د ماشین زده کړې کې یو غیر څارل شوی ماډل د روزنې لپاره لیبل شوي ډیټا ته اړتیا نلري ځکه چې دا هدف د مخکې ټاکل شوي لیبل پرته په ډیټا کې نمونې او اړیکې موندل دي. که څه هم غیر څارل شوي زده کړه د لیبل شوي ډیټا کارول شامل نه دي، ماډل لاهم اړتیا لري چې د روزنې پروسې څخه تیر شي ترڅو د معلوماتو اصلي جوړښت زده کړي او معنی لرونکي بصیرتونه استخراج کړي. په غیر څارل شوي زده کړې کې د روزنې پروسې تخنیکونه لکه کلستر کول، د ابعاد کمول، او د بې نظمۍ کشف کول شامل دي.
د کلسترینګ الګوریتمونه، لکه د K- معنی کلسترینګ یا هییرارکیکل کلسترینګ، معمولا په غیر څارل شوي زده کړې کې کارول کیږي ترڅو ورته ډیټا ټکي د دوی د ځانګړتیاو پراساس سره یوځای کړي. دا الګوریتمونه د ماډل سره مرسته کوي چې په کلسترونو کې ډیټا ویشلو سره د ډیټا دننه نمونې او جوړښتونه وپیژني. د مثال په توګه، د پیرودونکي برخې کولو کې، د کلستر کولو الګوریتمونه کولی شي پیرودونکي د دوی د پیرود چلند یا ډیموګرافیک معلوماتو پراساس ګروپ کړي، سوداګرۍ ته وړتیا ورکوي چې د مناسب بازار موندنې ستراتیژیو سره د پیرودونکو ځانګړي برخې په نښه کړي.
د ابعاد کمولو تخنیکونه، لکه د اصلي اجزاو تحلیل (PCA) یا t-SNE، په غیر څارل شوي زده کړې کې هم اړین دي ترڅو په ډاټا کې د ځانګړتیاوو شمیر کم کړي پداسې حال کې چې د خپل اصلي جوړښت ساتنه کوي. د ډیټا ابعاد کمولو سره، دا تخنیکونه د ماډل سره مرسته کوي چې د ډیټا دننه پیچلې اړیکې لید او تشریح کړي. د مثال په توګه ، د عکس پروسس کولو کې ، د ابعاد کمول د عکسونو کمپرس کولو لپاره کارول کیدی شي پداسې حال کې چې مهم بصري معلومات ساتي ، د لوی ډیټاسیټونو تحلیل او پروسس کول اسانه کوي.
د اضطراب کشف د غیر څارل شوي زده کړې یو بل مهم غوښتنلیک دی ، چیرې چې ماډل په ډیټا کې بهر یا غیر معمولي نمونې پیژني چې له نورمال چلند څخه انحراف کوي. د انومالي کشف الګوریتمونه، لکه د انزوا ځنګل یا یو-کلاس SVM، په مالي معاملو کې د درغلیو فعالیتونو، په سایبر امنیت کې د شبکې مداخلې، یا د وړاندوینې ساتلو کې د تجهیزاتو ناکامۍ موندلو لپاره کارول کیږي. دا الګوریتمونه د روزنې او پرچم مثالونو په جریان کې په ډیټا کې نورمال نمونې زده کوي چې د دې نمونو سره د انډولیو په توګه مطابقت نلري.
که څه هم د زده کړې غیر څارل شوي ماډلونه د روزنې لپاره لیبل شوي ډیټا ته اړتیا نلري، دوی لاهم د روزنې پروسې څخه تیریږي ترڅو د ډیټا اصلي جوړښت زده کړي او د کلستر کولو، ابعاد کمولو، او د انډولۍ کشف په څیر د تخنیکونو له لارې ارزښتناکه بصیرت استخراج کړي. د غیر څارل شوي زده کړې الګوریتمونو په کارولو سره، سوداګرۍ او سازمانونه کولی شي په خپلو ډیټا کې پټې نمونې ښکاره کړي، باخبره پریکړې وکړي، او د نن ورځې ډیټا پرمختللې نړۍ کې سیالي ترلاسه کړي.
په اړه نورې وروستۍ پوښتنې او ځوابونه EITC/AI/GCML د ګوګل بادل ماشین زده کړه:
- متن ته وینا (TTS) څه شی دی او دا څنګه د AI سره کار کوي؟
- د ماشین زده کړې کې د لوی ډیټاسیټونو سره کار کولو محدودیتونه څه دي؟
- ایا د ماشین زده کړه یو څه ډیالوژیکي مرسته کولی شي؟
- د TensorFlow د لوبې ډګر څه شی دی؟
- لوی ډیټاسیټ واقعیا څه معنی لري؟
- د الګوریتم د هایپرپرامیټرونو ځینې مثالونه څه دي؟
- د انسابل زده کړه څه ده؟
- څه که چیرې د ماشین زده کړې الګوریتم غوره نه وي او څنګه کولی شي ډاډ ترلاسه کړي چې سم انتخاب کړئ؟
- ایا د ماشین زده کړې ماډل د روزنې پرمهال څارنې ته اړتیا لري؟
- د عصبي شبکې پر بنسټ الګوریتم کې کارول شوي کلیدي پیرامیټونه کوم دي؟
نورې پوښتنې او ځوابونه په EITC/AI/GCML د ګوګل کلاوډ ماشین زده کړې کې وګورئ