update-translations
localizeflow[bot]
3 days ago
parent
35cbae28fd
commit
3b2098a6fc
@ -1,150 +1,157 @@
|
||||
# இயந்திரக் கற்றலுக்கான அறிமுகம்
|
||||
# இயந்திரக் கற்றறிதல் அறிமுகம்
|
||||
|
||||
## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/)
|
||||
## [முன்-பாடக் கூட்டு](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
|
||||
[](https://youtu.be/6mSx_KJxcHI "துவக்கத்திற்கான இயந்திரக் கற்றல் - துவக்கத்திற்கான இயந்திரக் கற்றலுக்கான அறிமுகம்")
|
||||
[](https://youtu.be/6mSx_KJxcHI "ML for beginners - Introduction to Machine Learning for Beginners")
|
||||
|
||||
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து இந்த பாடத்தைப் பற்றிய குறுகிய வீடியோவைப் பாருங்கள்.
|
||||
> 🎥 இக்கட்டளையை விவரிக்கும் குறுகிய காணொளிக்காக மேலே உள்ள படத்தை கிளிக் செய்யவும்.
|
||||
|
||||
துவக்கத்திற்கான பாரம்பரிய இயந்திரக் கற்றல் பற்றிய இந்த பாடநெறிக்கு வரவேற்கிறோம்! நீங்கள் இந்த தலைப்பில் முற்றிலும் புதியவராக இருந்தாலும், அல்லது ஒரு அனுபவமுள்ள ML பயிற்சியாளராக ஒரு பகுதியை மீண்டும் கற்றுக்கொள்ள விரும்பினாலும், உங்களை எங்களுடன் சேர்வதற்கு மகிழ்ச்சியாக இருக்கிறோம்! உங்கள் ML படிப்பைத் தொடங்குவதற்கான நட்பான தளத்தை உருவாக்க விரும்புகிறோம், மேலும் உங்கள் [கருத்துகளை](https://github.com/microsoft/ML-For-Beginners/discussions) மதிப்பீடு செய்து, பதிலளித்து, சேர்க்க மகிழ்ச்சியாக இருக்கிறோம்.
|
||||
ஆரம்பக்காரர்களுக்கான இந்த பாரம்பரிய இயந்திரக் கற்றறிதல் பாடக்கூடத்திற்கு வரவேற்கிறோம்! நீங்கள் இந்த தலைப்பில் முற்றிலும் புதிது என்றாலும், அல்லது அறிவார்ந்த ML பயிற்றுநர் ஒருவர் விரும்பும் பகுதியை மேம்படுத்த விரும்பினாலும், உங்களை எங்களுடன் சேர்ந்துவிட மகிழ்ச்சியடைகிறோம்! உங்கள் ML ஆய்விற்கான நண்பர் தொடக்க இடமாக இதை உருவாக்க விரும்புகிறோம் மற்றும் உங்கள் [பின்மொழியை](https://github.com/microsoft/ML-For-Beginners/discussions) மதிப்பாய்வு செய்து பதிலளிக்கவும், அதனை உள்ளடக்கவும் ஆவலுடன் இருக்கிறோம்.
|
||||
|
||||
[](https://youtu.be/h0e2HAPTGF4 "ML-க்கு அறிமுகம்")
|
||||
[](https://youtu.be/h0e2HAPTGF4 "Introduction to ML")
|
||||
|
||||
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து வீடியோவைப் பாருங்கள்: MIT-இன் ஜான் குட்டாக் இயந்திரக் கற்றலுக்கான அறிமுகத்தை வழங்குகிறார்
|
||||
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்தால் ஒரு காணொளி: MIT இன் ஜான் கట్టாக் இயந்திரக் கற்றறிதலை அறிமுகப்படுத்துகிறார்
|
||||
|
||||
---
|
||||
## இயந்திரக் கற்றலுடன் தொடங்குதல்
|
||||
## இயந்திரக் கற்றறிதலைத் தொடங்குதல்
|
||||
|
||||
இந்த பாடத்திட்டத்தைத் தொடங்குவதற்கு முன், உங்கள் கணினியை உள்ளூர் நோட்புக் இயக்கத்திற்குத் தயாராக அமைக்க வேண்டும்.
|
||||
இந்த பாடத்திட்டத்தைத் தொடங்குவதற்கு முன், உங்கள் கணினி உள்ளூர் முறையில் நோட்புக்குகளை இயக்க தயாராக அமைக்கப்பட வேண்டும்.
|
||||
|
||||
- **உங்கள் கணினியை இந்த வீடியோக்களுடன் அமைக்கவும்**. உங்கள் கணினியில் [Python-ஐ நிறுவுவது எப்படி](https://youtu.be/CXZYvNRIAKM) மற்றும் [ஒரு உரைத் தொகுப்பியை அமைப்பது எப்படி](https://youtu.be/EU8eayHWoZg) என்பதைப் பற்றி அறிய கீழே உள்ள இணைப்புகளைப் பயன்படுத்தவும்.
|
||||
- **Python கற்றுக்கொள்ளுங்கள்**. [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) பற்றிய அடிப்படை புரிதலைக் கொண்டிருப்பது பரிந்துரைக்கப்படுகிறது. இது தரவியல் விஞ்ஞானிகளுக்கு பயனுள்ளதாக இருக்கும் ஒரு நிரலாக்க மொழி, மேலும் இந்த பாடத்தில் நாம் பயன்படுத்துகிறோம்.
|
||||
- **Node.js மற்றும் JavaScript கற்றுக்கொள்ளுங்கள்**. இந்த பாடத்தில் சில நேரங்களில் வலைப் பயன்பாடுகளை உருவாக்க JavaScript-ஐ பயன்படுத்துகிறோம், எனவே [node](https://nodejs.org) மற்றும் [npm](https://www.npmjs.com/) நிறுவப்பட்டிருக்க வேண்டும், மேலும் Python மற்றும் JavaScript மேம்பாட்டிற்காக [Visual Studio Code](https://code.visualstudio.com/) கிடைக்க வேண்டும்.
|
||||
- **GitHub கணக்கை உருவாக்கவும்**. நீங்கள் எங்களை [GitHub](https://github.com) இல் கண்டுபிடித்ததால், ஏற்கனவே ஒரு கணக்கை வைத்திருக்கலாம், ஆனால் இல்லையெனில், ஒரு கணக்கை உருவாக்கி, இந்த பாடத்திட்டத்தை உங்கள் சொந்த பயன்பாட்டிற்காக fork செய்யவும். (எங்களுக்கு ஒரு நட்சத்திரம் கொடுக்கவும் 😊)
|
||||
- **Scikit-learn-ஐ ஆராயுங்கள்**. [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) பற்றிய அறிமுகத்தைப் பெறுங்கள், இது இந்த பாடங்களில் நாம் குறிப்பிடும் ML நூலகங்களின் தொகுப்பாகும்.
|
||||
- **இந்த காணொளிகளுடன் உங்கள் கணினியை அமைக்கவும்**. உங்கள் கணினியில் [Python ஐ எவ்வாறு நிறுவுவது](https://youtu.be/CXZYvNRIAKM) மற்றும் வளர்ச்சிக்கான ஒரு [குறிப்புரை தொகுப்பியை எப்படி அமைப்பது](https://youtu.be/EU8eayHWoZg) என்பதைக் கற்றுக்கொள்ள கீழ்காணும் இணைப்புக்களைப் பயன்படுத்தவும்.
|
||||
- **Python கற்றுக்கொள்வது**. இந்தப் பாடத்தில் நாம் பயன்படுத்தும் தரவு அறிவியலாளர்களுக்கு பயனுள்ள ஒரு நிரலாக்க மொழி [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) என்பது அடிப்படையாகவும் அறிந்திருக்க பரிந்துரைக்கப்படுகிறது.
|
||||
- **Node.js மற்றும் JavaScript கற்றுக்கொள்ளவும்**. இந்த பாடத்தில் வலை செயலிகளை உருவாக்க சில நேரங்களில் JavaScriptஐ பயன்படுத்துவோம், எனவே [node](https://nodejs.org), [npm](https://www.npmjs.com/) மற்றும் Python மற்றும் JavaScript வளர்ச்சிக்கான [Visual Studio Code](https://code.visualstudio.com/) ஆகியவற்றை நிறுவவும் வேண்டும்.
|
||||
- **GitHub கணக்கை உருவாக்கவும்**. நீங்கள் இங்கே [GitHub](https://github.com) இல் எங்களைப் பெற்றுள்ளீர்கள் என்றால் உங்கள் கணக்கு இருக்கலாம், இல்லையெனில் ஒன்றை உருவாக்கி உங்களைத் தொழில்நுட்ப பாடத்திட்டத்தை நகலெடுத்து பயனடையவும். (எங்களுக்குத்தான் ஒரு நட்சத்திரமும் கொடுக்கலாம் 😊)
|
||||
- **Scikit-learn-ஐ ஆராயவும்**. இந்த பாடங்களில் நாம் குறிப்பிட்ட [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) ML நூலகங்களை அணுக அனைத்து அறிமுகப்படுத்திக்கொள்ள விரும்புகிறோம்.
|
||||
|
||||
---
|
||||
## இயந்திரக் கற்றல் என்றால் என்ன?
|
||||
## இயந்திரக் கற்றறிதல் என்றால் என்ன?
|
||||
|
||||
'இயந்திரக் கற்றல்' என்ற சொல் இன்று மிகவும் பிரபலமான மற்றும் அடிக்கடி பயன்படுத்தப்படும் சொற்களில் ஒன்றாகும். நீங்கள் எந்த துறையில் வேலை செய்தாலும், தொழில்நுட்பத்துடன் தொடர்புடையவராக இருந்தால், இந்த சொல் குறைந்தபட்சம் ஒருமுறை கேட்டிருக்க வாய்ப்பு உள்ளது. ஆனால், இயந்திரக் கற்றலின் இயந்திரவியல் பெரும்பாலான மக்களுக்கு மர்மமாகவே உள்ளது. ஒரு இயந்திரக் கற்றல் துவக்கத்திற்கான பாடம் சில நேரங்களில் மிகுந்த சிக்கலாக தோன்றலாம். எனவே, இயந்திரக் கற்றல் உண்மையில் என்ன என்பதைப் புரிந்து கொள்ளவும், அதை நடைமுறை உதாரணங்கள் மூலம் படிப்படியாகக் கற்றுக்கொள்ளவும் முக்கியம்.
|
||||
'இயந்திரக் கற்றறிதல்' என்பதற்கான சொல் இன்றைய காலத்தின் மிகவும் பிரபலமான மற்றும் தொடர்ந்து பயன்படும் சொற்களில் ஒன்றாக உள்ளது. நீங்கள் எந்த துறையில் பணியாற்றினாலும் தொழில்நுட்பத்துடன் சிறிய அளவுக்கு தொடர்புடையவராக இருந்தால் இந்த சொல் குறைந்தது ஒருமுறை கேட்டிருப்பதற்கான வாய்ப்பு இருக்கிறது. ஆனால் இயந்திரக் கற்றறிதலின் செயல் முறை பெரும்பாலான மக்களுக்கு மர்மமாக உள்ளது. ஒரு இயந்திரக் கற்றல் ஆரம்பக்காரருக்கு இது சில நேரங்களில் அதிர்ச்சியாக இருக்கலாம். எனவே, இயந்திரக் கற்றல் என்ன என்பதை உணர்ந்து, நடைமுறை எடுத்துக்காட்டுகளின் மூலமாக படிப்படியாய் கற்றுக்கொள்வது முக்கியம்.
|
||||
|
||||
---
|
||||
## பரபரப்பான வளைவு
|
||||
## பெருமூச்சு வளைவு
|
||||
|
||||
|
||||
|
||||
> 'இயந்திரக் கற்றல்' என்ற சொல் சமீபத்திய 'பரபரப்பான வளைவை' Google Trends காட்டுகிறது
|
||||
> 'machine learning' என்ற சொல் தொடர்பான சமீபத்திய பெருமூச்சு வளைவை Google Trends காட்டுகிறது
|
||||
|
||||
---
|
||||
## ஒரு மர்மமான பிரபஞ்சம்
|
||||
|
||||
நாம் பல்வேறு மர்மங்களால் நிரம்பிய பிரபஞ்சத்தில் வாழ்கிறோம். ஸ்டீபன் ஹாக்கிங், ஆல்பர்ட் ஐன்ஸ்டீன் போன்ற பெரிய விஞ்ஞானிகள் மற்றும் பலர், நம்மைச் சுற்றியுள்ள உலகின் மர்மங்களை வெளிப்படுத்தும் அர்த்தமுள்ள தகவல்களைத் தேடுவதற்காக தங்கள் வாழ்க்கையை அர்ப்பணித்துள்ளனர். இது மனிதனின் கற்றல் நிலை: ஒரு மனிதக் குழந்தை புதிய விஷயங்களை கற்றுக்கொள்கிறது மற்றும் வளர்ந்துவரும் ஆண்டுகளில் தங்கள் உலகின் அமைப்பை வெளிப்படுத்துகிறது.
|
||||
நாம் இனிமையான மர்மங்கள் நிறைந்த ஒரு பிரபஞ்சத்தில் வாழ்கிறோம். ஸ்டீபன் ஹாக்கிங், அல்பர்ட் ஐன்ஸ்டீன் மற்றும் பல சிறந்த அறிவாளிகள் உலகின் சுற்றுவரலாற்றின் மர்மங்களை வெளிப்படுத்த பங்களிப்பு செய்துள்ளனர். இது மனிதன் கற்றல் நிலைமை: ஒரு குழந்தை வளர்ந்து போகும் பொழுதில் வருடந்தோறும் புதிய விஷயங்கள் கற்றுக்கொண்டு தனது உலக அமைப்பை தெளிவுபடுத்துகிறது.
|
||||
|
||||
---
|
||||
## குழந்தையின் மூளை
|
||||
|
||||
ஒரு குழந்தையின் மூளையும் உணர்வுகளும் தங்கள் சுற்றுப்புறத்தின் உண்மைகளை உணர்ந்து, வாழ்க்கையின் மறைக்கப்பட்ட முறைமைகளை படிப்படியாகக் கற்றுக்கொள்கின்றன, இது குழந்தைக்கு கற்றுக்கொண்ட முறைமைகளை அடையாளம் காண தார்க்கிக விதிகளை உருவாக்க உதவுகிறது. மனித மூளையின் கற்றல் செயல்முறை மனிதர்களை இந்த உலகின் மிகவும் நவீனமான உயிரினமாக ஆக்குகிறது. மறைக்கப்பட்ட முறைமைகளை கண்டறிந்து தொடர்ந்து கற்றல் மற்றும் பின்னர் அந்த முறைமைகளில் புதுமை செய்வது, வாழ்க்கை முழுவதும் நம்மை மேலும் மேலும் மேம்படுத்த உதவுகிறது. இந்த கற்றல் திறன் மற்றும் வளர்ச்சி திறன் [மூளையின் பிளாஸ்டிசிட்டி](https://www.simplypsychology.org/brain-plasticity.html) என்ற கருத்துடன் தொடர்புடையது. மேற்பரப்பில், மனித மூளையின் கற்றல் செயல்முறைக்கும் இயந்திரக் கற்றல் கருத்துகளுக்கும் சில ஊக்கமளிக்கும் ஒற்றுமைகளை நாம் வரையறுக்கலாம்.
|
||||
ஒரு குழந்தையின் மூளை மற்றும் சென்சர்கள் சுற்றிலும் உள்ள உண்மைகளை உணர்ந்து அதன் மறைமுக வாழ்க்கை விதிகளை படிப்படியாக கற்றுக்கொள்கின்றன. மனித மூளையின் கற்றல் செயல்முறை இந்த உலகின் மிகவும் நுணுக்கமான உயிரினமாக மனிதரை உருவாக்குகிறது. மறைப்பட்ட தெரிவுகளை கண்டுபிடித்து பிறகு அந்த தெரிவுகளின் மேல் புதுமை செய்யும் முறையில் கற்றல் தொடர்ச்சியாக நடைபெறும், இதனால் உயிரினங்கள் வாழ்நாள் முழுவதும் முன்னேறி உலாவுகின்றனர். இந்த கற்றல் திறன் மற்றும் வளர்ச்சியின்மை [மூளை நெகிழ்வுத்தன்மை](https://www.simplypsychology.org/brain-plasticity.html) என்ற கருத்துடன் தொடர்புடையது. வெளிப்படையாக, மனித மூளையின் கற்றல் செயல்முறை மற்றும் இயந்திரக் கற்றல் கொள்கைகளுக்கு சில ஊக்கமளிக்கும் போன்று பொதுவான ஒத்திசைவை காணலாம்.
|
||||
|
||||
---
|
||||
## மனித மூளை
|
||||
|
||||
[மனித மூளை](https://www.livescience.com/29365-human-brain.html) உண்மையான உலகிலிருந்து விஷயங்களை உணர்கிறது, உணரப்பட்ட தகவல்களை செயலாக்குகிறது, தார்க்கிக முடிவுகளை எடுக்கிறது, மற்றும் சூழ்நிலைகளின் அடிப்படையில் குறிப்பிட்ட செயல்களைச் செய்கிறது. இதை நாங்கள் புத்திசாலித்தனமாக நடந்து கொள்வது என்று அழைக்கிறோம். புத்திசாலித்தனமான நடத்தை செயல்முறையின் ஒரு நகலை ஒரு இயந்திரத்தில் நிரலிடும்போது, அதை செயற்கை நுண்ணறிவு (AI) என்று அழைக்கப்படுகிறது.
|
||||
[மனித மூளை](https://www.livescience.com/29365-human-brain.html) உண்மையான உலகிலிருந்து விஷயங்களை உணர்கிறது, அதில் எடுத்துக்கொள்ளப்பட்ட தகவலை செயலாக்குகிறது, தர்க்கசங்கீதமான முடிவுகளை იღுகிறது மற்றும் சூழ்நிலைகளின் அடிப்படையில் சில செயல்களை செய்கிறது. இதுவே நாம் அறிவார்ந்த முறையில் நடக்குதல் என்று அழைக்கிறோம். ஒரு இயந்திரத்தில் அறிவார்ந்த நடத்தை செயல்பாட்டின் பிரதிபலிப்பை நிரல்படுத்தும்போது அதை செயற்கை நுண்ணறிவு (AI) என்கிறோம்.
|
||||
|
||||
---
|
||||
## சில சொற்கள்
|
||||
## சில சொற்பிரயோகங்கள்
|
||||
|
||||
சொற்கள் குழப்பமாக இருக்கலாம் என்றாலும், இயந்திரக் கற்றல் (ML) என்பது செயற்கை நுண்ணறிவின் முக்கிய துணைத் தொகுதியாகும். **ML என்பது உணரப்பட்ட தரவிலிருந்து அர்த்தமுள்ள தகவல்களை வெளிப்படுத்தவும் மறைக்கப்பட்ட முறைமைகளை கண்டறியவும் சிறப்பு அல்காரிதம்களைப் பயன்படுத்துவதில் கவனம் செலுத்துகிறது, இது தார்க்கிக முடிவெடுக்கும் செயல்முறையை உறுதிப்படுத்த உதவுகிறது**.
|
||||
சொற்கள் குழப்பமானதாக இருந்தாலும், இயந்திரக் கற்றல் (ML) என்பது செயற்கை நுண்ணறிவின் ஒரு முக்கியக் கிளை. **ML என்பது தரவிலிருந்து நுண்ணறிவான தகவல் மற்றும் மறைமுக விளக்கங்களை கண்டுபிடிக்க சிறப்பு வகை அலகுக்களை பயன்படுத்துவதற்கும், தர்க்கசங்கீதமான முடிவெடுப்பை உறுதிப்படுத்தக் கூடும்.**
|
||||
|
||||
---
|
||||
## AI, ML, ஆழமான கற்றல்
|
||||
## AI, ML, ஆழ்ந்த கற்றல்
|
||||
|
||||
|
||||
|
||||
> AI, ML, ஆழமான கற்றல் மற்றும் தரவியல் விஞ்ஞானம் ஆகியவற்றின் தொடர்புகளை காட்டும் ஒரு வரைபடம். [Jen Looper](https://twitter.com/jenlooper) உருவாக்கிய தகவல்படம், [இந்த வரைபடத்தால்](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) ஊக்கமளிக்கப்பட்டது.
|
||||
> AI, ML, ஆழ்ந்த கற்றல் மற்றும் தரவு அறிவியலின் உறவுகளை காட்டும் வரைபடம். [Jen Looper](https://twitter.com/jenlooper) அவர்களின் தகவலை [இந்த விளக்கப்படத்தை](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) வைத்து உருவாக்கினார்.
|
||||
|
||||
---
|
||||
## கவர்ச்சியான கருத்துக்கள்
|
||||
## உள்ளடக்கத் தலைப்புகள்
|
||||
|
||||
இந்த பாடத்திட்டத்தில், ஒரு துவக்கத்திற்கான இயந்திரக் கற்றலின் முக்கிய கருத்துக்களை மட்டுமே நாம் கவர்ந்திழுக்கப் போகிறோம். மாணவர்கள் அடிப்படைகளை கற்றுக்கொள்ள Scikit-learn என்ற சிறந்த நூலகத்தைப் பயன்படுத்துகிறார்கள், மேலும் அதைப் பயன்படுத்தி 'பாரம்பரிய இயந்திரக் கற்றல்' என்று நாம் அழைக்கும் விஷயங்களை நாம் கவர்ந்திழுக்கிறோம். செயற்கை நுண்ணறிவு அல்லது ஆழமான கற்றலின் பரந்த கருத்துக்களைப் புரிந்துகொள்ள, இயந்திரக் கற்றலின் வலுவான அடிப்படை அறிவு அவசியம், மேலும் அதை இங்கே வழங்க விரும்புகிறோம்.
|
||||
இந்த பாடத்தில், ஒரு ஆரம்பக்காரர் அறிந்திருக்க வேண்டிய இயந்திரக் கற்றல் முக்கியக் கோட்பாடுகள் மட்டுமே எடுத்துக்கொள்ளப்போகிறோம். நாம் 'பாரம்பரிய இயந்திரக் கற்றல்' என்று அழைக்கும் கொள்கைகளை பிரதானமாக Scikit-learn என்ற சிறந்த நூலகத்தைப் பயன்படுத்தி அறிவிக்கும், இது பல மாணவர்கள் அடிப்படைகளை கற்றுக்கொள்ள பயன்படுகிறது. செயற்கை நுண்ணறிவு அல்லது ஆழ்ந்த கற்றல் போன்ற விரிவான விஷயங்களை புரிந்து கொள்ள இயந்திரக் கற்றல் அடிப்படைகளை வலியுறுத்த வேண்டியுள்ளது, அதனால் இதைப் படிப்பதற்கான வாய்ப்பை வழங்க விரும்புகிறோம்.
|
||||
|
||||
---
|
||||
## இந்த பாடத்தில் நீங்கள் கற்றுக்கொள்ளப் போகிறீர்கள்:
|
||||
## இந்தக் குறித்துப் பாடத்தில் நீங்கள் கற்றுக்கொள்ளப்போகும் விஷயங்கள்:
|
||||
|
||||
- இயந்திரக் கற்றலின் முக்கிய கருத்துக்கள்
|
||||
- ML-இன் வரலாறு
|
||||
- ML மற்றும் நியாயம்
|
||||
- பின்வாங்கல் ML தொழில்நுட்பங்கள்
|
||||
- வகைப்படுத்தல் ML தொழில்நுட்பங்கள்
|
||||
- குழுமம் ML தொழில்நுட்பங்கள்
|
||||
- இயற்கை மொழி செயலாக்கம் ML தொழில்நுட்பங்கள்
|
||||
- நேரம் வரிசை முன்னறிவிப்பு ML தொழில்நுட்பங்கள்
|
||||
- வலுவூட்டல் கற்றல்
|
||||
- ML-க்கு நிஜ உலக பயன்பாடுகள்
|
||||
- இயந்திரக் கற்றல் அடிப்படைக் கொள்கைகள்
|
||||
- ML வரலாறு
|
||||
- ML மற்றும் நீதிமுறை
|
||||
- பின்விளைவியல் ML நுட்பங்கள்
|
||||
- வகைப்பாடு ML நுட்பங்கள்
|
||||
- தொகுப்பு ML நுட்பங்கள்
|
||||
- இயற்கை மொழி செயலாக்கம் ML நுட்பங்கள்
|
||||
- காலவரிசை முன்னுணர்வு ML நுட்பங்கள்
|
||||
- ஊக்கமளிக்கும் கற்றல்
|
||||
- ML இன் உண்மை உலக பயன்பாடுகள்
|
||||
|
||||
---
|
||||
## நாம் கவர்ந்திழுக்காதவை
|
||||
## நாங்கள் சேர்க்கப்போகாதவை
|
||||
|
||||
- ஆழமான கற்றல்
|
||||
- நரம்பியல் வலைகள்
|
||||
- ஆழ்ந்த கற்றல்
|
||||
- நுரையீரல் வலைப்பின்னல்கள்
|
||||
- AI
|
||||
|
||||
சிக்கலான நரம்பியல் வலைகள், 'ஆழமான கற்றல்' - பல அடுக்கு மாடல் கட்டமைப்பு மற்றும் AI ஆகியவற்றின் சிக்கல்களைத் தவிர்க்க, நாங்கள் வேறு பாடத்திட்டத்தில் அவற்றைப் பற்றி விவாதிக்கிறோம். மேலும், இந்த பெரிய துறையின் ஒரு பகுதியாக தரவியல் விஞ்ஞானத்தை மையமாகக் கொண்ட ஒரு வரவிருக்கும் பாடத்திட்டத்தை நாங்கள் வழங்குவோம்.
|
||||
மேலும் சிறந்த கற்றல் அனுபவத்துக்காக நுரையீரல் வலைப்பின்னல்கள், 'ஆழ்ந்த கற்றல்' (நுரையீரல் வலைப்பின்னல்களை பயன்படுத்தி அதிக அடுக்குகளான மாதிரிகளை உருவாக்கல்) மற்றும் AI இவற்றின் சிக்கல்களை தவிர்க்கப் போகிறோம்; அவற்றை மேலும் வேறு பாடத்திட்டங்களில் விவரிக்கின்றோம். மேலும் இந்தப் பெரிய துறையின் ஒருங்கிணைந்த பகுதியை மையமாகக் கொண்டு தரவு அறிவியலைப் பற்றிய புதிய பாடத்திட்டத்தையும் இங்கு வழங்கவிருக்கிறோம்.
|
||||
|
||||
---
|
||||
## ஏன் இயந்திரக் கற்றலைக் கற்றுக்கொள்ள வேண்டும்?
|
||||
## இயந்திரக் கற்றலை ஏன் படிக்க வேண்டும்?
|
||||
|
||||
ஒரு அமைப்பு பார்வையில் இருந்து, இயந்திரக் கற்றல் என்பது தரவிலிருந்து மறைக்கப்பட்ட முறைமைகளை கற்றுக்கொண்டு புத்திசாலித்தனமான முடிவுகளை எடுக்க உதவும் தானியக்க அமைப்புகளை உருவாக்குவது என்று வரையறுக்கப்படுகிறது.
|
||||
மாவட்டக் கண்காணிப்பு பார்வையில், இயந்திரக் கற்றல் என்பது தரவிலிருந்து மறைமுக மாதிரிகளை கற்றுக்கெண்டு அறிவார்ந்த முடிவெடுப்புகள் செய்ய உதவும் தானியங்கி அமைப்புகளை உருவாக்குதல் ஆகும்.
|
||||
|
||||
இந்த ஊக்கம் மனித மூளை வெளியுலகத்திலிருந்து உணர்ந்த தரவின் அடிப்படையில் குறிப்பிட்ட விஷயங்களை எப்படி கற்றுக்கொள்கிறது என்பதை மெல்லிய முறையில் ஊக்கமளிக்கிறது.
|
||||
இந்த ஊக்கமூட்டல் வெளிப்படையாக மனித மூளைச் சிருஷ்டிக்கப்பட்ட தகவல்களை அடிப்படையாகக் கொண்டு கற்றுக்கொள்ளும் விதம் மூலம் உருவாக்கப்பட்டுள்ளது.
|
||||
|
||||
✅ ஒரு வணிகம் ஏன் இயந்திரக் கற்றல் உத்திகளை முயற்சிக்க விரும்புகிறது என்பதை ஒரு நிமிடம் யோசிக்கவும், ஒரு கடினமாக நிரலிடப்பட்ட விதி அடிப்படையிலான இயந்திரத்தை உருவாக்குவதற்குப் பதிலாக.
|
||||
✅ ஒரு வணிகம் கடினமாக நிரல்படுத்தப்பட்ட விதிமுறைகளை பயன்படுத்துவதற்கு பதிலாக இயந்திரக் கற்றல் கொள்கைகளை ஏன் பயன்படுத்த விரும்பும் என ஒரு நிமிடம் யோசிக்கவும்.
|
||||
|
||||
---
|
||||
## இயந்திரக் கற்றலின் பயன்பாடுகள்
|
||||
## தரவின் தரம் ஏன் முக்கியம்?
|
||||
|
||||
இயந்திரக் கற்றலின் பயன்பாடுகள் இப்போது எங்கும் உள்ளன, மேலும் எங்கள் சமூகங்களில் பாயும் தரவுகளுக்கு இணையானவை, எங்கள் ஸ்மார்ட் போன்கள், இணைக்கப்பட்ட சாதனங்கள் மற்றும் பிற அமைப்புகள் உருவாக்குகின்றன. நவீன இயந்திரக் கற்றல் அல்காரிதம்களின் மிகப்பெரிய திறனைக் கருத்தில் கொண்டு, பலவகை மற்றும் பல துறைகளின் நிஜ வாழ்க்கை சிக்கல்களைத் தீர்க்க அவற்றின் திறனை ஆராய்ந்து ஆராய்ச்சியாளர்கள் சிறந்த நேர்மறை முடிவுகளுடன் ஆராய்ந்துள்ளனர்.
|
||||
உயர் தர தரவு மாதிரி செயல்திறனை மேம்படுத்தும். மோசமான அல்லது சத்தம் நிறைந்த தரவு, மேம்பட்ட இயந்திரக் கற்றல் அலகுகளையும் பயன்படுத்தினால் கூட துல்லியமில்லாத முன்னறிகையை உருவாக்கும்.
|
||||
|
||||
---
|
||||
## பயன்படுத்தப்பட்ட ML உதாரணங்கள்
|
||||
## இயந்திரக் கற்றல் பயன்பாடுகள்
|
||||
|
||||
**நீங்கள் இயந்திரக் கற்றலை பல வழிகளில் பயன்படுத்தலாம்**:
|
||||
இயந்திரக் கற்றல் பயன்பாடுகள் இப்போது எங்கும் உள்ளன, சமூகங்களில் நடைமுறைப்படுத்தப்பட்ட தரவு போன்று பரவலாக உள்ளன, நம் ஸ்மார்ட் போன்கள், இணைக்கப்பட்ட சாதனங்கள் மற்றும் பிற அமைப்புகளால் உருவாக்கப்பட்டவை. முன்னணியில் உள்ள இயந்திரக் கற்றல் அலகுகளின் மாபெரும் திறன் காரணமாக, ஆராய்ச்சியாளர்கள் பன்முக மற்றும் பன்முகத் துறைகளில் உள்ள உண்மையான கடுமையான பிரச்சினைகளை தீர்க்கும் திறனை ஆராய்ந்து பல நல்வாழ்வுப் பயன்களை கண்டுள்ளனர்.
|
||||
|
||||
- ஒரு நோயின் சாத்தியத்தை ஒரு நோயாளியின் மருத்துவ வரலாறு அல்லது அறிக்கைகளிலிருந்து கணிக்க.
|
||||
- வானிலை தரவுகளைப் பயன்படுத்தி வானிலை நிகழ்வுகளை முன்னறிவிக்க.
|
||||
- ஒரு உரையின் மனநிலையைப் புரிந்துகொள்ள.
|
||||
- பிரச்சாரத்தைத் தடுக்க பொய்யான செய்திகளை கண்டறிய.
|
||||
---
|
||||
## இயந்திரக் கற்றல் செயல்முறை எடுத்துக்காட்டுகள்
|
||||
|
||||
**நீங்கள் இயந்திரக் கற்றலை பல விதமாகப் பயன்படுத்த முடியும்**:
|
||||
|
||||
- ஒரு நோயாளியின் மருத்துவ வரலாறிலிருந்து அல்லது அறிக்கைகளிலிருந்து நோயின் சாத்தியத்தை முன்னறிய.
|
||||
- காலநிலை தரவுகளைப் பயன்படுத்தி காலநிலை நிகழ்வுகளை முன்னறிய.
|
||||
- ஒரு உரையின் உணர்வைப் புரிந்துகொள்ள.
|
||||
- போலியான செய்திகளை கண்டறிந்து வியாபாரப்பிரசாரத்தை தடுப்பு.
|
||||
|
||||
நிதி, பொருளாதாரம், பூமி அறிவியல், விண்வெளி ஆராய்ச்சி, உயிரியல் பொறியியல், அறிவாற்றல் அறிவியல் மற்றும் மனிதவியல் துறைகளில் கூட, தங்கள் துறையின் கடினமான, தரவுகளைச் செயலாக்கும் சிக்கல்களைத் தீர்க்க இயந்திரக் கற்றலை ஏற்றுக்கொண்டுள்ளனர்.
|
||||
நிதி, பொருளாதாரம், பூமியியல், விண்வெளி ஆய்வு, மருத்துவ பொறியியல், அறிவியல், மற்றும் மனிதவியல் துறைகளும் தங்களுக்கு சொந்தமான கடுமையான, தரவுத் தகராறான பிரச்சினைகளைத் தீர்க்க இயந்திரக் கற்றலை ஏற்றுக் கொண்டுள்ளன.
|
||||
|
||||
---
|
||||
## முடிவு
|
||||
## முடிவுரை
|
||||
|
||||
இயந்திரக் கற்றல், உண்மையான உலகம் அல்லது உருவாக்கப்பட்ட தரவிலிருந்து அர்த்தமுள்ள தகவல்களை கண்டறிந்து முறைமைகளைத் தேடும் செயல்முறையை தானியக்கமாக்குகிறது. இது வணிகம், சுகாதாரம் மற்றும் நிதி பயன்பாடுகள் உள்ளிட்ட பலவற்றில் மிகவும் மதிப்புமிக்கதாக தன்னை நிரூபித்துள்ளது.
|
||||
இயந்திரக் கற்றல் உண்மையான உலகின் அல்லது உயிருடன் உண்டான தரவிலிருந்து பிரமுகமான அறிவிப்புக்களை கண்டறிந்து மாதிரிகளைத் தானாகவே உருவாக்கும் செயல்முறையை ஊக்குவிக்கிறது. இது வணிகம், சுகாதாரம், நிதி மற்றும் பல பயன்பாடுகளில் மிக உயர்ந்த மதிப்பை வழங்கியுள்ளது.
|
||||
|
||||
சமீபத்திய காலத்தில், இயந்திரக் கற்றலின் அடிப்படைகளைப் புரிந்துகொள்வது, அதன் பரவலான ஏற்றுக்கொள்ளுதலால் எந்த துறையிலிருந்தும் உள்ள மக்களுக்கு அவசியமாக இருக்கப் போகிறது.
|
||||
விரைவில், இயந்திரக் கற்றல் அடிப்படைகளை புரிந்துகொள்வது எந்த துறையினருக்கும் அவசியமாகும், அதன் பரவலான பயன்பாட்டினால்.
|
||||
|
||||
---
|
||||
# 🚀 சவால்
|
||||
|
||||
AI, ML, ஆழமான கற்றல் மற்றும் தரவியல் விஞ்ஞானத்தின் வேறுபாடுகளை உங்கள் புரிதலின் அடிப்படையில் காகிதத்தில் அல்லது [Excalidraw](https://excalidraw.com/) போன்ற ஆன்லைன் பயன்பாட்டைப் பயன்படுத்தி வரைபடம் வரைபடுங்கள். இந்த தொழில்நுட்பங்கள் தீர்க்க நல்லது என்று சில சிக்கல்களின் யோசனைகளைச் சேர்க்கவும்.
|
||||
[Excalidraw](https://excalidraw.com/) போன்ற ஆன்லைன் செயலியைப் பயன்படுத்தி அல்லது காகிதத்தில் வரைந்து, AI, ML, ஆழ்ந்த கற்றல் மற்றும் தரவு அறிவியல் ஆகியவற்றின் வித்தியாசங்களை உங்கள் கருத்தில் வரையவும். ஒவ்வொரு தொழில்நுட்பமும் தீர்க்க சிறந்த பிரச்சினைகளின் சில யோசனைகளையும் சேர்க்கவும்.
|
||||
|
||||
# [பாடத்திற்குப் பின் வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/)
|
||||
# [பாடம் முடிந்தபின் கூட்டு](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
# மதிப்பீடு & சுய கற்றல்
|
||||
# பரிசீலனை மற்றும் சுயப் பயிற்சி
|
||||
|
||||
மேகத்தில் ML அல்காரிதம்களுடன் நீங்கள் எப்படி வேலை செய்யலாம் என்பதைப் பற்றி மேலும் அறிய, இந்த [கற்றல் பாதையை](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) பின்பற்றவும்.
|
||||
மேகத்தில் ML அலகுகளை எவ்வாறு வேலை செய்வது என்பதை அறிய, இந்த [கற்றல் பாதையை](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) பின்தொடர்க.
|
||||
|
||||
ML அடிப்படைகள் பற்றிய [கற்றல் பாதையை](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) எடுத்துக்கொள்ளுங்கள்.
|
||||
ML அடிப்படைகளைப் பற்றி ஒரு [கற்றல் பாதையை](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) எடுத்துக்கொள்ளவும்.
|
||||
|
||||
---
|
||||
# பணிக்கட்டளை
|
||||
# பணியிடம்
|
||||
|
||||
[துவங்குங்கள்](assignment.md)
|
||||
[தொடங்கி செயல்படுத்த](assignment.md)
|
||||
|
||||
---
|
||||
|
||||
**குறிப்பு**:
|
||||
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. எங்கள் தரத்தை உறுதிப்படுத்த முயற்சி செய்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளவும். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**மறுப்பு**:
|
||||
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்துள்ளோம், ஆனால் தானாக செய்யப்படும் மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கலாம் என்பதை கவனத்தில் கொள்ளவும். அசல் ஆவணம் அதன் தாய்மொழியில் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்நுட்பமான மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கத்திற்கும் நாங்கள் பொறுப்பில்வில்லை.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
Loading…
Reference in new issue