سلام و وقت بخیر
من یک دانشجوی هوش مصنوعی هستم که اگر جزوه ننویسم، واقعاً سردرگم میشم! به همین خاطر تصمیم گرفتم هر چیزی که در مسیر یادگیری ماشین یاد میگیرم، اینجا با شما به اشتراک بگذارم. این سری مطالب نه قرار رسمی باشه، نه سنگین؛ بیشتر شبیه یه دفتر تجربهنویسی خودمونه.
اگر همیشه دوست داشتی بدونی "یادگیری ماشین دقیقاً چیه و چطور کار میکنه؟"، این مجموعه مطالب میتونه نقطه شروع خوبی برات باشه.
از کجا شروع کنیم؟
اول باید یک درک ساده، درست و کلی از مفهوم یادگیری ماشین داشته باشیم. اینکه اصلاً چرا این مبحث مهمه؟ کجا کاربرد داره؟ و چه مراحلی باید طی بشه تا به نتیجه برسیم.
فعلاً خیلی خلاصه و مفید نگهش میدارم، در ادامه عمیقتر میشیم.
مواد اولیه برای شروع یادگیری ماشین:
یعنی نمونهای از دادههایی که قراره روشون تحلیل انجام بدیم.
مثال واقعی:
دیتاست تایتانیک – مجموعهای از اطلاعات مسافرهای کشتی تایتانیک.
شامل مشخصاتی مثل:
جنسیت
سن
کلاس یا نوع بلیط
محل نشستن
و در نهایت اینکه آیا زنده موندن یا نه
دیتاست تایتانیک :
با این دیتا چه کار میکنیم؟
هدف ما اینه که با استفاده از این دیتاست، یک مدل یادگیری ماشین بسازیم. مدلی که بتونه پیشبینی کنه:
اگر مشخصات یک مسافر جدید رو بهش بدیم، آیا احتمال زنده موندنش وجود داره یا نه؟
برای مثال:
ورودی:
سن = ۲۰، جنسیت = مرد، کلاس = اقتصادی
خروجی مدل:
زنده میماند / زنده نمیماند
جمعبندی
این فقط مقدمهای بود برای شروع؛ ساده، مختصر و بدون پیچیدگی.
در قسمتهای بعدی، مفصلتر وارد جزئیات میشیم.
اگر دوست داشتی، حتماً نظرت رو باهام به اشتراک بذار.
سوال، نکته، یا حتی پیشنهاد داری؟ خوشحال میشم بخونمش.
ادامهی مسیر رو با هم پیش میریم؛ قدم به قدم، قابل فهم و کاربردی.
