top of page

מהן טכנולוגיות ML ו-DL?

תמונת הסופר/ת: PortaliPortali

 

מהי למידת מכונה (ML)?


למידת מכונה היא ענף של בינה מלאכותית שנותנת למחשבים את היכולת ללמוד מבלי להיות מתוכנתים במפורש. אלגוריתמים של למידת מכונה משמשים לחיזוי, סיווג וניתוח. פלטפורמת הנהלת החשבונות האוטומטית של פורטלי משתמשת בסוג זה של טכנולוגיה.

ניתן לסווג את אלגוריתמי למידת המכונה לשתי קטגוריות: בפיקוח ולא בפיקוח. למידת מכונה מפוקחת דורשת נתוני אימון מתויגים, בעוד שלמידת מכונה ללא פיקוח אינה דורשת נתוני אימון מסומנים.


מהי למידה עמוקה (DL)?


למידה עמוקה היא תת-קבוצה של למידת מכונה המשתמשת ברשתות עצביות כדי לאמן ולשפר את עצמה. במילים אחרות, זהו סוג של AI המאפשר למחשבים ללמוד מנתונים מבלי להיות מתוכנתים במפורש.


השלב הראשון בלמידה עמוקה הוא שהמחשב יקבל אימון על מערך נתונים גדול (למשל אלפים או מיליונים) עם דוגמאות מסומנות - כלומר, תמונות מתויגות עם התוויות המתאימות להן (כגון "חתול" או "כלב"). השלב הבא כולל הזנת נתונים חדשים לתוך המודל כדי שיוכל לבצע תחזיות לגבי איזה סוג אובייקט יש לתייג בכל תמונה. תהליך זה נמשך עד שהדיוק מגיע לרמת סף מקובלת (למשל, דיוק של 90%).


ההבדלים


שתי הטכנולוגיות דומות באופן ששתיהן משתמשות באלגוריתמים של למידת מכונה כדי לפתור בעיות. עם זאת, הם שונים בגישתם לבינה מלאכותית. למידה עמוקה מבוססת על רשתות עצביות ומשתמשת בשכבות מרובות של יחידות עיבוד כדי ללמוד מנתונים ולבצע תחזיות לגבי תוצאות עתידיות. למידת מכונה משתמשת במודלים סטטיסטיים עבור משימות חיזוי כמו סיווג או ניתוח רגרסיה, אך אינה דורשת שום מבנה או טופולוגיה ספציפיים עבור המודלים שלה. זה גם לא מחייב אותך להבין איך המודל שלך עובד; במקום זאת, ניתן לאמן אותו באמצעות כמויות גדולות של נתונים מסומנים, כך שהוא יכול ללמוד מניסיון מבלי להיות מתוכנת במפורש עם כללים או אילוצים.


למידה עמוקה מתאימה ביותר לבעיות שבהן יש הרבה נתונים לא מובנים זמינים אך מעט הדרכה לגבי איזה סוג של מידע יש לחלץ מאותן תמונות - כגון זיהוי אובייקטים בתוך תמונה. Machine Learning דורש פחות נתוני אימון מאשר Deep Learning מכיוון שהאלגוריתמים שלה גמישים יותר בעת ביצוע תחזיות המבוססות על מערכי נתונים דלילים.


13 צפיות0 תגובות

פוסטים אחרונים

הצג הכול

Comments


bottom of page