchili o‘qitish (Supervised learning) – bu modelni xususiyatlari aniq bo‘lgan ma’lumotlar bilan o‘qitish. (Regressiya, sinflashtirish)
O’qituvchisiz o‘qitish (Unsupervised learning)– bu modelni
xususiyatlari aniq bo‘lmagan ma’lumotlar bilan o‘qitish.(Klasterlash)
Semi-supervised learning – bu modelni ham aniq ham aniq bo‘lmagan xususiyatli ma’lumotlar bilan o‘qitishdir.
Reinforcement – bu o‘qitishning mukammal usuli bo‘lib, bunda model o‘zini-o‘zi qayta o‘qitish va natijalarni yaxshilash imkoniyatiga ega bo‘ladi.
O’qituvchili o‘qitish (Supervised learning) – bu modelni xususiyatlari aniq bo‘lgan ma’lumotlar bilan o‘qitish. Bunday turdagi o‘qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin.
Bunda xususiyatlari aniq deganda kiruvchi va chiquvchi parametrlar mavjud
bo‘lishi nazarda tutiladi.
O’qituvchisiz o‘qitish (unsupervised learning) – bu mashinani o‘qitish usulidan biri bo‘lib, bunda modelni oldindan aniq bo‘lgan ma’lumotlar bilan o‘qitish amalga oshirilmaydi, aksincha obyekt parametrlarini (ma'lumotlarni) topish uchun modelga o‘z ustida ishlashga imkon yaratib beriladi.
Supervised learning usuliga qaraganda murakkab usul hisoblanadi va bashoratlash jarayoni avtomatik lekin noaniqroq bo‘lishi mumkin.
Unsupervised learning usulida asosan “klasterlash” masalasi yechiladi.
Yarim nazoratli o‘qitish (Semi-supervised Learning) - bu mashinali o‘qitish usuli bo‘lib, unda oz miqdorda belgilanagan ma’lumotlar va ko‘p miqdorda belgilanmagan ma’lumotlardan birgalikda foydalaniladi. Bu usul ayniqsa, ma’lumotlarni belgilash qimmat yoki vaqt talab qiladigan hollarda foydali bo‘ladi.
Mustahkamlash orqali o‘qitish (Reinforcement Learning - RL) - bu mashinali o‘qitish usuli bo‘lib, unda agent (dastur yoki robot) ma’lum bir muhit bilan o‘zaro aloqada bo‘lib, o‘rganadi. Agent harakatlarni bajaradi va bu harakatlar natijasida mukofot yoki jazo oladi. Maqsad agentga optimal strategiyani o‘rgatish, ya’ni mukofotni maksimal darajada oshiradigan harakatlar ketma-ketligini topishdir.
|
| |
