துவக்க நிலையாளர்களுக்கான இயந்திர கற்றல் குறித்துஒரு கையேடு-1 ‘

(ML) என சுருக்கமாக அழைக்கப்பெறும் இயந்திர கற்றல் ( Machine learning ) என்பதுவழிமுறைகள் (algorithms), புள்ளிவிவர மாதிரிகள் ஆகியவை பற்றிய அறிவியல் ஆய்வு ஆகும் அதாவது வெளிப்படையான அறிவுரைகள் எதையும் பயன்படுத்தாமலேயே கைவசமுள்ள கணினி அமைவுகளைமட்டுமே பயன்படுத்தி ஒரு குறிப்பிட்ட பணியை திறம்படச் செயற்படுத்துவதாகும். ,ஆயினும்
இது
வெளிப்படையான
அறிவுரைகளுக்குப்
பதிலாக வடிவங்கள
ையும்
அனுமானங்களை
யும்
சார்ந்துள்ளது
.
அதைவிட
இது
செயற்கை நுண்ணறிவின்
துணைக்குழுவாக
வே
பார்க்கப்படுகிறது
.
என

விக்கிபீடியா
வானது
இயந்திர
கற்றல்
(ML)குறித்து
வரையறுக்கின்றது

மேலும்
இவ்வி
யந்திர
கற்றலை
உருவாக்கிய
ஆர்தர் சாமுவேல்
.
என்பவர்
"வெளிப்படையாக
நிரலாக்கம்
செய்யப்படாமலேயே

கணினிக்கு சுய
-கற்றல்
திறனை வழங்கும் ஒரு
கள
ஆய்வாகும்
"
என
இயந்திர கற்றலை
பற்றி
விளக்கமளிக்கின்றார்
.

மிக
முக்கியமாக
இயந்திர
கற்றல்என்பது செயற்கை
நுண்ணறிவின் ஒரு
துனைப்பயன்பாடாகும்
,
இது
வெளிப்படையாக திட்டமிடப்படாமல்
சுய
அனுபவத்தி
-லிருந்து
கற்றுக்கொள்ளவும் மேம்படுத்தவும்
ஒரு அமைப்பை
இது
வழங்குகிறது
.
எனும்
செய்தியை மனதில் கொள்க

அதாவது
இயந்திர கற்றல

என்பது
நவீன
இயந்திரங்கள
ில்
குறி
முறைவரிகளின்
வாயிலாக கட்டளைகளை உள்ளீடு
செய்திடாமலேயே செயற்கையான

அறிவை
தானாகவே
உருவாகுமாறு செய்
வதாகும்
.
வ்வியந்திர
கற்றல
னது
கணினி
நிரல்களை உருவாக்குவதில்
அதிககவனம்
செலுத்துகிறது
,
அவற்றை
தேவைப்படும் போதெல்லாம்
உருவாக்கலாம்
,மேம்படுத்தி
கொள்ள
லாம்
மாற்ற
ியமைத்திடலாம்
.
ஆயினும்
இந்த
இயந்திர
கற்றல் சுய கற்றலின் நோக்கத்திற்காக
வெவ்வேறு வழிமுறைகளைப்
பயன்படுத்த
ிகொள்கின்றது
.

தற்போது
நாம்
பயன்படுத்திகொண்டுவரும்
கணினியின்
பல்வேறு
பயன்பாடுகளி
-லிருந்து

நாள்தோறும்
ஏராளமான அளவில்

தரவுகள

வெளியிடபடட்டுகொண்டே இருப்பதால்

கடந்த சில ஆண்டுகளில்
கணினியின்
கணக்கீட்டு
சக்தியின் அதிகரிப்பு சிறந்த
வழிமுறைகளின் வளர்ச்சி
ஆகியவற்றின்
காரணமாக
இயந்திர
கற்றல
து
மிகவும் பிரபலமாகிவிட்டது
.


கடினமான
பணிகளை தானியக்கமாக்குவது
முதல் புத்திசாலித்தனமான
நுண்ணறிவுகளை வழங்குவது வரை
பல்வேறு களங்களில் இ
வ்வியந்திரக்
கற்றல் பயன்படுத்தப்படுகிறது
-,
இதன்
மூலம் ஒவ்வொரு துறையிலும்
உள்ள தொழில்கள
ும்
பயனடைய முயற்சிக்கின்றன
.
பொதுவாக
நம்மில் பலரும்

ஏற்கனவே
வ்வியந்திர
கற்றல
கொண்ட
ஏதாவதொரு
சாதனத்தைப் பயன்படுத்திக்
கொண்டிருக்கலாம்
,
அதாவதுFitbit
போன்ற
நம்முடைய
உடலில்
அணியக்கூடிய
உடற்பயிற்சி
tracker
அல்லது
கூகிள் ஹோம் போன்ற புத்திசாலித்தனமான
வீட்டு உதவியாளர்
போன்றவை
இயந்திர
கற்றல
ிற்கு சிறந்த உதாரணங்களாகும்

இயந்திர கற்றலின் தேவை
உலகளாவிய மக்களனைவரும் தற்போதுவெவ்வேறு தொழில்நுட்பங்களைப் பயன்படுத்துகின்றார்கள் எனும் செய்தி நமக்கு தெரியுமல்லவா, அதனால் ஒவ்வுவொரு நாளும் பெரிய அளவிலான தரவுகளை இந்த தொழில்நுட்பங்கள் உருவாக்கி வெளிவந்துகொண்டே இருக்கின்றன; வ்வாறான பேரளவு தரவுகளை நிரவகிப்பதும் அணுகுவதும் எளிதான செயலன்ற. ஆவணங்கள், ஒளிஒலி காட்சிகள் போன்றவற்றை உள்ளடக்கிய அபரிமிதமான தரவுகளில் 80 சதவீதத்திற்கும் அதிகமானவை கட்டமைக்கப்படவில்லை என்ற கூடுதல் செய்தியை மனதில் கொள்க. இந்த அபரிதமான தரவுகளை நிர்வகிப்பது மனிதர்களுக்கு சாத்தியமற்ற பணியாகும். ந்நிலையில் இவ்வாறானேரளவிலான தரவுகளை மிக குறைந்தகால அவகாசத்தில் கையாளவேண்டுமல்லவா அதற்காகவே இவ்வியந்திர கற்றல எனும் தொவில்நுட்பமானது கைகொடுக்கின்றது
அதனால்
இவ்வியந்திர
கற்றலை பற்றி நாமும் அறிந்து
கொள்வோமே என இதில் உட்புகுந்தால்
இவ்வியந்திர
கற்றல
ில்
பயன்படுத்தபடும்பல்வேறு

வகையான
சொற்கள்
நம்முன்
வந்த
அவற்றின்
விளக்கம்புரியாமல் நமக்கு
குழப்பத்தை
ஏற்படுத்து
கின்றன
.
அதனை
தவிர்
ப்பதற்காக
இயந்திர
கற்றல
ில்
அடிக்கடி பயன்படுத்தபடும் சொற்களின்
வரையறைகள்

பின்வருமாறு
உங்களின்
பார்வைக்காக
வழங்குப்பெறகின்றன
.


தரவு
புத்தாய்வு
(Data exploration)என்பது
நாம்
கவனம்
செலுத்திய பகுப்பாய்விற்கான
பண்புகளைக் கண்டறியும்
பொருட்டு
பேரளவாகஉள்ள

கட்டமைக்கப்படாத தரவு
களை
பற்றிய தகவல்களை சேகரிக்கும்
செயல்முறையாகும்
.

தரவு சுரங்கம் (Data mining )என்பது தானியங்கி தரவுகளின் புத்தாய்வைக் குறிப்பதாகும்.
விளக்க பகுப்பாய்வு(Descriptive analytics) என்ன நடந்தது என்பதைச் சுருக்கமாகக் காண்பிப்பதற்காக ஒரு தரவுத் தொகுப்பை பகுப்பாய்வு செய்யும் செயல்முறையே விளக்க பகுப்பாய்வு ஆகும். வியாபாரநிறுவனங்களின் விற்பனை அறிக்கைகள், வையவலை அளவீடுகள் , சமூக வலைப்பின்னல் பகுப்பாய்வு போன்ற பெரும்பாலான வணிக பகுப்பாய்வுகள் இந்த விளக்க பகுப்பாய்வின் வகைகளாகும்.
முன்கணிப்பு பகுப்பாய்வு (Predictive analytics) என்பது எதிர்கால விளைவுகளை முன்னறிவிப்பதற்காக முந்தைய அல்லது தற்போதைய தரவுகளிலிருந்து மாதிரிகளை உருவாக்கும் செயல்முறையாகும்.
மேற்பார்வையிடப்பட்ட மற்றும் மேற்பார்வையிடப்படாத கற்றல்(Supervised and unsupervised learning ): இவற்றை பற்றிய விளக்கத்தை பின்னர் காண்போம்
மாதிரி பயிற்சியும் மதிப்பீடும்(Model training and evaluation ): இயந்திர கற்றலின் மாதிரி என்பது நாம் பதிலளிக்க முயற்சிக்கும் கேள்வியின் சுருக்கம் அல்லது நாம் கணிக்க விரும்பும் வெளியீடாகும். ஏற்கனவே உள்ள தரவுகளிலிருந்து மாதிரிகள் பயிற்சியளிக்கப்பட்டு மதிப்பீடு செய்யப்படுகின்றன.
மதிப்பீட்டு தரவு (Evaluation data) நாம் ஒரு பயிற்சி பெற்ற மாதிரியைப் பெற்றதும், மீதமுள்ள சோதனை தரவைப் பயன்படுத்தி மாதிரியை மதிப்பீடு செய்யலாம் மேலும் நாம் இதற்காக ஏற்கனவே அறிந்த தரவுகளைப் பயன்படுத்திகொள்கின்றோம், இதன் மூலம் நம்முடைய மாதிரி துல்லியமாக கணிக்கின்றதா என்பதை நம்மால் கூற முடியும் தொடரும்

%d bloggers like this: