در این بخش از مقاله می خواهیم درباره ی ماشین لرنینگ Machine Learning و اینکه چرا هوش مصنوعی با پایتون تاثیرگذار است صحبت می کنیم. یکی از لبه های علم امروز که بین بسیاری از برنامه نویس های پایتون به شدت ترند شده است و می بینیم بسیاری از آنان می خواهند وارد این دنیای برنامه نویسی شوند.

در رابطه با این موضوع در بین برنامه نویس ها بسیار صحبت می شود و یکی از موضوعات صحبت این است که با انقلاب صنعتی بعدی مقایسه می شود که این تغییرات را می توان به خوبی مشاهده کرد.

برای دانلود تصویر روی آن کلیک راست و سپس گزینه save image as رو بزنید

ماشین لرنینگ Machine Learning چه کارکرد هایی دارد؟

برای اینکه بتوانیم یک توسعه دهنده یا Developer شویم باید بتوانیم از هوش مصنوعی استفاده کنیم.

در مرحله ی اول باید بدانیم هوش مصنوعی یاArtificial intelligence چیست؟

برای هوش مصنوعی هیچ تعریف دقیقی وجود ندارد، باید این موضوع را از چهار جنبه مورد بررسی قرار دهیم:

1_ Thinking humanlyدر بحث اول باید سیستمی را طراحی کنیم که مانند انسان فکر کند. مسئله ایی که در این رابطه وجود دارد این است که بدانیم فکر کردن انسان به چه معنی است و یا بدانیم انسان چگونه فکر می کند! در این زمینه ها بسیاری از دانشمندان و رواشناسان درحال تحقیق در رابطه با چگونگی افکار انسان ها هستند.

2_Thinking rationally در این مورد می خواهیم سیستمی بسازیم که عاقلانه فکر کند

3_Acting humanly فکر کردن مثل انسان

4_Acting rationally  بهترین شکل از سیستم هوشمند است که رفتار عاقلانه داشته باشد.

در تئوری هوش مصنوعی موضوعاتی مانند عاقلانه فکر کردن یا تعاریف روانشناختی وجود دارد. تئوری به اسم تئوری تورینگ وجود دارد که می خواهد سیستمی بسازد تامانند انسان فکر کند.

در تست تورینگ می خواهد نشان دهد که اگر پشت دیواری بمانید و اگر در آن سمت دیوار متوجه نباشید که با کامپیوتری رفتارمی کنید یا با انسانی در ارتباط هستید.

در واقع این سیستم به گونه ایی باشد که ما متوجه ی تفاوت انسان بودن یا کامپیوتر بودن آن نباشیم و اگر این سیستم به خوبی عمل کند و ما این تفاوت را متوجه نباشیم یعنی توانسته است مثل انسان رفتار کند. مثل دستیار گوگلی که از آن استفاده می کنیم می بینیم که کاملا مانند انسان رفتار می کند.

در واقع در یک تعریف کوچک از ماشین لرنینگ Machine Learning یعنی به ماشین اجازه دهد که از خودش یادبگیرد و کار خود را به خوبی بهبود بخشد و نیازی به برنامه نویسی به صورت قبل نباشد.

هوش مصنوعی چیست

ماشین لرنینگ  Machine Learning در کجا مورد استفاده قرار می گیرد؟

در بسیاری از مواقع می توانیم کاربرد ماشین لرنینگ را ببینیم. به عنوان مثال در تشخیص ارقام، تشخیص نوشته ی شما به عنوان مثال برنامه هایی وجود دارد که در صورت عکس گرفتن از متن کتابی می توان آن را به صورت متن تایپ شده دریافت کرد.

دستیار های صوتی، موتور های جست و جو، خودرو های بدون سرنشین، تشخیص چهره

ماشین لرنینگ Machine Learning به چند دسته تقسیم می شود؟

1_ Supervised Learning

در دسته ی اول از ماشین لرنینگ Machine Learning در این بخش بحث classification Algorithm وجود دارد،  یک سری دیتا هایی وجود دارد به عنوان مثال دیتای حیوانات، در دیتای حیوانات لیبل هایی وجود دارد که به هر کدام از این دیتا ها کلاس می گویند. در بخش دیتا ست به عنوان مثال گربه در آن بخش که قرار می گیرد می خواهیم بدانیم این گربه است یا نه.

در دسته ی اول از ماشین لرنینگ Machine Learning در این بخش بحث classification Algorithm وجود دارد،  یک سری دیتا هایی وجود دارد به عنوان مثال دیتای حیوانات، در دیتای حیوانات لیبل هایی وجود دارد که به هر کدام از این دیتا ها کلاس می گویند. در بخش دیتا ست به عنوان مثال گربه در آن بخش که قرار می گیرد می خواهیم بدانیم این گربه است یا نه.

2_ Unsupervised Learning

دسته ی دوم از ماشین لرنینگ Machine Learning یادگیری بدون ناظر وجود دارد و به دسته بندی کردن آنان میپردازیم. در این دسته بندی به عنوان مثال حیوانات، می گوییم دسته بندی گربه سانان یا سگ سانان و…

دراین بخش از ماشین نیازی به راهنما ندارید و می توانید روابط بین داده ها را با مشاهده ی خود پیدا کند. در واقع کامپیوتر با پیدا کردن داده هایی که دریافت کرده است می تواند رابطه ی بین آنان را کشف نماید و در این یادگیری می تواند به کمک دسته بندی و الگو هایی که آنان را یادگرفته است تفاوت ها را به خوبی دریابد و تشخیص دهد.

3_ Semisu pervised Learning

این دسته از ماشین لرنینگ، چیزی بین آن دو دسته ی دیگری که نام برده شد قرار دارند.

4_Reinforcement Learning

در این بخش آزمون و خطا وجود دارد و مانند گزینه های قبلی نیست.  در این حالت ماشین لرنینگ Machine Learning سعی دارد که در ارتباط با محیط چیز هایی را بیاموزد و با آزمون و خطا می خواهد مسائل را به خوبی حل کند و نتایج خوبی یا بدی را از آن ها دریافت کند. در صورت دریافت نتیجه ی خوب پاداش و در صورت گرفتن نتیجه ی بد جریمه صورت می گیرد.

یادگیری ماشین لرنینگ

برای یادگیری ماشین Machine Learning چه کار هایی باید انجام دهیم؟

در ابتدا باید یک زبان برنامه نویسی مانند پایتون را انتخاب کنید و بعد می توانید Library های آن را یاد بگیرید و ریاضیات ماشین لرنینگ Machine Learning  را هم باید بشناسید و منطق مربوط به ریاضیات را باید به خوبی بشناسید و آشنایی کامل داشته باشید د مراحل بعدی باید آمار و احتمالات را یاد بگیرید، و در مراحل بعدی هسته ی الگوریتم برنامه نویسی را بیاموزید.

1_ تئوری یادگیری ماشین و الگوریتم

2_ درک مناسب روی علوم کامپیوتر داشته باشید

3_ درک کافی روی مباحث آمار و احتمال داشته باشید

4_ زبان برنامه نویسی پایتون را یاد بگیرید

5_ با کلان داده آشنا شوید

6_ یادگیری عمیق را بیاموزید

 

تفاوت یادگیری عمیقDeep Learning با ماشین لرنینگ چیست؟

Deep learning شامل الگوریتم هایی است که از شبکه های عصبی که مغز را شکل می دهند الهام گرفته شده است. دیپ لرنینگ(Deep Learning) زیر مجموعه ی ماشین لرنینگ است (Machine Learning)و ماشین لرنینگ زیر مجموعه ی هوش مصنوعی(Artifical Intelligence)است.

 

هوش مصنوعی با پایتون

چرا پایتون در هوش مصنوعی بسیار محبوب واقع شده است؟

پایتون در این زمینه ی ماشین لرنینگ Machine Learning پکیج های بسیار خوبی را ارائه می دهد و همه ی ویژگی های هوش مصنوعی را دارا است پایتون در این زمینه بسیار قدرتمند عمل می کند و می تواند بسیار مناسب برای یادگیری در زمینه برای علاقه مندان باشد.

1_Tensor Flow

2_ Nampy

3_ matrix

4_ mandas

5_ Scipy

6_ Keras

7_ Sckit learn

8_ open cv