இயந்திர கற்றல் துறையில் மேற்பார்வையிடப்பட்ட, மேற்பார்வை செய்யப்படாத மற்றும் வலுவூட்டல் கற்றல் மூன்று வேறுபட்ட அணுகுமுறைகளாகும். ஒவ்வொரு அணுகுமுறையும் வெவ்வேறு வகையான சிக்கல்களைத் தீர்ப்பதற்கும் குறிப்பிட்ட நோக்கங்களை அடைவதற்கும் வெவ்வேறு நுட்பங்கள் மற்றும் வழிமுறைகளைப் பயன்படுத்துகின்றன. இந்த அணுகுமுறைகளுக்கு இடையே உள்ள வேறுபாடுகளை ஆராய்வோம் மற்றும் அவற்றின் பண்புகள் மற்றும் பயன்பாடுகள் பற்றிய விரிவான விளக்கத்தை வழங்குவோம்.
மேற்பார்வையிடப்பட்ட கற்றல் என்பது ஒரு வகை இயந்திர கற்றல் ஆகும், அங்கு அல்காரிதம் லேபிளிடப்பட்ட தரவிலிருந்து கற்றுக்கொள்கிறது. லேபிளிடப்பட்ட தரவு, அவற்றின் சரியான வெளியீடு அல்லது இலக்கு மதிப்புடன் இணைக்கப்பட்ட உள்ளீட்டு எடுத்துக்காட்டுகளைக் கொண்டுள்ளது. மேற்பார்வையிடப்பட்ட கற்றலின் குறிக்கோள், புதிய, காணப்படாத உள்ளீடுகளுக்கான வெளியீட்டைத் துல்லியமாகக் கணிக்கக்கூடிய மாதிரியைப் பயிற்றுவிப்பதாகும். உள்ளீட்டு அம்சங்கள் மற்றும் வெளியீட்டு லேபிள்களுக்கு இடையே உள்ள வடிவங்கள் மற்றும் உறவுகளை ஊகிக்க, லேபிளிடப்பட்ட தரவை கற்றல் அல்காரிதம் பயன்படுத்துகிறது. புதிய, லேபிளிடப்படாத தரவுகளில் கணிப்புகளைச் செய்ய இந்த அறிவைப் பொதுமைப்படுத்துகிறது. வகைப்படுத்தல் மற்றும் பின்னடைவு போன்ற பணிகளில் மேற்பார்வையிடப்பட்ட கற்றல் பொதுவாகப் பயன்படுத்தப்படுகிறது.
எடுத்துக்காட்டாக, ஒரு வகைப்பாடு சிக்கலில், ஒவ்வொரு தரவுப் புள்ளியும் ஒரு குறிப்பிட்ட வகுப்பில் பெயரிடப்பட்ட தரவுத்தொகுப்பில் அல்காரிதம் பயிற்சியளிக்கப்படுகிறது. அல்காரிதம் புதிய, காணப்படாத தரவுப் புள்ளிகளை லேபிளிடப்பட்ட எடுத்துக்காட்டுகளிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் முன் வரையறுக்கப்பட்ட வகுப்புகளில் ஒன்றாக வகைப்படுத்த கற்றுக்கொள்கிறது. பின்னடைவு சிக்கலில், உள்ளீட்டு அம்சங்களின் அடிப்படையில் தொடர்ச்சியான எண் மதிப்பைக் கணிக்க அல்காரிதம் கற்றுக்கொள்கிறது.
மறுபுறம், மேற்பார்வை செய்யப்படாத கற்றல், லேபிளிடப்படாத தரவுகளைக் கையாள்கிறது. மேற்பார்வை செய்யப்படாத கற்றலின் நோக்கம், வெளியீட்டு லேபிள்களைப் பற்றிய எந்த முன் அறிவும் இல்லாமல் தரவுக்குள் மறைந்திருக்கும் வடிவங்கள், கட்டமைப்புகள் அல்லது உறவுகளைக் கண்டறிவதாகும். மேற்பார்வையிடப்பட்ட கற்றல் போலல்லாமல், மேற்பார்வை செய்யப்படாத கற்றல் வழிமுறைகள் கற்றல் செயல்முறையை வழிநடத்த வெளிப்படையான இலக்கு மதிப்புகளைக் கொண்டிருக்கவில்லை. அதற்கு பதிலாக, அவை தரவுகளில் அர்த்தமுள்ள பிரதிநிதித்துவங்கள் அல்லது கிளஸ்டர்களைக் கண்டறிவதில் கவனம் செலுத்துகின்றன. மேற்பார்வை செய்யப்படாத கற்றல் பொதுவாக கிளஸ்டரிங், பரிமாணக் குறைப்பு மற்றும் ஒழுங்கின்மை கண்டறிதல் போன்ற பணிகளில் பயன்படுத்தப்படுகிறது.
கிளஸ்டரிங் என்பது மேற்பார்வை செய்யப்படாத கற்றலின் பிரபலமான பயன்பாடாகும், அங்கு அல்காரிதம் ஒரே மாதிரியான தரவுகளை அவற்றின் உள்ளார்ந்த பண்புகளின் அடிப்படையில் ஒன்றாகக் கொண்டுள்ளது. எடுத்துக்காட்டாக, வாடிக்கையாளர் பிரிவில், அவர்களின் வாங்கும் நடத்தை அல்லது மக்கள்தொகைத் தகவலின் அடிப்படையில் வாடிக்கையாளர்களின் தனித்துவமான குழுக்களை அடையாளம் காண மேற்பார்வை செய்யப்படாத கற்றல் வழிமுறை பயன்படுத்தப்படலாம்.
வலுவூட்டல் கற்றல் என்பது வேறுபட்ட முன்னுதாரணமாகும், அங்கு ஒரு முகவர் ஒரு ஒட்டுமொத்த வெகுமதி சமிக்ஞையை அதிகரிக்க சூழலுடன் தொடர்பு கொள்ள கற்றுக்கொள்கிறார். வலுவூட்டல் கற்றலில், அல்காரிதம் ஒரு சோதனை-மற்றும்-பிழை செயல்முறை மூலம் செயல்களை மேற்கொள்வது, சுற்றுச்சூழலின் நிலையைக் கவனிப்பது மற்றும் வெகுமதிகள் அல்லது அபராதங்கள் வடிவில் கருத்துக்களைப் பெறுவது. நீண்ட கால வெகுமதியை அதிகப்படுத்தும் உகந்த கொள்கை அல்லது செயல்களின் தொகுப்பைக் கண்டறிவதே குறிக்கோள். வலுவூட்டல் கற்றல் பொதுவாக விளையாட்டு விளையாடுதல், ரோபாட்டிக்ஸ் மற்றும் தன்னாட்சி அமைப்புகள் போன்ற பணிகளில் பயன்படுத்தப்படுகிறது.
எடுத்துக்காட்டாக, சதுரங்க விளையாட்டில், ஒரு வலுவூட்டல் கற்றல் முகவர் வெவ்வேறு நகர்வுகளை ஆராய்வதன் மூலம் விளையாட கற்றுக்கொள்ள முடியும், ஒவ்வொரு நகர்வின் முடிவுகளின் அடிப்படையில் வெகுமதிகள் அல்லது அபராதங்களைப் பெறுதல் மற்றும் வெற்றிக்கான வாய்ப்புகளை அதிகரிக்க அதன் உத்தியை சரிசெய்தல்.
மேற்பார்வையிடப்பட்ட கற்றல், முன்கணிப்புப் பணிகளுக்கான மாதிரியைப் பயிற்றுவிக்க லேபிளிடப்பட்ட தரவைப் பயன்படுத்துகிறது, மேற்பார்வை செய்யப்படாத கற்றல், லேபிளிடப்படாத தரவுகளில் வடிவங்கள் மற்றும் கட்டமைப்புகளைக் கண்டறிகிறது, மேலும் ரிவார்டு சிக்னலை அதிகரிக்க சூழலுடன் தொடர்புகொள்வதன் மூலம் வலுவூட்டல் கற்றல் கற்றுக்கொள்கிறது. ஒவ்வொரு அணுகுமுறையும் அதன் சொந்த பலம் மற்றும் பலவீனங்களைக் கொண்டுள்ளது மற்றும் பல்வேறு வகையான சிக்கல்கள் மற்றும் பயன்பாடுகளுக்கு ஏற்றது.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் EITC/AI/GCML கூகிள் கிளவுட் மெஷின் கற்றல்:
- டெக்ஸ்ட் டு ஸ்பீச் (TTS) என்றால் என்ன, அது AI உடன் எவ்வாறு செயல்படுகிறது?
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- பெரிய தரவுத்தொகுப்பு உண்மையில் என்ன அர்த்தம்?
- அல்காரிதத்தின் ஹைபர்பாராமீட்டர்களின் சில எடுத்துக்காட்டுகள் யாவை?
- இசையமைத்தல் கற்றல் என்றால் என்ன?
- தேர்ந்தெடுக்கப்பட்ட இயந்திர கற்றல் அல்காரிதம் பொருத்தமானதாக இல்லாவிட்டால் என்ன செய்வது மற்றும் சரியானதைத் தேர்ந்தெடுப்பதை எவ்வாறு உறுதிப்படுத்துவது?
- ஒரு இயந்திர கற்றல் மாதிரி அதன் பயிற்சியின் போது மேற்பார்வை தேவையா?
- நியூரல் நெட்வொர்க் அடிப்படையிலான அல்காரிதம்களில் பயன்படுத்தப்படும் முக்கிய அளவுருக்கள் யாவை?
EITC/AI/GCML Google Cloud Machine Learning இல் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க