سوالاتی راجع به یادگیری ماشین و نحوه تسلط به آن

سلام دوستان، چند تا سوال راجع به یادگیری ماشین دارم...

اول: برای یادگیری ماشین باید تا چه اندازه باید به ریاضی و آمار مسلط بود؟

دوم: آیا این مثالی که میزنم یادگیری ماشینه؟

مثال: یک بازی دومینو(دومنه) بسازیم که رایانه فقط قوانین بازی رو بدونه نه ترفند ها، بعد که چندین بار بازی میکنه، قطعا یا میبره یا میبازه اما در طول بازی، رایانه تمام حرکات خودش و حریف رو ثبت میکنه و در پایان اگه برد همه حرکات رو در دسته برد میزاره اگه باخت در دسته باخت میزاره و بعدا ازشون استفاده کنه(مثلا وقتی در حالتی قرار گرفت که اون حالت در یکی از دو دسته بود بدونه چیکار کنه؛ اگه تو دسته باخت بود هر کاری رو به جز اون کارایی که باعث باختش میشن رو انجام بده...)

امیدوارم فهمیده باشین اگه این مثال خوب نبود خواهشا خودتون یک مثال برام بزنین

پاسخ ها

sokanacademy forum
کاربر سکان آکادمی 5 سال پیش

توی یادگیری ماشین،هرچی تسلط شما روی الگوریتم ها و ریاضیات بیشتر باشه طبیعتا نتیجه بهتری میگیرید اما یک حداقل هایی از ریاضی رو حتما باید بدونید.احتمالات و ترکیبیات و جبرخطی و گراف به نظرم از مهمترین سرفصل های ریاضیاتی برای یادگیری ماشینه .یک مثال کلاسیک در مورد یادگیری ماشین هست که میگه:

فرض کنید در یک فروشگاهِ بزرگِ خرده‌فروشی به صورت اینترنتی در حال خرید هستید. در زمان خرید، سه محصول مختلف را به سبد خرید خود اضافه می‌کنید. فرض کنید این سه محصول به صورت زیر است:
لپ تاپ گیمینگ
هدفون
عطر جیبی

حال، سیستم می‌خواهد به صورت هوشمند، به شما چند محصول دیگر را پیشنهاد دهد. مدل برنامه‌نویسی صریح، به این صورت است که مثلا، سیستم، محصولاتِ هم‌دسته(مثلا یک سری محصولاتی که مربوط به حوزه‌ی IT است) را به شما نمایش بدهد. در این حالت، هوشمندیِ خاصی در سیستم مشاهده نمی‌شود و در واقع، سیستم(ماشین) یادگیریِ خاصی انجام نمیدهد.

حال فرض کنید، سیستم از طریق الگوریتم‌های یادگیری‌ماشین، بتواند مشتریانِ قبلی خود را به گروه‌های مختلف تقسیم‌بندی کند(به این کار به اصطلاح خوشه بندی یا Clustering گفته می شود). با این کار، شما با تکمیلِ سبد خرید خود، به دسته‌ای از مشتریانِ قبلی متعلق می‌شوید. با تعلقِ شما به گروهِ خاصی از مشتریان، محصولاتی که آن‌ها(قبلاً) خریداری کرده‌اند(و شما در سبد خرید خود ندارید) به شما پیشنهاد داده می‌شود.فرآیند کلیِ یادگیری‌ماشین را، می‌توان به صورت بالا مدل کرد. داده‌های آموزشی(در مثال ما: مشتریانی که قبلا خرید کرده‌اند و سابقه خرید آن‌ها) به الگوریتم‌های یادگیری‌ماشین تزریق می‌شوند. این الگوریتم‌ها، وظیقه‌ی یادگیری و واکشیِ الگوهای(Patterns) مختلف، در داده‌ها را دارند. بعد از به دست آوردنِ الگوها توسط الگوریتم‌ها(معمولا یکی از الگوریتم ها مورد استفاده قرار میگیرد)، یک مدل(Model) ساخته می‌شود. این مدل(Model) می تواند در حافظه ذخیره شود. بعد از ذخیره‌ی مدل، سیستم تواناییِ پیش‌بینیِ رفتار را دارد. در مثال بالا، شما(شخصی که چند محصول را در سبد خرید خود دارد)، به عنوان یک پرس‌و‌جو به مدلِ آموزش دیده، داده می شوبد. این مدل، می‌تواند خروجیِ پیشبینی(در این مثال، محصولی که باید به شما-بر اساس خریدهای مشتریانِ هم‌دسته‌ی شما- توصیه شود) را برگرداند.طبق این مثال که از خوشه بندی استفاده شد و مثال ساده ای از یادگیری ماشین هست شما باید الگوریتم های مورد نیاز برای خوشه بندی رو که یک سری مفاهیم ریاضی هم دارن رو بلد باشید

sokanacademy forum
کاربر سکان آکادمی 5 سال پیش

آیا مثالی که زدم هم یادگیری ماشین بود؟

online-support-icon