איידער לייענען דעם אַרטיקל מיר רעקאָמענדירן איר לייענען וואס איז די Data Science, וואָס עס טוט און מיט וואָס אַבדזשעקטיווז
איידער איר אַרייַן די סערוויס, אַ מאַשין אַנימאַטעד דורך אַ מאַשין לערנען אַלגערידאַם האט אַנדערגאָן אַ לערנען פאַסע, בעסער באקאנט ווי טריינינג. אין דעם פאַסע, די מאַשין שטודירט די היסטארישע דאַטן בנימצא.
איידער מיר גיין אין די מעריץ פון מאַשין לערנען, און די דיפעראַנסיז צווישן קלאַסיש פּראָגראַממינג און מאַשין לערנען, לאָמיר זען אַ ביישפּיל וואָס וועט זיכער העלפֿן אונדז פֿאַרשטיין בעסער.
רעכן מיר יבערגעבן אינפֿאָרמאַציע וועגן רייזע צייט אויף די מאָטאָרווייַ אין די בעסטער פאַרקער טנאָים צו איינער פון אונדזער מגילה, צו אָנווייַזן אַן אַלגערידאַם וואָס איז ביכולת צו ריספּאַנד צו אונדז ווי אויב עס איז געווען אַ קול אַסיסטאַנט.
פֿאַר יעדער וועג מיר יבערגעבן די פאלגענדע אינפֿאָרמאַציע צו די אַלגערידאַם:
אַזוי דורך קול אַסיסטאַנט מיר וועלן זאָגן די מאַשין:
ווי מיר האָבן קאַמיונאַקייטיד די דאַטן דורך קול אַסיסטאַנט, אונדזער פּראָגראַם וועט קאָרמען אַ טיש פון דעם טיפּ:
לעסאָף, אויב אונדזער מאַשין איז אַנימאַטעד דורך אַ מאַשין לערנען אַלגערידאַם, עס וועט האָבן געלערנט פון די אינפֿאָרמאַציע צוגעשטעלט, און דעריבער פאָרויסזאָגן אַ רעזולטאַט אין די פאָרעם פון אַרומפאָרן צייט. מיר קענען דעריבער פרעגן אַ קשיא צו אונדזער פּראָגראַם: "פון טורין צו מילאַן מיט אַ 1000 קק מאַשין און דיזאַל ... ווי לאַנג נעמט עס?"
דער ביישפּיל איז נישט זייער פּינטלעך, אָבער גאַנץ רעאַליסטיש. אָבער, עס העלפּס צו סאַמערייז די ציל פון מאַשין לערנען.
נעמען ינספּיראַציע פון דעם בייַשפּיל, לאָזן אונדז פּרובירן צו זען די חילוק צווישן קלאַסיש פּראָגראַממינג און מאַשין לערנען.
טראַדישאַנאַלי, דער פּראָגראַמיסט וואָס שרייבט קלאַסיש קאָד מוזן:
דערנאָך דער מענטש ס סייכל איז געניצט צו שרייַבן די פּראָגראַם קאָד וואָס קענען סאָלווע די פּראָבלעם.
אין דעם פאַל, דער פּראָגראַמיסט וועט האָבן צו טראַכטן וועגן אַ סיסטעם פֿאַר אַרטשיווינג און סטראַקטשערינג די אינפֿאָרמאַציע באקומען. דערנאָך, ווען דער אָפּעראַטאָר פון די אַפּלאַקיישאַן, געשריבן מיט קלאַסיש פּראָגראַממינג, פרעגט די קשיא, די מאַשין וועט ריספּאַנד מיט די קלאָוסאַסט באַוווסט אינפֿאָרמאַציע, רובֿ ענלעך צו די אַרטשיוועד.
אין מאַשין לערנען, עס איז דיקינסטלעך סייכל פון די פּראָגראַם וואָס איז ביכולת צו לערנען די היסטארישע דאַטן, צו שאַפֿן די מאָדעל צו זיין געווענדט צו סאָלווע דעם פּראָבלעם, און לעסאָף די מאַשין מאכט די מאָדעל בנימצא צו די פּראָגראַמיסט.
אין אַ מאַשין אַנימאַטעד דורך מאַשין לערנען, די פּראָגראַם לערנט זיך אַליין צו פאָרויסזאָגן רייזע צייט, ווייַל איידער ער קומט אין דינסט, די מאַשין איז דורכגעגאנגען דורך אַ לערנען פאַסע. אַזוי די מאַשין האט געלערנט צו ריספּאַנד מיט די מערסט גלייַך אינפֿאָרמאַציע, קלאָוסאַסט צו פאַקט באזירט אויף די לאָגיק דיקטייטיד און ינטערפּראַטאַד דורך די מאָדעל.
אין מאַשין לערנען, דער מאָדעל ווערט די האַרץ פון דעם פּראָצעס. אַמאָל דזשענערייטאַד און געבילדעט, עס קענען זיין געהאלטן בנימצא. יעדער נייַע אָנפֿרעג מיט נייַע דאַטן, פון דער זעלביקער פֿאָרמאַט ווי די וואָס איז געניצט פֿאַר טריינינג, וועט פּראָדוצירן אַ נייַע רעזולטאַט.
די ראָלע פון די דאַטאַ ססיענטיסט ענדערונגען אַ ביסל, ד"ה ער וועט האָבן צו באַגלייטן די פּראָגראַם צו דער דור פון די מאָדעל, דורך די טריינינג פאַסע. צו טאָן דאָס, ער וועט זיין פאַראַנטוואָרטלעך פֿאַר טשוזינג די סטראַטעגיעס, פּלאַנירונג אַבדזשעקטיווז, פּריפּערינג די דאַטן און העכער אַלע טעסטינג די מאָדעל צו באַשטעטיקן זייַן יפעקטיוונאַס און קיין פּאַסאַבילאַטיז פֿאַר פֿאַרבעסערונג.
דעם פּראָצעס קען זיין יטערייטיד, ריפּיטיד עטלעכע מאָל מיט די ציל צו לייגן ימפּרוווינג און פאַקטיש עלעמענטן, מיט יעדער יטעראַטיאָן. אין דעם וועג איר קענען באַקומען נעענטער צו די אָפּטימאַל לייזונג אין סאַבסאַקוואַנט סטעפּס, ימפּרוווינג די טריינינג, ימפּרוווינג די פּראָבע, און דעריבער די מאַשין.
דער לעצט ציל איז שטענדיק צו שאַפֿן אַ מאָדעל וואָס ווייסט די היסטארישע דאַטן, האט פארשטאנען זייַן לאָגיק און פּאַטערנז, און איז דעריבער ביכולת צו פאָרויסזאָגן די אַוטקאַם פון צוקונפֿט סיטואַטיאָנס.
Ercole Palmeri: כידעש אַדיקטיד
אַן אַפטאַלמאָפּלאַסטי אָפּעראַציע מיט די Apple Vision Pro געשעפט צוקוקער איז דורכגעקאָכט אין די קאַטאַניאַ פּאָליקליניק ...
דעוועלאָפּינג פייַן מאָטאָר סקילז דורך קאַלערינג פּריפּערז קינדער פֿאַר מער קאָמפּליצירט סקילז ווי שרייבן. צו קאָלירן ...
די נייוואַל סעקטאָר איז אַ אמת גלאבאלע עקאָנאָמיש מאַכט, וואָס איז נאַוואַגייטיד צו אַ 150 ביליאָן מאַרק ...
לעצטע מאנטאג, די Financial Times מודיע אַ אָפּמאַך מיט OpenAI. FT לייסאַנסיז זיין וועלט-קלאַס זשורנאליסטיק ...
