ماشین لرنینگ در زبان برنامه نویسی پایتون

یادگیری ماشین چیست؟
یادگیری ماشین (Machine Learning) زبان برنامه نویسی پایتون دانشی است که کامپیوترها را به یادگرفتن و رفتار کردن مثل انسان وا میshy; دارد. این سیستم ها، رفته رفته که با داده ها، شبکه ها و افراد تعامل دارند، به طور خودکار با هوش تر می شوند تا در نهایت بتوانند موضوعی کاربردی در جهان را برای ما تعیین یا پیشshy; بینی کنند.

کاربرد ماشین لرنینگ در وب سایت های معروف ایران و جهان
یکی از کاربردهای ماشین لرنینگ در جهان، ارائه پیشنهادات است. مثلا وقتی اکانتی در پینترتست باز می shy;کنید و چند تصویر را پین میshy; کنید، از دفعات بعد تصاویری با همان مضمون را به شما نشان می shy;دهد.

یادگیری ماشین در ایران
مثال یادگیری ماشین در ایران سایت دیجیکالا است. وقتی در دیجی کالا یک موضوع مشخص را سرچ می shy;کنید، از دفعات بعد که وارد سایت می shy;شوید، اجناس مرتبط با آن سرچ را بیشتر به شما نشان میshy; دهد. سیستم این کار را بر اساس دیتای ذخیره شده از طرف شما انجام می shy;دهد و در واقع از رفتار شما یاد می shy;گیرد تا طبق ترجیحات و نیاز شما رفتار کند. این همان معجزه یادگیری ماشین است.

ماشین لرنینگ مشکل اصلی برنامه نویسی سنتی را چطور حل کرد؟
در برنامه shy;نویسی سنتی، تمام قوانین (Rules) باید با م یک متخصص در حوزه و صنعتِ مورد نظر، کدنویسی شود و هر قانون بر اساس یک فونداسیونِ منطقی، یک خروجی را تحویل می shy;دهد. اما وقتی سیستم بزرگتر میshy; شود، پیچیدهshy; تر هم می shy;شود و طبعا به کدنویسی بیشتری نیاز است. این امر باعث میshy; شود سیستم خیلی زود به حدی برسد که دیگر خارج از کنترل و نگهداری باشد.

یادگیری ماشین این مساله را با یادگیری خودکار کاملا حل کردهshy; است. سیستمی را در نظر بگیرید که بدون کدنویسی توسط برنامهshy; نویس، خودش از مثال shy;ها یاد میshy; گیرد و میshy; تواند به تنهایی از داده shy;ها، نتایجِ دقیق استخراج کند. یادگیری خودکار، مزیت اصلی ماشین لرنینگ در مقابل برنامه shy;نویسی سنتی است.

نحوه عملکرد دو بخشshy; یادگیری و استنتاج
مراحل یادگیری ماشین
مراحل یادگیری ماشین به طور خلاصه در قدمshy; های زیر و به ترتیب ذکر شده است:

بیان مساله (Define a question)
جمعshy; آوری دیتا (داده) (Collect data)
بصریshy; سازی دیتا (Visualize data)
مرتب shy;سازی الگوریتم (Train algorithm)
آزمایش الگوریتم (Test the Algorithm)
جمع shy;آوری بازخورد (Collect feedback)
تصحیح الگوریتم (Refine the algorithm)
ادامه چرخه از مراحل ۴ تا ۷ تا زمانی که به نتایج رضایت بخش و مدل برسیم
استفاده از مدل برای پیش shy;بینی

علاوه بر این موارد ، شی گرایی زبان برنامه نویسی پایتون نیز در یادگیری ماشین موثر است که در مقاله زیر به طور کامل شرح داده شده است .

http://hyperkiosk.ir/a-look-at-object-orientation-in-the-python-programming-language/

ماشین لرنینگ در زبان برنامه نویسی پایتون