2-Mavzu. Mashinali o’qitish turlari. Mashinali o’qitish uchun instrumental vositalar Reja

Chuqur o’qitishda kuzatiladigan kamchiliklar. Ma’lumotlar nishoni (Data label)ning - ko'pincha zamonaviy AI modellari "nazorat ostida o'rganish“ - o’qituvchili o’qitish orqali o'qitiladi. Bu shuni anglatadiki, odamlar katta hajmdagi va xatolarga olib keladishi mumkin bo'lgan asosiy ma'lumotlarni belgilashi va toifalashlari kerak.
O’qitish uchun katta ma'lumotlar to'plamlari (Obtain huge training datasets) - CNN kabi chuqur o’qitish usullari ba'zi hollarda tibbiyot va boshqa sohalardagi mutaxassislarning bilimlariga mos ishlaydi. Hozirgi vaqtda mashina o'qitish jarayoni nafaqat ma’lumotar aniq bo’lishini, balki yetarlicha keng va universal bo'lgan o'quv ma'lumot to'plamlarini talab qiladi.
Muammoni tushuntirish(Explain a problem) - katta va murakkab modellarni tushuntirish va unig xususiyatlarini aniqlash qiyin hisoblanadi. Bunday holatlarda aniq qarorlarni qabul qilishda xatoliklarga yo’l qo’yilishi mumkin.


2. Mashinali o'qitish modellari uchun asosiy algoritmlar


Qaror daraxti. Bu daraxtga o'xshash grafikadan foydalanishga asoslangan qarorlarni qo'llab-quvvatlash usuli bo’lib, ularning yuzaga kelishi mumkin bo'lgan oqibatlarini hisobga olgan holda qaror qabul qilish modeli (hodisa yuzaga kelishi ehtimolini hisoblash bilan), samaradorlik, resurslarni sarflashdan iborat bo’ladi.
Biznes-jarayonlar uchun ushbu daraxt minimal miqdordagi savollardan iborat bo'lib, ular aniq javobni talab qiladi - "ha" yoki "yo'q". Bu savollarning barchasiga doimiy ravishda javob berib, to'g'ri tanlovga kelamiz. Qaror daraxtining uslubiy afzalliklari shundaki, u masalani tuzadi va tizimga soladi va yakuniy qaror mantiqiy xulosalar asosida qabul qilinadi.
Bayesning sodda sinfi, Bayescha sodda sinflagichlar oddiy ehtimollik klassifikatorlari oilasiga mansub va Bayes teoremasidan kelib chiqadi, bu holda funksiyalarni mustaqil deb hisoblaydi (bu qat'iy yoki sodda, taxmin deb ataladi). Amalda, u mashinasozlikning quyidagi yo'nalishlarida qo'llaniladi:
• elektron pochtaga keladigan spam-spam ta'rifi;
• yangiliklar maqolalarini tematik sarlavhalar bilan avtomatik ravishda bog'lash;
• matnning emotsional rangini aniqlash;
• tasvirlardagi yuzlar va boshqa shablonlarni tanib olish.