بلکه مدل یادگیری ماشین چگونگی تفکیک بین عناصر در مجموعهی انبوهی از داده ها رو فرا میگیره. پیش بینی های یادگیری ماشین میتونه شامل پاسخ به پرسش هایی مثل تشخیص یه میوه در تصویر، تشخیص افراد در حال عبور از خیابان، تشخیص گفتار دقیق برای تولید کپشن های ویدئوی یوتیوب یا تفکیک ایمیل و اسپم باشه. یادگیری ماشین رو میشه پرکاربرد ترین شاخهی هوش مصنوعی دانست که در تمام سطوح زندگی روزمره گسترش یافته و درک یادگیری ماشین میتونه به درک بهتر دنیای آینده کمک کنه. سیستم یادگیری نظارت شده با وجود تعداد کافی نمونه ها میتونه دسته های پیکسل ها و شکل های مرتبط با هر عدد رو شناسایی کنه و اعداد دست نویس رو شناسایی کنه. برای مثال، درخت تصمیمی که شرط بندی روی برد یک اسب رو توصیه کنه از این دست به حساب میاد. در کنار یادگیری ماشین، روش های متعدد دیگه ای برای ساخت سیستم های هوش مصنوعی وجود دارن از جمله این روش ها میشه به محاسبات تکاملی اشاره کرد که در اون الگوریتم ها دست خوش جهش های تصادفی میشن و برای راه حل های بهینه به تکامل میرسونن. نمونه ای از این روش سیستم دسته بندی Airbnb یا Google News هست که امکان گروه بندی استوری هایی با موضوع مشابه رو فراهم میکنه.
همانطور که از نام یادگیری نیمهن ظارتشده پیداست این روش ترکیبی از یادگیری نظارت شده و بدون نظارت هست. در مقابل، الگوریتمهای یادگیری بدون نظارت با شناسایی الگوهای داده ای تلاش میکنن شباهت هایی رم بین آنها پیدا کنن. تفاوت کلیدی یادگیری ماشین با نرم افزار کامپیوتری قدیمی اینه که توسعه دهندهی انسانی کد یادگیری ماشین رو نمینویسه. یکی از محبوب ترین کاربرد های AI در زمینهی توسعهی نرم افزار سفارشی، یادگیری ماشین (ML) هست. درخت های تصمیم: درخت های تصمیم از داده های طبقه بندی شده برای ارائهی پیشنهاد بر اساس مجموعهی قوانین تصمیم استفاده میکنن. هر چقدر الگوریتمی بهتر باشه، تصمیم ها و پیشبینی های خروجی دقیق تر خواهند بود. در یادگیری ماشین، الگوریتم ها برای یافتن الگوها و مشخصات در مقادیر انبوه داده ها آموزش داده میشه تا بتونن تصمیم ها و پیشبینی هایی رو بر اساس داده های جدید اتخاذ کنن. این الگوریتم از طبقه بندی برای تخمین احتمال وجود نقطه ای داده ای در یک گروه استفاده میکنه. کلید اصلی یادگیری ماشین همون مقدار انبوه داده هاست که امکان یادگیری رو برای اون فراهم میکنه. یادگیری ماشین به دو دستهی اصلی تقسیم میشه: یادگیری نظارت شده و بدون نظارت. داده های دیگه از نوع بدون برچسب هستن در این شرایط مدل باید برخی ویژگی ها رو برای تخصیص طبقه بندی ها استخراج کنه، در هر دو نمونه داده های یادگیری باید به خوبی آماده بشن.
در برخی نمونه ها، داده های یادگیری از نوع برچسب دار هستن تا ویژگی ها و طبقه بندی هایی رو برای مدل فراخوانی کنن. منبع داده های جدید هم به نوع مسئله وابسته هست. نوع دیگه هوش مصنوعی سیستم های خبره هستن؛ در سیستم های خبره، کامپیوترها با قوانینی برنامه نویسی میشن که امکان تقلید از رفتار انسان در حوزه ای مشخص مثل سیستم های هدایت خودکار هواپیما رو میدن. این مرحله شامل اجرای متغیرها در الگوریتم، مقایسهی خروجی با نتایج قابل انتظار، تنظیم وزن ها و انحراف های داخل الگوریتم و راه اندازی مجدد متغیرهاست تا زمانیکه الگوریتم نتیجهی صحیح رو بازگرداند. برای مثال، مدل یادگیری ماشینی که برای شناسایی اسپم طراحی شده، پیام های ایمیل رو به عنوان ورودی دریافت میکنه درحالیکه مدل یادگیری ماشین که هدایت ربات جاروبرقی رو بر عهده داره داده های مربوط به تعامل واقعی با اثاث منزل یا اشیای جدید داخل اتاق رو به عنوان ورودی دریافت میکنه. شبکه های عصبی: شبکهی عصبی، الگوریتمی هست که شبکه ای لایه بندی شده از محاسبات شامل لایهی ورودی رو تعریف میکنه. یادگیری نیمه نظارت شده به مجموعهی اندکی از داده های برچسب دار و مجموعهی بزرگی از داده های بدون برچسب برای آموزش سیستم ها وابسته هست.
الگوریتم های یادگیری بدون نظارت برای جداسازی انواع مشخصی از داده ها طراحی نشدن بلکه صرفا به دنبال داده هایی دارای شباهت هستن. این روابط مشابه قوانین به کار رفته در داده کاوی هستن. الگوریتم های رگرسیون: رگرسیون خطی و منطقی نمونه هایی از الگوریتم های رگرسیون به کار رفته برای درک روابط بین داده ها هستن. در نتیجه دیتاست ها یا مجموعه های داده ای به کار رفته برای آموزش این سیستم ها مجله خبری fudzilla بسیار وسیع هستن. از یادگیری ماشین میشه برای بهبود مراکز داده ای یا دیتاسنترها استفاده کرد. مرحلهی آخر، استفاده از مدل با داده های جدید و در بهترین حالت بهبود دقت و کارایی اون به مرور زمان هست. دسته بندی متمرکز بر شناسایی گروه هایی با رکورد های مشابه و برچسب گذاری رکوردها بر اساس گروهیست که به اون تعلق دارن. پس در ادامه همراه با رشد کسب و کار باشید. داده های آموزشی به مجموعهی داده ای گفته میشه که نمایندهی مدل یادگیری ماشین هست و برای حل مسائلی مشخص مجله خبری fudzilla به کار میره. یادگیری ماشین اخیرا به موفقیت زیادی رسیده؛ اما فقط یکی از شاخه های هوش مصنوعی هست.