মেশিন লার্নিং এবং গভীর শিক্ষার মধ্যে পার্থক্য কী?
উত্তর:
ডিপ লার্নিং হ'ল মেশিন লার্নিংয়ের একটি নির্দিষ্ট ধরণের। সুতরাং সমস্ত মেশিন লার্নিং না শিখে গভীর শিখন সম্পর্কে শেখা সম্ভব তবে এর জন্য কিছু মেশিন লার্নিং শেখানো দরকার (কারণ এটি কিছু মেশিন লার্নিং)।
মেশিন লার্নিং বলতে এমন কোনও কৌশল বোঝায় যা প্রচুর পরিমাণে প্রশিক্ষণের ডেটা থেকে পরিসংখ্যানগত পরামিতিগুলি কীভাবে শিখতে পারে তা মেশিনকে শেখানোর উপর দৃষ্টি নিবদ্ধ করে। একটি বিশেষ ধরণের মেশিন লার্নিং হ'ল কৃত্রিম নিউরাল নেটওয়ার্কগুলি, যা ননলাইনার ট্রান্সফর্মেশনগুলির একটি নেটওয়ার্ক শিখেছে যা ইনপুট ভেরিয়েবলগুলির বিস্তৃত অ্যারের প্রায় জটিল ফাংশনগুলি অনুমান করতে পারে। কৃত্রিম নিউরাল নেটওয়ার্কগুলিতে সাম্প্রতিক অগ্রগতিগুলি কীভাবে গভীর নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষিত করতে হয় , যার স্বাভাবিকের চেয়ে বেশি স্তর রয়েছে এবং আরও স্তরগুলি শেখার চ্যালেঞ্জ মোকাবেলায় বিশেষ কাঠামো রয়েছে।
ডিপ লার্নিং মেশিন লার্নিংয়ের একটি ফর্ম।
গভীর শেখা বোঝায় গভীর নিউরাল নেটওয়ার্কগুলির সাথে শেখা, মূলত অনেক স্তর সহ নেটওয়ার্ক।
নিউরাল নেটওয়ার্কগুলি মেশিন লার্নিংয়ের বিভিন্ন ধরণের একটি গ্রুপ:
- নিউরাল নেটওয়ার্ক
- সিদ্ধান্ত গাছ এবং এলোমেলো বন
- সমর্থন ভেক্টর মেশিন
- বায়েশিয়ান পদ্ধতির
- কে-নিকটতম প্রতিবেশী
উপরের ভেন ডায়াগ্রাম দ্বারা উপস্থাপিত সংযোজন যেমন গ্রহণযোগ্য হতে পারে তবে এটি উল্লেখযোগ্যভাবে বলা বা সঠিক নয়।
কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং ডিপ লার্নিং পদগুলি যদিও ব্র্যান্ডগুলি নির্দিষ্টভাবে বৈজ্ঞানিক নয়। এগুলি নির্দিষ্ট ফান্ডিং, যোগাযোগ এবং বিভাগীয় দৃষ্টিভঙ্গিযুক্ত লোকেরা নাম প্রকাশের সময় তাদের আটকে থাকা পদগুলি আটকে আছে যা পদগুলি আটকেছিল।
তদুপরি, জিনিসগুলির ক্রমটি ভুল is আজকে কৃত্রিম বুদ্ধিমত্তা বলা হয়ে থাকে সেগুলি মানসিক ক্রিয়াকলাপগুলিকে স্বয়ংক্রিয় করতে মেশিনগুলি ব্যবহার করার এক শতাব্দী প্রাচীন লক্ষ্য ছিল যা, সেই দিনগুলিতে মানুষের মনোযোগ প্রয়োজন ছিল এবং সম্ভবত সেই অটোমেশনের মাধ্যমে মানবিক মানসিক দক্ষতা বাড়িয়েছিল। এই দৃষ্টিভঙ্গিটি সার্কিটরি এবং তথ্য তত্ত্বের স্যুইচ করার আগে এবং তাই কম্পিউটার বিজ্ঞানের অনেক আগে উত্থিত হয়েছিল।
ফলস্বরূপ, কম্পিউটার বিজ্ঞান আসলে সেই এআই দৃষ্টিভঙ্গির একটি উপসেট এবং এরপরে এটি।
ডিপ লার্নিং হ'ল একটি শব্দ যা একটি কৃত্রিম নেটওয়ার্কের স্তরগুলির সংখ্যা এবং স্তরটি অর্জন করতে পারে এমন বিমূর্ততার গভীরতার মধ্যে পারস্পরিক সম্পর্কযুক্ত অনিশ্চিত এবং ওভারসিম্প্লিফাইড ধারণার উপর ভিত্তি করে একটি শব্দ is যেহেতু একটি স্তরের অ্যাক্টিভেশন সেলগুলির সংখ্যাটিকে স্তরটির প্রস্থ বলা হয়েছিল, তাই স্তর পরিমাণের মাত্রা প্রকাশ করার জন্য গভীরতার নির্বাচন বেছে নেওয়া হয়েছিল। এটি অদ্ভুত কারণ সাধারণ ডায়াগ্রামিংটি প্রতিটি স্তরের উচ্চতার হিসাবে কোষের সংখ্যা, প্রস্থ হিসাবে স্তরগুলির সংখ্যা এবং ডায়াগ্রামের গভীরতা নেই কারণ এটি 2-ডি রয়েছে। তবে এটি আসল সমস্যা নয়। কোনও নেটওয়ার্কের গভীরতা এবং বিমূর্ততার গভীরতার কোনও বৈজ্ঞানিক ভিত্তি নেই, কেবল একটি হানচ এবং কম্পিউটার দর্শনের ক্ষেত্রে এটি যথেষ্ট সহজ নয় যে এর যথেষ্ট প্রমাণ রয়েছে।
এই পরবর্তী ভেন চিত্রটি প্রামাণিক বা পুরোপুরি প্রতিনিধিত্বমূলক নয়, তবে উপরোক্ত বিষয়গুলির কয়েকটি সমস্যা মেরামত করা হয়েছে। যদিও এটি বিভিন্ন দিক থেকে প্রশ্নের উত্তর আরও বুদ্ধিমানের সাথে জবাব দেয়, জারগনে শব্দ পছন্দ করার সমস্যাগুলি সাধারণত উল্লেখযোগ্য ধাক্কা ছাড়াই কখনও সংশোধন করা হয় না এবং এই পোস্টটি প্রায় পর্যাপ্ত হবে না।
আমি যখন বইটিতে মেশিন ল্যারেনিং অধ্যায়গুলি শুরু করতাম তখন এটি দেখতে দেখতে ব্যবহৃত হত
আমি) তদারকি:
প্রত্যাগতি
- লিনিয়ার মডেল
শ্রেণীবিন্যাস
- লজস্টিক রিগ্রেশন
- নিউরাল নেটওয়ার্ক
- সিদ্ধান্ত চাপ এবং এলোমেলো বন
- বুস্টিং এবং ব্যাগিং
- এসভিডি এবং এসভিএম
দ্বিতীয়) নিরীক্ষণ প্রশিক্ষণ:
থলোথলো
- কে-পদ্ধতি
- প্রধান পুরোহিত-সংক্রান্ত
- গাউসিয়ান মিশ্রণ মডেল
- ডিবি স্ক্যান
অ্যাসোসিয়েশন লার্নিং।
III) পুনর্বহাল শেখা:
হঠাৎ করে অধ্যায়টি </ 2> বি এর নিজস্ব একটি উপ-ক্ষেত্র তৈরি করেছে। কেন জানি ভাল, আমি আপনাকে কিছুটা ইতিহাস বলি। Machine learning১৯৫৯ সালে আর্থার স্যামুয়েল দ্বারা machines were able to learn from dataসুস্পষ্ট নির্দেশনার চেয়ে শব্দটি তৈরি করা হয়েছিল । প্রাথমিকভাবে এটি দুটি গ্রুপে বিভক্ত হয়েছিল যদি এই ভিত্তিতে লেবেল ডেটার প্রয়োজন হয় বা না (যেমন প্রতিরোধ, শ্রেণিবিন্যাস) প্রয়োজন হয় তবে তারা বুঝতে পেরেছিল যে আমরাও ক্লাস্টারিংয়ের মাধ্যমে ক্যাসিফাই করতে পারি যা নিরক্ষিতদের জন্ম দিয়েছে। এবং শব্দ সংশোধন শিক্ষার জন্ম গেম তত্ত্বের ক্ষেত্রগুলিতে অনুপ্রাণিত হয়েছিল। সেই বিবরণগুলি পরে রাখুন Le
গভীর জ্ঞানার্জনে deep learningএসে এই শব্দটি খুব সম্প্রতি এসেছে , যেমনটি ২০০ 2008 সালের মতো একটি জিওফ হিন্টন সম্মেলন থেকে। মানুষের এটি ব্যবহার একটি কাগজ জিওফ Hinton দ্বারা উপস্থাপিত এবং তারপর অগ্রে থেকে এটা ধরনের মেশিন classifying ব্যতীত শেখার একটি নতুন উপায় মতো লাল হয়ে গেল ব্যবহৃত একটি খুব গভীর স্নায়ুর নেটওয়ার্ক আর্কিটেকচার ইঙ্গিত শুরু supervised, unsupervisedবা reinforcement। (ডিস্ক: এর বিজোড় রেফারেন্স হতে পারে এর আগে এনএন কে ডিএল হিসাবে কল করা তবে এর আগে এত জনপ্রিয় এবং গ্রহণযোগ্য নয়)
ভাল আমি মাঝে মাঝে মনে করি নামটি deep learningকিছুটা মিসনোমার, এটি নামকরণ করা থাকলে neural learningবা গভীরতার উপর চাপ দেওয়া আরও ভাল হত deep neural learning। আপনি যদি নতুন হয়ে থাকেন তবে আপনি ভাবছেন যে আমি কী গভীরতার কথা বলছি, পুরো শব্দটি সত্য থেকে এসেছে যে নিউরাল নেটওয়ার্ক (জিপিইউগুলির উচ্চ প্রসেসিং দক্ষতার উপলব্ধতার জন্য) এখন একাধিক স্তরকে সফলভাবে প্রশিক্ষণ দিতে সক্ষম হয়েছিল। গভীর শব্দটি মেশিন লার্নিংয়ের অন্যান্য অ-নিউরাল নেটওয়ার্ক ক্ষেত্রগুলি অন্তর্ভুক্ত করার জন্যও আলগাভাবে ব্যবহার করা যেতে পারে যার জন্য প্রচুর গণনার প্রয়োজন হয় deep belief netবা recurrent net। সুনির্দিষ্ট আজ নেটওয়ার্ক ইউনিট এখন আর নিছক হয় হতে neuronবা perceptron, এটা হতে পারে LSTM, GRUঅথবা একটি capsule, তাই আমি শব্দ অনুমান deepএখন আগের চেয়ে অনেক বেশি জ্ঞান করে তোলে।
এটির একটি প্রাথমিক সংজ্ঞা machine learning:
"অ্যালগরিদমগুলি যে ডেটাটিকে বিশ্লেষণ করে, সেই ডেটা থেকে শিখুন এবং তারপরে তারা সিদ্ধান্তগত সিদ্ধান্ত নিতে কী শিখলেন তা প্রয়োগ করুন"
মেশিন লার্নিং অ্যালগরিদমের একটি সহজ উদাহরণ হ'ল অন-ডিমান্ড মিউজিক স্ট্রিমিং পরিষেবা। নতুন গান বা শিল্পীরা কোন শ্রোতার কাছে সুপারিশ করার বিষয়ে সিদ্ধান্ত নেওয়ার জন্য, মেশিন লার্নিং অ্যালগরিদমগুলি শ্রোতার পছন্দগুলিকে অন্যান্য শ্রোতার সাথে সমান সংগীতের স্বাদযুক্ত যার সাথে যুক্ত করে।
মেশিন লার্নিং একাধিক শিল্প জুড়ে সমস্ত ধরণের স্বয়ংক্রিয় কাজ এবং স্প্যানগুলিকে জ্বালানী দেয়, ম্যালওয়্যার শিকার করে ডেটা সুরক্ষা সংস্থাগুলি থেকে অনুকূল ব্যবসায়ের সন্ধানকারী পেশাদারদের অর্থায়নে। এগুলি ভার্চুয়াল ব্যক্তিগত সহায়কদের মতো কাজ করার জন্য ডিজাইন করা হয়েছে এবং তারা বেশ ভালভাবে কাজ করে।
ব্যবহারিক ভাষায়, deep learningকেবল মেশিন লার্নিংয়ের একটি উপসেট। এটি প্রযুক্তিগতভাবে একই পদ্ধতিতে মেশিন লার্নিং এবং ফাংশনগুলি হয় (এজন্য পদগুলি কখনও কখনও আলগাভাবে পরিবর্তিত হয়) তবে এর ক্ষমতাগুলি পৃথক।
বেসিক মেশিন লার্নিং মডেলগুলি তাদের ফাংশন যাই হোক না কেন ধীরে ধীরে আরও উন্নত হয় তবে তারা এখনও কিছু দিকনির্দেশনা। যদি কোনও এমএল অ্যালগরিদম একটি ভুল পূর্বাভাস দেয়, তবে ইঞ্জিনিয়ারকে পদক্ষেপ নেওয়ার এবং সামঞ্জস্য করা দরকার। তবে গভীরতর শেখার মডেল সহ, কোনও ভবিষ্যদ্বাণীটি সঠিক কিনা তা অ্যালগরিদমগুলি তাদের নিজেরাই নির্ধারণ করতে পারে।
ডিপ লার্নিং মেশিন লার্নিংয়ের সাবসেট।
মেশিন লার্নিং এবং ডিপ লার্নিং দুটোই আলাদা আলাদা জিনিস নয়। ডিপ লার্নিং মেশিন লার্নিংয়ের অন্যতম একটি রূপ। নিউরাল নেটওয়ার্কের স্তরগুলির স্তর গভীরতা শেখার ক্ষেত্রে আরও বেশি এবং গভীর শিখার অংশ।
“গভীর শিক্ষণ একটি বিশেষ ধরণের মেশিন লার্নিং যা সাধারণ ধারণার সাথে সংজ্ঞায়িত প্রতিটি ধারণাকে এবং কম বিমূর্তের ক্ষেত্রে গণনা করা আরও বিমূর্ত উপস্থাপনার সাথে বিশ্বকে ধারণার নীচে আক্রমিক স্তর হিসাবে প্রতিনিধিত্ব করতে শেখার মাধ্যমে দুর্দান্ত শক্তি এবং নমনীয়তা অর্জন করে। "