leestott
1f5af4814d
|
3 weeks ago | |
|---|---|---|
| .. | ||
| README.md | 3 weeks ago | |
| assignment.md | 3 weeks ago | |
README.md
Utangulizi wa kujifunza kwa mashine
Jaribio la awali ya somo
🎥 Bonyeza picha hapo juu kwa video fupi inayopitia somo hili.
Karibu kwenye kozi hii ya kujifunza kwa mashine ya kawaida kwa wanaoanza! Ikiwa wewe ni mgeni kabisa kwenye mada hii, au mtaalamu wa ML unayetafuta kuimarisha ujuzi wako, tunafurahi kukuona hapa! Tunataka kuunda mahali rafiki pa kuanzia masomo yako ya ML na tungefurahi kutathmini, kujibu, na kuingiza maoni yako.
🎥 Bonyeza picha hapo juu kwa video: John Guttag wa MIT anatambulisha kujifunza kwa mashine
Kuanza na kujifunza kwa mashine
Kabla ya kuanza na mtaala huu, unahitaji kuwa na kompyuta yako tayari kuendesha daftari za kazi (notebooks) kwa ndani.
- Sanidi kompyuta yako kwa video hizi. Tumia viungo vifuatavyo kujifunza jinsi ya kusakinisha Python kwenye mfumo wako na kuweka mhariri wa maandishi kwa maendeleo.
- Jifunze Python. Inapendekezwa pia kuwa na uelewa wa msingi wa Python, lugha ya programu inayofaa kwa wanasayansi wa data ambayo tunatumia katika kozi hii.
- Jifunze Node.js na JavaScript. Tunatumia JavaScript mara chache katika kozi hii tunapojenga programu za wavuti, kwa hivyo utahitaji kuwa na node na npm vilivyowekwa, pamoja na Visual Studio Code kwa maendeleo ya Python na JavaScript.
- Unda akaunti ya GitHub. Kwa kuwa umetuona hapa kwenye GitHub, huenda tayari una akaunti, lakini ikiwa huna, unda moja kisha nakili mtaala huu ili utumie mwenyewe. (Usisite kutupa nyota, pia 😊)
- Gundua Scikit-learn. Jifunze kuhusu Scikit-learn, seti ya maktaba za ML tunazorejelea katika masomo haya.
Kujifunza kwa mashine ni nini?
Neno 'kujifunza kwa mashine' ni mojawapo ya maneno maarufu na yanayotumika sana leo. Kuna uwezekano mkubwa kwamba umesikia neno hili angalau mara moja ikiwa una aina fulani ya ufahamu wa teknolojia, bila kujali unafanya kazi katika nyanja gani. Hata hivyo, mitambo ya kujifunza kwa mashine ni fumbo kwa watu wengi. Kwa mwanzilishi wa kujifunza kwa mashine, somo linaweza kuhisi kuwa gumu. Kwa hivyo, ni muhimu kuelewa kujifunza kwa mashine ni nini hasa, na kujifunza kuhusu hilo hatua kwa hatua, kupitia mifano ya vitendo.
Mzunguko wa umaarufu
Google Trends inaonyesha 'mzunguko wa umaarufu' wa hivi karibuni wa neno 'kujifunza kwa mashine'
Ulimwengu wa fumbo
Tunaishi katika ulimwengu uliojaa mafumbo ya kuvutia. Wanasayansi wakuu kama Stephen Hawking, Albert Einstein, na wengine wengi wamejitolea maisha yao kutafuta taarifa muhimu zinazofichua mafumbo ya dunia inayotuzunguka. Hii ni hali ya binadamu ya kujifunza: mtoto wa binadamu hujifunza mambo mapya na kufichua muundo wa dunia yao mwaka baada ya mwaka wanapokua hadi utu uzima.
Ubongo wa mtoto
Ubongo wa mtoto na hisia zake hutambua ukweli wa mazingira yao na polepole hujifunza mifumo iliyofichwa ya maisha ambayo husaidia mtoto kuunda sheria za kimantiki za kutambua mifumo iliyojifunza. Mchakato wa kujifunza wa ubongo wa binadamu huwafanya binadamu kuwa kiumbe wa hali ya juu zaidi duniani. Kujifunza kwa kuendelea kwa kugundua mifumo iliyofichwa na kisha kubuni mifumo hiyo hutuwezesha kujiboresha zaidi na zaidi katika maisha yetu yote. Uwezo huu wa kujifunza na kubadilika unahusiana na dhana inayoitwa ubadilishaji wa ubongo. Kwa juu juu, tunaweza kuchora mfanano wa motisha kati ya mchakato wa kujifunza wa ubongo wa binadamu na dhana za kujifunza kwa mashine.
Ubongo wa binadamu
Ubongo wa binadamu hutambua mambo kutoka ulimwengu halisi, huchakata taarifa iliyotambuliwa, hufanya maamuzi ya kimantiki, na hufanya vitendo fulani kulingana na hali. Hii ndiyo tunaita tabia ya akili. Tunapopanga mfano wa mchakato wa tabia ya akili kwa mashine, inaitwa akili bandia (AI).
Baadhi ya istilahi
Ingawa maneno yanaweza kuchanganya, kujifunza kwa mashine (ML) ni sehemu muhimu ya akili bandia. ML inahusika na kutumia algoriti maalum kufichua taarifa muhimu na kupata mifumo iliyofichwa kutoka kwa data iliyotambuliwa ili kuthibitisha mchakato wa kufanya maamuzi ya kimantiki.
AI, ML, Kujifunza kwa Kina
Mchoro unaonyesha uhusiano kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Infografiki na Jen Looper iliyoongozwa na mchoro huu
Dhana za kufunika
Katika mtaala huu, tutafunika tu dhana za msingi za kujifunza kwa mashine ambazo mwanzilishi lazima ajue. Tunafunika kile tunachokiita 'kujifunza kwa mashine ya kawaida' hasa kwa kutumia Scikit-learn, maktaba bora ambayo wanafunzi wengi hutumia kujifunza misingi. Ili kuelewa dhana pana za akili bandia au kujifunza kwa kina, maarifa ya msingi ya kujifunza kwa mashine ni muhimu, na kwa hivyo tungependa kuyatoa hapa.
Katika kozi hii utajifunza:
- dhana za msingi za kujifunza kwa mashine
- historia ya ML
- ML na usawa
- mbinu za ML za regression
- mbinu za ML za uainishaji
- mbinu za ML za clustering
- mbinu za ML za usindikaji wa lugha asilia
- mbinu za ML za utabiri wa mfululizo wa muda
- kujifunza kwa kuimarisha
- matumizi ya ML katika maisha halisi
Kile ambacho hatutafunika
- kujifunza kwa kina
- mitandao ya neva
- AI
Ili kuboresha uzoefu wa kujifunza, tutakwepa ugumu wa mitandao ya neva, 'kujifunza kwa kina' - ujenzi wa mifano yenye tabaka nyingi kwa kutumia mitandao ya neva - na AI, ambayo tutajadili katika mtaala tofauti. Pia tutatoa mtaala wa sayansi ya data unaokuja ili kuzingatia kipengele hicho cha uwanja huu mkubwa.
Kwa nini ujifunze kujifunza kwa mashine?
Kujifunza kwa mashine, kutoka mtazamo wa mifumo, hufafanuliwa kama uundaji wa mifumo ya kiotomatiki inayoweza kujifunza mifumo iliyofichwa kutoka kwa data ili kusaidia kufanya maamuzi ya akili.
Motisha hii imeongozwa kwa kiasi fulani na jinsi ubongo wa binadamu hujifunza mambo fulani kulingana na data inayotambuliwa kutoka ulimwengu wa nje.
✅ Fikiria kwa dakika moja kwa nini biashara ingependa kujaribu kutumia mikakati ya kujifunza kwa mashine badala ya kuunda injini ya sheria iliyosimbwa moja kwa moja.
Matumizi ya kujifunza kwa mashine
Matumizi ya kujifunza kwa mashine sasa yako karibu kila mahali, na ni ya kawaida kama data inayozunguka jamii zetu, inayozalishwa na simu zetu za kisasa, vifaa vilivyounganishwa, na mifumo mingine. Kwa kuzingatia uwezo mkubwa wa algoriti za kisasa za kujifunza kwa mashine, watafiti wamekuwa wakichunguza uwezo wake wa kutatua matatizo ya maisha halisi ya pande nyingi na ya taaluma nyingi kwa matokeo mazuri.
Mifano ya ML inayotumika
Unaweza kutumia kujifunza kwa mashine kwa njia nyingi:
- Kutabiri uwezekano wa ugonjwa kutoka historia ya matibabu ya mgonjwa au ripoti.
- Kutumia data ya hali ya hewa kutabiri matukio ya hali ya hewa.
- Kuelewa hisia za maandishi.
- Kugundua habari za uongo ili kuzuia kuenea kwa propaganda.
Fedha, uchumi, sayansi ya dunia, uchunguzi wa anga, uhandisi wa biomedikali, sayansi ya utambuzi, na hata nyanja za binadamu zimechukua kujifunza kwa mashine kutatua matatizo magumu, yanayohitaji uchakataji wa data katika nyanja zao.
Hitimisho
Kujifunza kwa mashine kunafanya mchakato wa kugundua mifumo kuwa wa kiotomatiki kwa kupata maarifa muhimu kutoka kwa data halisi au iliyotengenezwa. Imethibitisha kuwa yenye thamani kubwa katika biashara, afya, na matumizi ya kifedha, miongoni mwa mengine.
Katika siku za usoni, kuelewa misingi ya kujifunza kwa mashine kutakuwa jambo la lazima kwa watu kutoka nyanja yoyote kutokana na matumizi yake yaliyoenea.
🚀 Changamoto
Chora, kwenye karatasi au kwa kutumia programu ya 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 katika kutatua.
Jaribio la baada ya somo
Mapitio na Kujisomea
Ili kujifunza zaidi kuhusu jinsi unavyoweza kufanya kazi na algoriti za ML kwenye wingu, fuata Njia ya Kujifunza.
Chukua Njia ya Kujifunza kuhusu misingi ya ML.
Kazi
Kanusho:
Hati hii imetafsiriwa kwa kutumia huduma ya kutafsiri ya AI Co-op Translator. Ingawa tunajitahidi kuhakikisha usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.