இயந்திர கற்றல் (ML) என்பது செயற்கை நுண்ணறிவின் (AI) ஒரு துணைப் புலமாகும், இது கணினிகள் வெளிப்படையாக திட்டமிடப்படாமல் கணிப்புகள் அல்லது முடிவுகளைக் கற்கவும் மற்றும் எடுக்கவும் உதவும் வழிமுறைகள் மற்றும் மாதிரிகளின் வளர்ச்சியில் கவனம் செலுத்துகிறது. ML அல்காரிதம்கள் சிக்கலான வடிவங்கள் மற்றும் தரவுகளில் உள்ள உறவுகளை பகுப்பாய்வு செய்து விளக்குவதற்கு வடிவமைக்கப்பட்டுள்ளன, பின்னர் இந்த அறிவைப் பயன்படுத்தி தகவலறிந்த கணிப்புகளைச் செய்ய அல்லது செயல்களை எடுக்கவும்.
அதன் மையத்தில், ML ஆனது தரவுகளிலிருந்து கற்றுக் கொள்ளக்கூடிய மற்றும் காலப்போக்கில் அவற்றின் செயல்திறனை மேம்படுத்தக்கூடிய கணித மாதிரிகளை உருவாக்குவதை உள்ளடக்கியது. இந்த மாதிரிகள் பெரிய அளவிலான லேபிளிடப்பட்ட தரவைப் பயன்படுத்தி பயிற்சியளிக்கப்படுகின்றன, அங்கு விரும்பிய வெளியீடு அல்லது விளைவு அறியப்படுகிறது. இந்தத் தரவை பகுப்பாய்வு செய்வதன் மூலம், ML அல்காரிதங்கள் வடிவங்கள் மற்றும் உறவுகளை அடையாளம் காண முடியும், அவை அவற்றின் அறிவைப் பொதுமைப்படுத்தவும் புதிய, பார்க்காத தரவுகளில் துல்லியமான கணிப்புகளைச் செய்யவும் அனுமதிக்கின்றன.
பல வகையான ML அல்காரிதம்கள் உள்ளன, ஒவ்வொன்றும் அதன் சொந்த பலம் மற்றும் பயன்பாடுகள். மேற்பார்வையிடப்பட்ட கற்றல் என்பது ஒரு பொதுவான அணுகுமுறையாகும், அங்கு லேபிளிடப்பட்ட தரவைப் பயன்படுத்தி அல்காரிதம் பயிற்சியளிக்கப்படுகிறது, அதாவது உள்ளீட்டுத் தரவுடன் விரும்பிய வெளியீடு வழங்கப்படுகிறது. எடுத்துக்காட்டாக, ஸ்பேம் மின்னஞ்சல் வகைப்பாடு அமைப்பில், ஸ்பேம் அல்லது ஸ்பேம் அல்ல என லேபிளிடப்பட்ட மின்னஞ்சல்களின் தரவுத்தொகுப்பைப் பயன்படுத்தி அல்காரிதம் பயிற்சியளிக்கப்படும். இந்த மின்னஞ்சல்களின் குணாதிசயங்களை பகுப்பாய்வு செய்வதன் மூலம், அல்காரிதம் இரண்டு வகைகளை வேறுபடுத்தி அறியவும், புதிய, பார்க்காத மின்னஞ்சல்களை அதற்கேற்ப வகைப்படுத்தவும் முடியும்.
மறுபுறம், மேற்பார்வை செய்யப்படாத கற்றல், லேபிளிடப்படாத தரவுகளில் பயிற்சி அல்காரிதம்களை உள்ளடக்கியது, அங்கு விரும்பிய வெளியீடு தெரியவில்லை. தரவுகளில் மறைக்கப்பட்ட வடிவங்கள் அல்லது கட்டமைப்புகளைக் கண்டறிவதே குறிக்கோள். க்ளஸ்டரிங் அல்காரிதம்கள், எடுத்துக்காட்டாக, ஒரே மாதிரியான தரவுப் புள்ளிகளை அவற்றின் அம்சங்கள் அல்லது குணாதிசயங்களின் அடிப்படையில் ஒன்றாக தொகுக்கலாம். இது வாடிக்கையாளர் பிரிவில் பயனுள்ளதாக இருக்கும், அங்கு அல்காரிதம் ஒரே மாதிரியான விருப்பத்தேர்வுகள் அல்லது நடத்தைகளைக் கொண்ட வாடிக்கையாளர்களின் தனித்துவமான குழுக்களை அடையாளம் காண முடியும்.
மற்றொரு முக்கியமான வகை ML அல்காரிதம் வலுவூட்டல் கற்றல் ஆகும். இந்த அணுகுமுறையில், ஒரு முகவர் சுற்றுச்சூழலுடன் தொடர்பு கொள்ள கற்றுக்கொள்கிறார் மற்றும் நடவடிக்கைகளை எடுப்பதன் மூலம் வெகுமதி சமிக்ஞையை அதிகரிக்கிறார். முகவர் தனது செயல்களின் அடிப்படையில் வெகுமதிகள் அல்லது அபராதங்கள் வடிவில் கருத்துக்களைப் பெறுகிறார், மேலும் இது உகந்த கொள்கை அல்லது மூலோபாயத்தைக் கற்றுக்கொள்ள இந்தக் கருத்தைப் பயன்படுத்துகிறது. ரோபாட்டிக்ஸ் மற்றும் கேம் விளையாடுதல் போன்ற பல்வேறு களங்களில் வலுவூட்டல் கற்றல் வெற்றிகரமாக பயன்படுத்தப்பட்டது. எடுத்துக்காட்டாக, DeepMind ஆல் உருவாக்கப்பட்ட AlphaGo, உலக சாம்பியனான Go பிளேயரை தோற்கடிக்க வலுவூட்டல் கற்றலைப் பயன்படுத்தியது.
ML அல்காரிதம்களை அவற்றின் கற்றல் பாணியின் அடிப்படையிலும் வகைப்படுத்தலாம். தொகுதிக் கற்றல் என்பது ஒரு நிலையான தரவுத்தொகுப்பில் அல்காரிதத்தைப் பயிற்றுவித்து, பின்னர் கற்ற மாதிரியைப் பயன்படுத்தி புதிய தரவுகளில் கணிப்புகளைச் செய்வதாகும். ஆன்லைன் கற்றல், மறுபுறம், புதிய தரவு கிடைக்கும்போது, அல்காரிதம் அதன் மாதிரியை தொடர்ந்து புதுப்பிக்க அனுமதிக்கிறது. தரவு மாறும் மற்றும் காலப்போக்கில் மாறும் சூழ்நிலைகளில் இது மிகவும் பயனுள்ளதாக இருக்கும்.
ML ஆனது பல்வேறு தொழில்களில் பரவலான பயன்பாடுகளைக் கொண்டுள்ளது. உடல்நலப் பராமரிப்பில், ML அல்காரிதம்கள் நோய்களைக் கண்டறிய அல்லது நோயாளியின் விளைவுகளைக் கணிக்க மருத்துவப் படங்களை பகுப்பாய்வு செய்யலாம். நிதியில், மோசடி கண்டறிதல், பங்குச் சந்தை கணிப்பு மற்றும் கிரெடிட் ஸ்கோரிங் ஆகியவற்றிற்கு ML பயன்படுத்தப்படலாம். உள்ளடக்கத்தைத் தனிப்பயனாக்கவும் பயனர் அனுபவத்தை மேம்படுத்தவும் ஆன்லைன் சில்லறை விற்பனையாளர்கள் மற்றும் ஸ்ட்ரீமிங் சேவைகள் போன்ற பரிந்துரை அமைப்புகளிலும் ML பயன்படுத்தப்படுகிறது.
ML என்பது AI இன் துணைப் புலமாகும், இது தரவுகளிலிருந்து கற்றுக்கொண்டு கணிப்புகள் அல்லது முடிவுகளை எடுக்கக்கூடிய அல்காரிதம்கள் மற்றும் மாதிரிகளின் வளர்ச்சியில் கவனம் செலுத்துகிறது. வடிவங்கள் மற்றும் உறவுகளை அடையாளம் காண, லேபிளிடப்பட்ட அல்லது பெயரிடப்படாத தரவைப் பயன்படுத்தி பயிற்சி மாதிரிகளை உள்ளடக்கியது, பின்னர் தகவலறிந்த கணிப்புகளைச் செய்ய அல்லது நடவடிக்கைகளை எடுக்க இது பயன்படுத்தப்படலாம். ML ஆனது பல்வேறு வகையான அல்காரிதம்களைக் கொண்டுள்ளது, இதில் மேற்பார்வையிடப்பட்ட, மேற்பார்வை செய்யப்படாத மற்றும் வலுவூட்டல் கற்றல், ஒவ்வொன்றும் அதன் சொந்த பலம் மற்றும் பயன்பாடுகளைக் கொண்டுள்ளது. ML ஆனது பல தொழில்களில் பரவலான பயன்பாட்டைக் கண்டறிந்துள்ளது, சுகாதாரம், நிதி, பரிந்துரை அமைப்புகள் மற்றும் பல களங்களில் முன்னேற்றங்களைச் செயல்படுத்துகிறது.
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