You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
150 lines
26 KiB
150 lines
26 KiB
# இயந்திரக் கற்றலுக்கான அறிமுகம்
|
|
|
|
## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
---
|
|
|
|
[](https://youtu.be/6mSx_KJxcHI "துவக்கத்திற்கான இயந்திரக் கற்றல் - துவக்கத்திற்கான இயந்திரக் கற்றலுக்கான அறிமுகம்")
|
|
|
|
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து இந்த பாடத்தைப் பற்றிய குறுகிய வீடியோவைப் பாருங்கள்.
|
|
|
|
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.
|
|
|
|
[](https://youtu.be/h0e2HAPTGF4 "ML-க்கு அறிமுகம்")
|
|
|
|
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து வீடியோவைப் பாருங்கள்: MIT-இன் ஜான் குட்டாக் இயந்திரக் கற்றலுக்கான அறிமுகத்தை வழங்குகிறார்
|
|
|
|
---
|
|
## இயந்திரக் கற்றலுடன் தொடங்குதல்
|
|
|
|
இந்த பாடத்திட்டத்தைத் தொடங்குவதற்கு முன், உங்கள் கணினியை உள்ளூர் நோட்புக் இயக்கத்திற்குத் தயாராக அமைக்க 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.
|
|
|
|
---
|
|
## இயந்திரக் கற்றல் 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.
|
|
|
|
---
|
|
## பரபரப்பான வளைவு
|
|
|
|
|
|
|
|
> 'இயந்திரக் கற்றல்' என்ற சொல் சமீபத்திய 'பரபரப்பான 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.
|
|
|
|
---
|
|
## 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.
|
|
|
|
---
|
|
## 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.
|
|
|
|
---
|
|
## சில சொற்கள்
|
|
|
|
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**.
|
|
|
|
---
|
|
## AI, ML, ஆழமான 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.
|
|
|
|
---
|
|
## கவர்ச்சியான கருத்துக்கள்
|
|
|
|
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 நீங்கள் கற்றுக்கொள்ளப் போகிறீர்கள்:
|
|
|
|
- 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
|
|
|
|
---
|
|
## நாம் கவர்ந்திழுக்காதவை
|
|
|
|
- ஆழமான கற்றல்
|
|
- நரம்பியல் வலைகள்
|
|
- 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.
|
|
|
|
---
|
|
## ஏன் இயந்திரக் கற்றலைக் கற்றுக்கொள்ள வேண்டும்?
|
|
|
|
ஒரு அமைப்பு பார்வையில் இருந்து, இயந்திரக் கற்றல் என்பது தரவிலிருந்து மறைக்கப்பட்ட முறைமைகளை கற்றுக்கொண்டு புத்திசாலித்தனமான முடிவுகளை எடுக்க உதவும் தானியக்க அமைப்புகளை உருவாக்குவது என்று வரையறுக்கப்படுகிறது.
|
|
|
|
இந்த ஊக்கம் மனித மூளை வெளியுலகத்திலிருந்து உணர்ந்த தரவின் அடிப்படையில் குறிப்பிட்ட விஷயங்களை எப்படி கற்றுக்கொள்கிறது என்பதை மெல்லிய முறையில் ஊக்கமளிக்கிறது.
|
|
|
|
✅ ஒரு வணிகம் ஏன் இயந்திரக் கற்றல் உத்திகளை முயற்சிக்க விரும்புகிறது என்பதை ஒரு நிமிடம் யோசிக்கவும், ஒரு கடினமாக நிரலிடப்பட்ட விதி அடிப்படையிலான இயந்திரத்தை உருவாக்குவதற்குப் பதிலாக.
|
|
|
|
---
|
|
## இயந்திரக் கற்றலின் பயன்பாடுகள்
|
|
|
|
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.
|
|
|
|
---
|
|
## பயன்படுத்தப்பட்ட ML உதாரணங்கள்
|
|
|
|
**நீங்கள் இயந்திரக் கற்றலை பல வழிகளில் பயன்படுத்தலாம்**:
|
|
|
|
- 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.
|
|
|
|
நிதி, பொருளாதாரம், பூமி அறிவியல், விண்வெளி ஆராய்ச்சி, உயிரியல் பொறியியல், அறிவாற்றல் அறிவியல் மற்றும் மனிதவியல் துறைகளில் கூட, தங்கள் துறையின் கடினமான, தரவுகளைச் செயலாக்கும் சிக்கல்களைத் தீர்க்க இயந்திரக் கற்றலை ஏற்றுக்கொண்டுள்ளனர்.
|
|
|
|
---
|
|
## முடிவு
|
|
|
|
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.
|
|
|
|
சமீபத்திய காலத்தில், இயந்திரக் கற்றலின் அடிப்படைகளைப் புரிந்துகொள்வது, அதன் பரவலான ஏற்றுக்கொள்ளுதலால் எந்த துறையிலிருந்தும் உள்ள மக்களுக்கு அவசியமாக இருக்கப் போகிறது.
|
|
|
|
---
|
|
# 🚀 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.
|
|
|
|
# [பாடத்திற்குப் பின் வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
---
|
|
# மதிப்பீடு & சுய கற்றல்
|
|
|
|
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.
|
|
|
|
ML அடிப்படைகள் பற்றிய [கற்றல் பாதையை](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) எடுத்துக்கொள்ளுங்கள்.
|
|
|
|
---
|
|
# பணிக்கட்டளை
|
|
|
|
[துவங்குங்கள்](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. |