Sreza_hs99
Member
یادگیری ماشینی و یادگیری عمیق زیرشاخه‌های هوش مصنوعی هستند و یادگیری عمیق زیرشاخه‌ای از یادگیری ماشینی است.
هم الگوریتم‌های یادگیری ماشین و هم الگوریتم‌های یادگیری عمیق از شبکه‌های عصبی برای «یادگیری» از حجم عظیمی از داده‌ها استفاده می‌کنند. این شبکه‌های عصبی ساختارهای برنامه‌ای هستند که بر اساس فرآیندهای تصمیم‌گیری مغز انسان مدل‌سازی شده‌اند. آنها از لایه‌هایی از گره‌های به هم پیوسته تشکیل شده‌اند که ویژگی‌هایی را از داده‌ها استخراج می‌کنند و پیش‌بینی می‌کنند که داده‌ها چه چیزی را نشان می‌دهند.
یادگیری ماشینی و یادگیری عمیق در انواع شبکه‌های عصبی که استفاده می‌کنند و میزان مداخله انسان متفاوت است. الگوریتم‌های یادگیری ماشین کلاسیک از شبکه‌های عصبی با یک لایه ورودی، یک یا دو لایه پنهان و یک لایه خروجی استفاده می‌کنند. به طور معمول، این الگوریتم‌ها محدود به یادگیری تحت نظارت هستند: داده‌ها باید توسط متخصصان انسانی ساختار یا برچسب‌گذاری شوند تا الگوریتم بتواند ویژگی‌هایی را از داده‌ها استخراج کند.
الگوریتم‌های یادگیری عمیق از شبکه‌های عصبی عمیق استفاده می‌کنند – شبکه‌هایی که از یک لایه ورودی، سه یا بیشتر (اما معمولاً صدها) لایه پنهان و یک طرح‌بندی خروجی تشکیل شده‌اند. این لایه‌های چندگانه، یادگیری بدون نظارت را امکان‌پذیر می‌کنند: آنها استخراج ویژگی‌ها را از مجموعه داده‌های بزرگ، بدون برچسب و بدون ساختار خودکار می‌کنند. از آنجایی که به مداخله انسانی نیاز ندارد، یادگیری عمیق اساساً یادگیری ماشین را در مقیاس ممکن می‌سازد.
هم الگوریتم‌های یادگیری ماشین و هم الگوریتم‌های یادگیری عمیق از شبکه‌های عصبی برای «یادگیری» از حجم عظیمی از داده‌ها استفاده می‌کنند. این شبکه‌های عصبی ساختارهای برنامه‌ای هستند که بر اساس فرآیندهای تصمیم‌گیری مغز انسان مدل‌سازی شده‌اند. آنها از لایه‌هایی از گره‌های به هم پیوسته تشکیل شده‌اند که ویژگی‌هایی را از داده‌ها استخراج می‌کنند و پیش‌بینی می‌کنند که داده‌ها چه چیزی را نشان می‌دهند.
یادگیری ماشینی و یادگیری عمیق در انواع شبکه‌های عصبی که استفاده می‌کنند و میزان مداخله انسان متفاوت است. الگوریتم‌های یادگیری ماشین کلاسیک از شبکه‌های عصبی با یک لایه ورودی، یک یا دو لایه پنهان و یک لایه خروجی استفاده می‌کنند. به طور معمول، این الگوریتم‌ها محدود به یادگیری تحت نظارت هستند: داده‌ها باید توسط متخصصان انسانی ساختار یا برچسب‌گذاری شوند تا الگوریتم بتواند ویژگی‌هایی را از داده‌ها استخراج کند.
الگوریتم‌های یادگیری عمیق از شبکه‌های عصبی عمیق استفاده می‌کنند – شبکه‌هایی که از یک لایه ورودی، سه یا بیشتر (اما معمولاً صدها) لایه پنهان و یک طرح‌بندی خروجی تشکیل شده‌اند. این لایه‌های چندگانه، یادگیری بدون نظارت را امکان‌پذیر می‌کنند: آنها استخراج ویژگی‌ها را از مجموعه داده‌های بزرگ، بدون برچسب و بدون ساختار خودکار می‌کنند. از آنجایی که به مداخله انسانی نیاز ندارد، یادگیری عمیق اساساً یادگیری ماشین را در مقیاس ممکن می‌سازد.
