ჩვენ ვაკანსიების სერვისი გავუშვით: გამოაქვეყნეთ ვაკანსიები და მიიღეთ უკუკავშირი!

მანქანური სწავლების ალგორითმები, რომლებსაც ყველაზე ხშირად იყენებენ

AI მანქანური სწავლების ინჟინერმა, რაკეშ გოდარიმ LinkedIn-ზე იმ მანქანური სწავლების ალოგრითმებზე ისაუბრა, რომლებსაც პროფესიონალები ყველაზე ხშირად იყენებენ. 

კომენტარის დატოვება
მანქანური სწავლების ალგორითმები, რომლებსაც ყველაზე ხშირად იყენებენ

AI მანქანური სწავლების ინჟინერმა, რაკეშ გოდარიმ LinkedIn-ზე იმ მანქანური სწავლების ალოგრითმებზე ისაუბრა, რომლებსაც პროფესიონალები ყველაზე ხშირად იყენებენ. 

მანქანათმცოდნეობის ალგორითმები სხვადასხვა პრობლემის გადასაჭრელად გამოიყენება.

გთავაზობთ ყველაზე ხშირად გამოყენებული ალგორითმის მოკლე მიმოხილვას:

  • ხაზოვანი რეგრესია (Linear regression): პროგნოზირებს უწყვეტ მნიშვნელობებს, როგორიცაა, მაგალითად, სახლის ფასები ან სხვა ცვალებადი რიცხვები.
  • Random forest: უფრო ზუსტი შედეგების მისაღებად მრავალი გადაწყვეტილების პროგნოზსს აერთიანებს.
  • იერარქიული კლასტერირება (Hierarchical clustering): მონაცემებს მათი მსგავსების მიხედვით აჯგუფებს.
  • სწავლის ალგორითმი (learning algorithm): ამ ალგორითმს აგენტები იყენებენ, რათა ისწავლონ, როგორ მოიქცნენ კონკრეტულ გარემოში იმისთვის, რომ თავიანთი ჯილდოები მაქსიმალურად გაზარდონ.
  • Apriori algorithm: მას მონაცემთა ნაკრებებში ხშირი შაბლონების პოვნა შეუძლია. 
  • განზომილების შემცირების ალგორითმები (Dimensionality reduction algorithms): მონაცემთა ბაზაში ფუნქციების რაოდენობას ამცირებს და  ყველაზე მნიშვნელოვან ინფორმაციას გამოჰყოფს.
  • Autoencoders: ამცირებს განზომილებების ანომალიებს.
  • K-means clustering: კლასტერების წინასწარ განსაზღვრულ რაოდენობაში მონაცემთა წერტილებს აჯგუფებს. 
  • კონვოლუციური ნერვული ქსელები (Convolutional neural networks (CNN)): ეს გამოსახულებისა და ვიდეოს ამომცნობი ალგორითმია.
  • ძირითადი კომპონენტის ანალიზი (Principal component analysis): პოულობს მონაცემთა ნაკრების ძირითად კომპონენტებს, რომლებიც  უდიდესი დისპერსიის (greatest variance) მიმართულებებია. 
  • Naive Bayes: ის ხშირად კლასიფიკაციის ამოცანებისთვის გამოიყენება, როგორიცაა სპამის ფილტრაცია.
  • ლოგისტიკური რეგრესია (Logistic regression): გამოიყენება ორობითი კლასიფიკაციის ამოცანებისთვის. ყველაზე გავრცელებული ლოგისტიკური რეგრესია ბინარულ შედეგს აყალიბებს; რაღაც, რასაც შეუძლია ორი მნიშვნელობა მიიღოს, როგორიცაა true/false, yes/no და ა.შ.
  • გადაწყვეტილების ხე (Decision tree): ეს ალგორითმი პროგნოზების გასაკეთებლად ხის მსგავს სტრუქტურას იყენებს.
  • Mean shift: შეიძლება გამოყენებული იქნას ისეთი ამოცანებისთვის, როგორიცაა გამოსახულების სეგმენტაცია და სიმკვრივის შეფასება.
ალგორითმების როლი ჩვენს ყოველდღიურ ცხოვრებაში
ალგორითმების როლი ჩვენს ყოველდღიურ ცხოვრებაში
თემის მიხედვით
ალგორითმების როლი ჩვენს ყოველდღიურ ცხოვრებაში
MIT-ის ტრენერთა ტრენინგი საქართველოში - მანქანური სწავლება კომპიუტერულ ხედვაში
MIT-ის ტრენერთა ტრენინგი საქართველოში — მანქანური სწავლება კომპიუტერულ ხედვაში
თემის მიხედვით
MIT-ის ტრენერთა ტრენინგი საქართველოში — მანქანური სწავლება კომპიუტერულ ხედვაში


ასევე წაიკითხეთ
Viber-ის AI-ით გაძლიერებული ფუნქცია, ჯგუფური ჩატების მოკლე შინაარს მყისიერად შეაჯამებს
Viber-ის AI-ით გაძლიერებული ფუნქცია, ჯგუფური ჩატების მოკლე შინაარს მყისიერად შეაჯამებს
Viber-ის AI-ით გაძლიერებული ფუნქცია, ჯგუფური ჩატების მოკლე შინაარს მყისიერად შეაჯამებს
ილონ მასკი: არსებობს 20%-იანი შანსი, რომ AI-მ კაცობრიობა გაანადგუროს, მაგრამ რისკად ღირს
ილონ მასკი: არსებობს 20%-იანი შანსი, რომ AI-მ კაცობრიობა გაანადგუროს, მაგრამ რისკად ღირს
ილონ მასკი: არსებობს 20%-იანი შანსი, რომ AI-მ კაცობრიობა გაანადგუროს, მაგრამ რისკად ღირს
OpenAI და Microsoft AI-ის გასაძლიერებლად $100 მლრდ-იანი სუპერკომპიუტერის შექმნას აპირებენ
OpenAI და Microsoft AI-ის გასაძლიერებლად $100 მლრდ-იანი სუპერკომპიუტერის შექმნას აპირებენ
OpenAI და Microsoft AI-ის გასაძლიერებლად $100 მლრდ-იანი სუპერკომპიუტერის შექმნას აპირებენ
Nvidia-ს პრეზიდენტის, ჯენსენ ჰუანგის აზრით, ზოგად AI-ს 5 წელში მივიღებთ
Nvidia-ს პრეზიდენტის, ჯენსენ ჰუანგის აზრით, ზოგად AI-ს 5 წელში მივიღებთ
Nvidia-ს პრეზიდენტის, ჯენსენ ჰუანგის აზრით, ზოგად AI-ს 5 წელში მივიღებთ
განხილვა
კომენტარები ჯერ არაა.