Дипломдық ЖҰмыс 5B070300 «Ақпараттық жүйелер»

Әдістермен алгоритмдерге шолу

жүктеу 1,96 Mb.

Pdf просмотр

бет	10/20
Дата	11.02.2023
өлшемі	1,96 Mb.
	#41257
түрі	Диплом

1 ... 6 7 8 9 10 11 12 13 ... 20

2020 БАК Марат Нұрсұлтан Олжасұлы

2 Әдістермен алгоритмдерге шолу
2.1 Қолданылған әдістердің сипаттамасы
Машиналық оқыту түсінігіне шолу.

Машиналық оқыту жасанды интелект
элементтерінің бірі болып табылады, соның арқасында компьютер өзін - өзі
оқыту және белгілі бір тапсырманы орындауды жақсарту қабілетіне бағытталған.
Шын мәнінде, Машиналық оқыту үлкен деректерді талдауға - ақпаратты
автоматты түрде алуға және оны болжау үшін пайдалануға, болжамның
дұрыстығын анықтауға және, егер жоқ болса, болашақта дәл болжам жасау үшін
осының негізінде оқытуға негізделеді.
Google, Amazon,Netflix және басқа да монолитті онлайн платформалар іздеу
тарихын талдау семантикалық нәтижелерді ұсыну машиналық оқыту
алгоритмдеріне негізделген. Бұл ірі компаниялар күн сайын миллиардтаған
деректермен жұмыс жасайды. Бұл күн сайын жиналатын үлкен деректерді
машиналық оқыту көмегінсіз талдау мүмкін емес еді.
Машиналық оқыту (Machine Learning) - жасанды интеллекттің кең ауқымды
бөлімшесі, алгоритмдерді құру әдістерін зерттейді. Оқытудың екі түрі бар.
Прецеденттер бойынша оқыту немесе индуктивті оқыту жеке эмпирикалық
деректер бойынша жалпы заңдылықтарды анықтауға негізделген. Дедуктивтік
оқыту сарапшылардың білімін формалдауды және оларды білім базасы түрінде
компьютерге көшіруді көздейді. Сондықтан Машиналық оқыту және
прецеденттер бойынша оқыту терминдерін синонимдер деп есептеуге болады.
Машиналық оқыту математикалық статистиканың, оңтайландыру әдістері
мен классикалық математикалық пәндердің түйіскен жерінде орналасқан, бірақ
есептеу тиімділігі мен қайта оқыту проблемаларымен байланысты өзіндік
ерекшелігі бар. Индуктивті оқытудың көптеген әдістері классикалық
статистикалық тәсілдерге балама ретінде әзірленген. Көптеген әдістер ақпаратты
алумен және деректерді интеллектуалды талдаумен тығыз байланысты (Data
Mining).
Машиналық оқытудың теориялық бөлімдері жеке бағытқа, есептеу оқыту
теориясына (Computational Learning Theory, COLT) біріктірілген.
Машиналық оқыту - математикалық ғана емес, практикалық, инженерлік
пән. Таза теория, әдетте, практикада қолданылатын әдістер мен алгоритмдерге
бірден әкелмейді. Оларды жақсы жұмыс істеуге мәжбүр ету үшін теорияда
жасалған болжамдардың нақты есептер шарттарына сәйкес еместігін өтейтін
қосымша эвристиканы ойлап табуға тура келеді. Машиналық оқытудағы бірде-
бір зерттеу әдістің практикалық жұмысқа қабілеттілігін растайтын модельдік
немесе нақты деректерде экспериментсіз өтпейді.
Прецеденттер бойынша оқыту есептерінің жалпы қойылымы.

Прецедент
туралы деректер оның сипаттамасы деп аталады. Прецеденттердің барлық
сипаттамаларының жиынтығы оқыту үлгісі деп аталады. Осы жеке деректер
бойынша осы нақты іріктемеге ғана тән жалпы тәуелділікті, заңдылықтарды,

14
өзара байланысты анықтаумен қоса, жалпы барлық прецеденттерге, соның ішінде
әлі байқалмаған прецеденттергеде анықтау талап етіледі.
Прецеденттерді сипаттаудың ең көп таралған жолы белгі болып табылады.
Барлық прецеденттерде өлшенетін көрсеткіштердің N жиынтығы тіркеледі.
Прецеденттер уақытша қатармен немесе сигналдармен, суреттермен,
мәтіндермен, ұқсастықтың қосарланған қатынастарымен немесе өзара іс-қимыл
қарқындылығымен сипатталған және т. б. неғұрлым күрделі жағдайлар болуы
мүмкін.
Прецеденттер бойынша оқыту міндеттерін шешу үшін бірінші кезекте
қалпына келтірілетін тәуелділік моделі тіркеледі. Содан кейін сапа функционалы
енгізіледі, оның мәні модель байқалатын деректерді қаншалықты жақсы
сипаттайтынын көрсетеді. Оқыту алгоритмі берілген оқыту үлгісінде сапа
функционалы оңтайлы мәнге ие модель параметрлерінің жиынтығын іздейді.
Деректерді таңдау бойынша модельді реттеу процесі (fitting) көп жағдайда
сандық оңтайландыру әдістерін қолдануға әкеледі.

жүктеу 1,96 Mb.

Достарыңызбен бөлісу:

1 ... 6 7 8 9 10 11 12 13 ... 20