History

localizeflow[bot] 1fd87ac8e7 chore(i18n): sync translations with latest source changes (chunk 1/1, 9 changes)		3 months ago
..
README.md	chore(i18n): sync translations with latest source changes (chunk 1/1, 9 changes)	3 months ago
assignment.md	chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes)	7 months ago

README.md

Utangulizi wa kujifunza mashine

Mtihani kabla ya somo

🎥 Bonyeza picha hapo juu kuona video fupi inayofundisha somo hili.

Karibu katika kozi hii ya kujifunza mashine za kale kwa wanaoanza! Iwe wewe ni mpya kabisa kwenye mada hii, au mtaalamu wa ML mwenye uzoefu anayetaka kukagua eneo fulani, tunafurahi kuwa na wewe! Tunataka kuunda mahali pazuri pa kuanza kwa kujifunza ML na tungefurahi kupokea, kujibu, na kuingiza maoni yako.

🎥 Bonyeza picha hapo juu kuona video: John Guttag wa MIT anatoa utangulizi wa kujifunza mashine

Kuanzia na kujifunza mashine

Kabla ya kuanza na mtaala huu, unahitaji kuwa na kompyuta yako imesanidiwa na iko tayari kuendesha daftari za kumbukumbu kwa ndani.

Sanidi kifaa chako kwa kutumia video hizi. Tumia viungo vifuatavyo kujifunza jinsi ya kusakinisha Python kwenye mfumo wako na kusanidi mhariri wa maandishi kwa maendeleo.
Jifunze Python. Pia inashauriwa kuwa na uelewa wa msingi wa Python, lugha ya programu inayotumika na wanasayansi wa data ambayo tunatumia katika kozi hii.
Jifunze Node.js na JavaScript. Tunatumia JavaScript mara kadhaa katika kozi hii tunapotengeneza programu za mtandao, hivyo utahitaji kuwa na node na npm vimesakinishwa, pamoja na Visual Studio Code kwa maendeleo ya Python na JavaScript.
Tengeneza akaunti ya GitHub. Kwa kuwa ulinipata hapa kwenye GitHub, unaweza kuwa tayari una akaunti, lakini kama huna, tengeneza moja kisha foka mtaala huu kutumia kwa ajili yako binafsi. (Pia jisikie huru kutupa nyota 😊)
Chunguza Scikit-learn. Jadiliana na Scikit-learn, seti ya maktaba za ML tunayorejelea katika masomo haya.

Nini maana ya kujifunza mashine?

Neno 'kujifunza mashine' ni mojawapo ya maneno maarufu zaidi na yanayotumika mara nyingi leo. Kuna uwezekano mkubwa kuwa umewahi kusikia neno hili angalau mara moja ikiwa una ujuzi fulani na teknolojia, haijalishi unafanya kazi katika sekta gani. Hata hivyo, mienendo ya kujifunza mashine ni fumbo kwa wengi. Kwa mwanzilishi wa kujifunza mashine, mada inaweza mara nyingine kujisikia kuzidi uwezo. Kwa hiyo, ni muhimu kuelewa kweli ni nini kujifunza mashine, na kujifunza hatua kwa hatua, kwa mfano wa vitendo.

Msururu wa hango ya shauku

Google Trends inaonyesha 'msururu wa hango ya shauku' wa neno 'kujifunza mashine' hivi karibuni

Ulimwengu wa fumbo

Tunaishi katika ulimwengu uliojaa mafumbo ya kuvutia. Wanasayansi wakubwa kama Stephen Hawking, Albert Einstein, na wengine wengi wamejitoa kutafuta taarifa zenye maana zinazoifunua fumbo za dunia inayotuzunguka. Hali hii ni hali ya kibinadamu ya kujifunza: mtoto wa binadamu hujifunza mambo mapya na kugundua muundo wa dunia yao mwaka baada ya mwaka wanapokua hadi kufikia utu uzima.

Ubongo wa mtoto

Ubongo na hisia za mtoto hugundua matukio ya mazingira yao na polepole hujifunza mifumo iliyofichwa ya maisha ambayo huwasaidia watoto kutengeneza sheria za mantiki za kutambua mifumo waliyojifunza. Mchakato wa kujifunza wa ubongo wa binadamu unawafanya wanadamu viumbe wenye werevu zaidi duniani. Kujifunza kwa kuendelea kugundua mifumo iliyofichwa na kisha kuiboresha kunaturuhusu kuboresha maisha yetu kila wakati tunapozidi kukua. Uwezo huu wa kujifunza na kuendelea una uhusiano na dhana inayojulikana kama ubadilika wa ubongo. Kwa sura, tunaweza kuchora ulinganifu wa kuhamasisha kati ya mchakato wa kujifunza wa ubongo wa binadamu na dhana za kujifunza mashine.

Ubongo wa binadamu

Ubongo wa binadamu hugundua mambo kutoka kwa ulimwengu halisi, hufanyia kazi taarifa zilizogunduliwa, hufanya maamuzi ya mantiki, na kutekeleza vitendo fulani kulingana na hali. Hii ndio tunaiita tabia ya werevu. Tunapompprograma mashine kupiga mfano wa mchakato wa tabia ya werevu, huitwa akili bandia (AI).

Baadhi ya istilahi

Ingawa maneno haya yanaweza kuchanganywa, kujifunza mashine (ML) ni sehemu muhimu ya akili bandia. ML inahusiana na kutumia algoriti maalum kugundua taarifa zenye maana na kupata mifumo iliyofichwa kutoka kwa data iliyogunduliwa ili kuimarisha mchakato wa kufanya maamuzi ya mantiki.

AI, ML, Kujifunza kwa Kina

Mchoro unaoonyesha uhusiano kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Infographics na Jen Looper iliyoongozwa na graphic hii

Dhana za kufunika

Katika mtaala huu, tutashughulikia tu dhana za msingi za kujifunza mashine ambazo mwanzilishi anapaswa kujua. Tunashughulikia kile tunachokiita 'kujifunza mashine za kale' hasa kwa kutumia Scikit-learn, maktaba bora ambayo wanafunzi wengi hutumia kujifunza misingi. Ili kuelewa dhana pana za akili bandia au kujifunza kwa kina, uelewa thabiti wa msingi wa kujifunza mashine ni muhimu, na hivyo tunapenda kutoa hapa.

Katika kozi hii utajifunza:

dhana za msingi za kujifunza mashine
historia ya ML
ML na usawa
mbinu za ML za regression
mbinu za ML za uainishaji
mbinu za ML za kuyasanya makundi
mbinu za ML za usindikaji wa lugha asilia
mbinu za ML za utabiri wa mfululizo wa wakati
kujifunza kwa kuimarisha
matumizi halisi ya ML

Kile ambacho hatutashughulikia

kujifunza kwa kina
mitandao ya neva
AI

Ili kupata uzoefu bora wa kujifunza, tutaepuka mchanganyiko wa mitandao ya neva, 'kujifunza kwa kina' - ujenzi wa modeli zenye tabaka nyingi kwa kutumia mitandao ya neva - na AI, ambayo tutajadili katika mtaala mwingine. Pia tutatoa mtaala mtarajiwa wa sayansi ya data kulenga upande huo wa fani hii kubwa.

Kwanini kujifunza kujifunza mashine?

Kujifunza mashine, kwa mtazamo wa mifumo, huwekwa kama uundaji wa mifumo ya moja kwa moja inayoweza kujifunza mifumo iliyofichwa kutoka kwa data kusaidia kufanya maamuzi ya werevu.

Mmotisho huu umeongozwa kwa sehemu na jinsi ubongo wa binadamu unavyojifunza mambo fulani kwa msingi wa data inayogunduliwa kutoka kwa ulimwengu wa nje.

✅ Fikiria kwa sekunde kwa nini biashara itataka kutumia mbinu za kujifunza mashine badala ya kuunda injini ya sheria ngumu.

Kwanini ubora wa data ni muhimu

Data yenye ubora wa juu huongeza utendaji wa modeli. Data duni au yenye kelele inaweza kusababisha utabiri usio sahihi, hata wakati unatumia algoriti za kujifunza mashine za hali ya juu.

Matumizi ya kujifunza mashine

Matumizi ya kujifunza mashine sasa karibu kila mahali, na ni kama data zinazotiririka katika jamii zetu, zinazozalishwa na simu zetu smart, vifaa vilivyowekwa mtandaoni, na mifumo mingine. Kwa kuzingatia uwezo mkubwa wa algoriti za kujifunza mashine za kisasa, watafiti wamekuwa wakichunguza uwezo wao kutatua matatizo ya maisha halisi yenye vipimo vingi na taaluma nyingi kwa matokeo mazuri sana.

Mifano ya ML iliyotumika

Unaweza kutumia kujifunza mashine kwa njia nyingi:

Kutabiri uwezekano wa ugonjwa kutoka kwa historia ya matibabu au ripoti za mgonjwa.
Kutumia data ya hali ya hewa kutabiri matukio ya hali ya hewa.
Kuelewa hisia za maandishi.
Kugundua habari za uongo kuzuia kusambaa kwa propaganda.

Fedha, uchumi, sayansi ya dunia, uchunguzi wa anga, uhandisi wa biomedical, sayansi ya fahamu, na hata nyanja za wanadamu wamekubali kujifunza mashine kutatua matatizo magumu ya usanifu wa data katika fani zao.

Hitimisho

Kujifunza mashine huendesha mchakato wa kugundua mifumo kwa kupata maarifa yenye maana kutoka kwa data halisi au inayotengenezwa. Imethibitisha kuwa ni ya thamani kubwa katika biashara, afya, na matumizi ya kifedha, miongoni mwa mengine.

Katika siku zijazo za karibu, kuelewa misingi ya kujifunza mashine kutakuwa lazima kwa watu kutoka nyanja yoyote kutokana na matumizi yake makubwa.

🚀 Changamoto

Chora, kwa karatasi au ukitumia programu mtandaoni kama Excalidraw, uelewa wako wa tofauti kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Ongeza mawazo ya matatizo ambayo kila moja ya mbinu hizi ni nzuri kuyatatua.

Mtihani baada ya somo

Mapitio & Kujifunza Binafsi

Ili kujifunza zaidi kuhusu jinsi unavyoweza kufanya kazi na algoriti za ML katika wingu, fuata Njia ya Kujifunza.

Chukua Njia ya Kujifunza kuhusu misingi ya ML.

Kazi ya nyumbani

Pata kuanza na kuendeshwa

Kionyozo: Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Hati ya asili katika lugha yake halisi inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayofanywa na binadamu inapendekezwa. Hatutojibu kwa kuelewa vibaya au tafsiri potofu zinazotokea kutokana na matumizi ya tafsiri hii.