செயற்கை நுண்ணறிவு துறையில் இயந்திர கற்றலின் மையத்தில் தரவுகளின் அடிப்படையில் கற்றுக்கொள்வது, விளைவுகளை கணிப்பது மற்றும் முடிவுகளை எடுப்பது போன்ற வழிமுறைகளை உருவாக்குவது. இந்த செயல்முறையானது தரவைப் பயன்படுத்தி மாதிரிகளைப் பயிற்றுவிப்பதோடு, வடிவங்களைப் பொதுமைப்படுத்தவும், புதிய, காணாத தரவுகளில் துல்லியமான கணிப்புகள் அல்லது முடிவுகளை எடுக்கவும் அனுமதிக்கிறது. கூகுள் கிளவுட் மெஷின் லேர்னிங் மற்றும் சர்வர்லெஸ் கணிப்புகளின் பின்னணியில், இந்தத் திறன் இன்னும் சக்திவாய்ந்ததாகவும், அளவிடக்கூடியதாகவும் மாறும்.
தொடங்குவதற்கு, தரவுகளின் அடிப்படையில் கற்றுக் கொள்ளும் அல்காரிதம்களின் கருத்தை ஆராய்வோம். இயந்திரக் கற்றலில், அல்காரிதம் என்பது ஒரு வெளியீட்டை உருவாக்க உள்ளீட்டுத் தரவை செயலாக்கும் கணித வழிமுறைகளின் தொகுப்பாகும். பாரம்பரிய அல்காரிதம்கள் குறிப்பிட்ட விதிகளைப் பின்பற்றுவதற்குத் திட்டவட்டமாகத் திட்டமிடப்பட்டுள்ளன, ஆனால் இயந்திரக் கற்றலில், அல்காரிதங்கள் வெளிப்படையாக திட்டமிடப்படாமல் தரவிலிருந்து கற்றுக்கொள்கின்றன. கணிப்புகள் அல்லது முடிவுகளை எடுக்க தரவுகளில் உள்ள வடிவங்கள், உறவுகள் மற்றும் போக்குகளை அவை தானாகவே கண்டறியும்.
கற்றல் செயல்முறை பொதுவாக இரண்டு முக்கிய படிகளை உள்ளடக்கியது: பயிற்சி மற்றும் அனுமானம். பயிற்சி கட்டத்தின் போது, ஒரு இயந்திர கற்றல் மாதிரி ஒரு பெயரிடப்பட்ட தரவுத்தொகுப்பில் வெளிப்படும், அங்கு ஒவ்வொரு தரவு புள்ளியும் அறியப்பட்ட விளைவு அல்லது இலக்கு மதிப்புடன் தொடர்புடையது. மாதிரியானது தரவின் அம்சங்கள் அல்லது பண்புகளை பகுப்பாய்வு செய்கிறது மற்றும் சரியான விளைவுகளை கணிக்கும் திறனை மேம்படுத்த அதன் உள் அளவுருக்களை சரிசெய்கிறது. இந்த சரிசெய்தல் பெரும்பாலும் சாய்வு வம்சாவளி போன்ற தேர்வுமுறை அல்காரிதம்களைப் பயன்படுத்தி செய்யப்படுகிறது.
மாதிரி பயிற்றுவிக்கப்பட்டவுடன், புதிய, காணாத தரவுகளில் அனுமானம் அல்லது கணிப்புக்கு இது பயன்படுத்தப்படலாம். மாதிரியானது உள்ளீட்டுத் தரவை எடுத்துக்கொள்கிறது, கற்றுக்கொண்ட அளவுருக்களைப் பயன்படுத்தி அதைச் செயலாக்குகிறது மற்றும் பயிற்சித் தரவிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் ஒரு கணிப்பு அல்லது முடிவை உருவாக்குகிறது. எடுத்துக்காட்டாக, வாடிக்கையாளர் பரிவர்த்தனைகளின் தரவுத்தொகுப்பில் பயிற்சியளிக்கப்பட்ட இயந்திரக் கற்றல் மாதிரியானது புதிய பரிவர்த்தனை மோசடியானதா இல்லையா என்பதை கடந்த காலத் தரவிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் கணிக்க முடியும்.
துல்லியமான கணிப்புகள் அல்லது முடிவுகளை எடுக்க, இயந்திர கற்றல் வழிமுறைகள் பல்வேறு நுட்பங்கள் மற்றும் மாதிரிகளை நம்பியுள்ளன. இவை நேரியல் பின்னடைவு, முடிவு மரங்கள், ஆதரவு திசையன் இயந்திரங்கள், நரம்பியல் நெட்வொர்க்குகள் மற்றும் பல. ஒவ்வொரு மாதிரியும் அதன் பலம் மற்றும் பலவீனங்களைக் கொண்டுள்ளது, மேலும் மாதிரியின் தேர்வு குறிப்பிட்ட சிக்கல் மற்றும் கையில் உள்ள தரவைப் பொறுத்தது.
கூகுள் கிளவுட் மெஷின் லேர்னிங், இயந்திர கற்றல் மாதிரிகளை அளவில் உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் சக்திவாய்ந்த தளத்தை வழங்குகிறது. இது இயந்திர கற்றல் மாதிரிகளை உருவாக்குதல், பயிற்சி செய்தல் மற்றும் வழங்குதல் ஆகியவற்றின் செயல்முறையை எளிதாக்கும் பல்வேறு சேவைகள் மற்றும் கருவிகளை வழங்குகிறது. அத்தகைய சேவைகளில் ஒன்று சர்வர்லெஸ் கணிப்புகள் ஆகும், இது உங்கள் பயிற்சி பெற்ற மாதிரிகளை வரிசைப்படுத்தவும், உள்கட்டமைப்பு மேலாண்மை அல்லது அளவிடுதல் சிக்கல்களைப் பற்றி கவலைப்படாமல் கணிப்புகளைச் செய்யவும் உதவுகிறது.
சேவையகமற்ற கணிப்புகள் மூலம், நீங்கள் பயிற்சி பெற்ற மாதிரிகளை பயன்பாடுகள் அல்லது அமைப்புகளில் எளிதாக ஒருங்கிணைத்து, அவற்றை நிகழ்நேர கணிப்புகள் அல்லது முடிவுகளை எடுக்க அனுமதிக்கிறது. அடிப்படை உள்கட்டமைப்பு தேவையின் அடிப்படையில் தானாகவே அளவிடப்படுகிறது, அதிக கிடைக்கும் தன்மை மற்றும் செயல்திறனை உறுதி செய்கிறது. பெரிய அளவிலான தரவு அல்லது உயர் அதிர்வெண் முன்கணிப்பு கோரிக்கைகளைக் கையாளும் போது இந்த அளவிடுதல் மிகவும் முக்கியமானது.
செயற்கை நுண்ணறிவு துறையில் இயந்திர கற்றலின் அடிப்படை அம்சம் தரவுகளின் அடிப்படையில் கற்றுக்கொள்வது, விளைவுகளை கணிப்பது மற்றும் முடிவுகளை எடுப்பது போன்ற வழிமுறைகளை உருவாக்குகிறது. கூகுள் கிளவுட் மெஷின் லேர்னிங், அதன் சர்வர்லெஸ் கணிப்புகள் அளவில், மெஷின் லேர்னிங் மாதிரிகளை உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் ஒரு வலுவான தளத்தை வழங்குகிறது. தரவு மற்றும் இயந்திர கற்றல் வழிமுறைகளின் சக்தியை மேம்படுத்துவதன் மூலம், நிறுவனங்கள் மதிப்புமிக்க நுண்ணறிவுகளைத் திறக்கலாம், முடிவெடுக்கும் செயல்முறைகளை தானியங்குபடுத்தலாம் மற்றும் புதுமைகளை இயக்கலாம்.
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