د ماشین زده کړې ماډل روزنې پروسه کې دا د ډیټا لوی مقدار ته افشا کول شامل دي ترڅو دا د دې وړ کړي چې نمونې زده کړي او وړاندوینې یا پریکړې وکړي پرته لدې چې د هرې سناریو لپاره په ښکاره ډول برنامه شي. د روزنې پړاو په جریان کې، د ماشین زده کړې ماډل د یو لړ تکرارونو څخه تیریږي چیرې چې دا خپل داخلي پیرامیټونه تنظیموي ترڅو غلطی کم کړي او په ورکړل شوي دنده کې خپل فعالیت ښه کړي.
د روزنې په جریان کې نظارت د ماډل د زده کړې پروسې لارښود کولو لپاره اړین انساني مداخلې کچې ته اشاره کوي. د څارنې اړتیا د ماشین زده کړې الګوریتم ډول کارول کیږي، د دندې پیچلتیا، او د روزنې لپاره چمتو شوي ډاټا کیفیت پورې اړه لري.
په نظارت شوي زده کړې کې، کوم چې د ماشین زده کړې یو ډول دی چیرې چې ماډل په لیبل شوي ډیټا کې روزل کیږي، څارنه اړینه ده. لیبل شوي ډیټا پدې معنی ده چې د هر ان پټ ډیټا نقطه د سم محصول سره جوړه شوې ، ماډل ته اجازه ورکوي چې د ننوتونو او محصولاتو ترمینځ نقشه زده کړي. د څارنې روزنې په جریان کې، د انسان څارنه اړینه ده چې د روزنې ډاټا لپاره سم لیبل چمتو کړي، د ماډل وړاندوینې ارزونه وکړي، او د فیډبیک پراساس د ماډل پیرامیټونه تنظیم کړي.
د مثال په توګه، د نظارت شوي عکس پیژندنې دنده کې، که هدف د پیشو او سپي انځورونو طبقه بندي کولو لپاره د ماډل روزل وي، یو انساني څارونکی به اړتیا ولري چې هر عکس د پیشو یا سپي په توګه لیبل کړي. بیا ماډل به د دې لیبل شوي مثالونو څخه زده کړي ترڅو د نوي ، نه لیدل شوي عکسونو وړاندوینې وکړي. څارونکی به د ماډل وړاندوینې ارزوي او د هغې د دقت د ښه کولو لپاره به فیډبیک چمتو کړي.
له بلې خوا، غیر څارل شوي زده کړې الګوریتمونه د روزنې لپاره لیبل شوي ډاټا ته اړتیا نلري. دا الګوریتمونه پرته له واضح لارښود څخه د ان پټ ډیټا څخه نمونې او جوړښتونه زده کوي. غیر څارل شوي زده کړې اکثرا د دندو لپاره کارول کیږي لکه کلستر کول، د انډولۍ کشف، او د ابعاد کمول. په غیر څارل شوي زده کړې کې، ماشین کولی شي د روزنې پرمهال د انسان څارنې ته اړتیا پرته په خپلواکه توګه زده کړي.
نیمه څارل شوی زده کړه یو هایبرډ طریقه ده چې د څارنې او غیر څارل شوي زده کړې عناصر سره یوځای کوي. پدې طریقه کې، ماډل د لیبل شوي او غیر لیبل شوي ډیټا په ترکیب کې روزل کیږي. لیبل شوي ډیټا د زده کړې پروسې لارښود کولو لپاره ځینې نظارت چمتو کوي ، پداسې حال کې چې لیبل شوي ډاټا ماډل ته اجازه ورکوي چې په ډیټا کې اضافي نمونې او اړیکې ومومي.
د پیاوړتیا زده کړه د ماشین زده کړې یو بل بیلګه ده چیرې چې یو اجنټ د چاپیریال سره د تعامل له لارې ترتیبي پریکړې کول زده کوي. د پیاوړتیا زده کړې کې، اجنټ د خپلو کړنو پر بنسټ د انعامونو یا جریمې په بڼه فیډبیک ترلاسه کوي. اجنټ زده کوي چې د محاکمې او خطا له لارې د وخت په تیریدو سره خپل مجموعي انعام اعظمي کړي. پداسې حال کې چې د پیاوړتیا زده کړه په دودیز مفهوم کې ښکاره څارنې ته اړتیا نلري، د انعام جوړښت ډیزاین کولو، د زده کړې موخې ټاکلو، یا د زده کړې پروسې ښه کولو لپاره د انسان څارنې ته اړتیا لیدل کیدی شي.
د ماشین زده کړې روزنې پرمهال د څارنې اړتیا د زده کړې تمثیل کارول کیږي، د لیبل شوي ډیټا شتون، او د دندې پیچلتیا پورې اړه لري. نظارت شوي زده کړه د لیبل شوي ډیټا چمتو کولو او د ماډل فعالیت ارزولو لپاره د انسان نظارت ته اړتیا لري. غیر څارل شوي زده کړه څارنې ته اړتیا نلري، ځکه چې ماډل په خپلواک ډول د لیبل شوي معلوماتو څخه زده کوي. نیمه څارل شوي زده کړه د څارنې او غیر څارل شوي زده کړې عناصر سره یوځای کوي، پداسې حال کې چې د پیاوړتیا زده کړه د چاپیریال سره د تعامل له لارې زده کړه شامله ده.
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؟
- د عصبي شبکې پر بنسټ الګوریتم کې کارول شوي کلیدي پیرامیټونه کوم دي؟
- TensorBoard څه شی دی؟
نورې پوښتنې او ځوابونه په EITC/AI/GCML د ګوګل کلاوډ ماشین زده کړې کې وګورئ