- ავარჯიშებთ მანქანური სწავლების მოდელს რაღაცის დასაპროგნოზებლად
აქტივობები ამ გაკვეთილისთვის:
ᲛᲐᲜᲥᲐᲜᲣᲠᲘ ᲡᲬᲐᲕᲚᲘᲡ 3 ᲜᲐᲬᲘᲚᲘ
შეგახსენებთ, რომ ხელოვნურ ინტელექტს, კონკრეტულად მანქანურ სწავლებას, აქვს 3 ძირითადი ნაწილი.
მონაცემთა ბაზა
შაბლონების პოვნა
პროგნოზირება
ამ გაკვეთილზე ჩვენ ვკონცენტრირდებით მეორე ნაწილზე, შაბლონების პოვვნაზე , ჩვენი AI მოდელის მომზადებით, რომელიც შეძლებს პროგნოზის გაკეთებას.
არსებობს ბევრი უფასო ონლაინ პლატფორა სადაც შეგიძლიათ ავარჯიშოთ AI მოდელი, ზედამხედველობითი სწავლის გამოყენებით.
მანქანური სწავლების ორი ძირითადი ტიპი არსებობს - ზედამხედველობითი სწავლება და ზედამხედველობის გარეშე სწავლება .
ზედამხედველობითი სწავლება ზუსტად ისეთია, როგორიც ჟღერს - თქვენ ზედამხედველობას უწევთ მოდელის სწავლის პროცესს სწორი პასუხის თქმით.
ზედამხედველობის გარეშე სწავლება განსხვავებულ მიდგომას იყენებს. მოდელს მონაცემები მიეწოდება, მაგრამ ხელმძღვანელობისა და ზედამხედველობის გარეშე. ხელოვნური ინტელექტის მოდელი საკუთარ ნიმუშებს პოულობს. ეს მეთოდი ხელოვნური ინტელექტის მოდელს საშუალებას აძლევს, წინასწარი ცოდნის გარეშე აღმოაჩინოს მონაცემებს შორის ახალი დაჯგუფებები, მსგავსებები და განსხვავებები.
ამ სასწავლო გეგმაში ჩვენ გამოვიყენებთ მანქანური სწავლების ზედამხედველობით სწავლების მიდგომას . მაგალითად, დავუშვათ, გსურთ, რომ ხელოვნური ინტელექტის მოდელმა განსაზღვროს, სურათზე ძაღლია თუ კატა .
თქვენი მონაცემთა ბაზა
შედგება ძაღლებისა და კატების უამრავი სურათისგან.
თქვენ გაწვრთნით მოდელს და ეტყვით, თუ რომელია კატა და რომელი ძაღლი.
ᲗᲥᲕᲔᲜᲘ ᲛᲝᲓᲔᲚᲘᲡ ᲓᲐᲒᲔᲒᲛᲕᲐ
თქვენი მოდელი პროგნოზირებს ან კლასიფიცირებს რაღაცას. ხშირად ამ მოდელებს კლასიფიკაციის მოდელებს უწოდებენ, ამავე მიზეზით.
პირველი ნაბიჯები:
- რას ახარისხებთ? სურათებს, ტექსტს, ხმებს? ეს არის თქვენი მონაცემთა ტიპი .
- რა არის სხვადასხვა შესაძლო კლასიფიკაცია? მაგალითად, ძაღლები და კატები . ეს არის თქვენი კლასები . მათ ასევე ზოგჯერ უწოდებენ ეტიკეტებს/ლეიბლებს .
- შეაგროვეთ შესაბამისი მონაცემები თქვენი მოდელის მოსამზადებლად. იპოვეთ ბევრი მრავალფეროვანი მონაცემი თითოეული კლასის წარმოსადგენად. მაგალითად, უამრავი სურათი სხვადასხვა ტიპის ძაღლებსა და კატებზე!
ᲠᲔᲙᲝᲛᲔᲜᲓᲘᲠᲔᲑᲣᲚᲘ ᲞᲚᲐᲢᲤᲝᲠᲛᲔᲑᲘ
არსებობს მრავალი უფასო და ღია კოდის პლატფორმა, რომელიც ხელმისაწვდომია AI კლასიფიკაციის მოდელების შესაქმნელად.
ჩვენ მოვამზადეთ პროგრამებისა და პლატფორმების სია, სადაც შეგიძლიათ:
- შექმნათ თქვენი მოდელი პროგნოზის გასაკეთებლად
- შემდეგ გამოიყენოთ თქვენივე მოდელი მობილურ ან ვებ აპში, რათა შეასრულოთ რაიმე მოქმედება პროგნოზის საფუძველზე
ცხრილში მოცემულია სწრაფი მიმოხილვა, თუ რა შეუძლია თითოეულ პლატფორმას.
| პლატფორმა | კლასიფიკაციის ტიპები | Technovation-თან ინტეგრაცია |
|---|---|---|
| Google-ის სწავლებადი მანქანა (Teachable Machine by Google) | სურათები, ხმები, პოზები | App Inventor , პითონი, სხვა ინტეგრაციებიც შესაძლებელია |
| მანქანური სწავლება ბავშვებისთვის | სურათები, ხმები, ტექსტი, რიცხვები | პითონი, App Inventor (ზოგიერთი მონაცემთა ტიპისთვის) |
| MIT App Inventor | სურათები, ხმები, პოზები | App Inventor |
| Ximilar | სურათები | Thunkable , App Inventor , wep აპები API-ების გამოყენებით |
ᲐᲥᲢᲘᲕᲝᲑᲐ: ᲛᲐᲜᲥᲐᲜᲘᲗ ᲡᲬᲐᲕᲚᲘᲡ ᲛᲝᲓᲔᲚᲘᲡ ტესტირება
შექმენით ქვის, ქაღალდის, მაკრატლის მოდელი
შემდეგ იხილეთ თქვენი მოდელი მოქმედებაში მარტივი წინასწარ ჩაშენებული javascript ინტერაქციის საშუალებით.
წინასწარ აწყობილი მოდელები
ახლა, როდესაც თქვენ შექმენით თქვენი პირველი ხელოვნური ინტელექტის მოდელი და დაიწყეთ თქვენი პროექტისთვის საკუთარი მოდელის დაგეგმვა, შეგიძლიათ განიხილოთ უკვე აშენებული მოდელის გამოყენება.
რატომ უნდა გამოიგონოთ ბორბალი ხელახლა, არა?
არსებობს მრავალი საიტი, რომელიც გვთავაზობს საჯარო და გაზიარებულ ხელოვნური ინტელექტის მოდელებს. თუ ისინი თქვენთვის სასურველ კლასიფიკაციას გვთავაზობენ, შეგიძლიათ განიხილოთ მათი გამოყენება. აქ მოცემულია რამდენიმე საიტი, რომლებიც საჯარო მანქანური სწავლების მოდელებს გვთავაზობენ.
ამ მოდელების გამოსაყენებლად, სავარაუდოდ, დაგჭირდებათ ტექსტზე დაფუძნებული ენის, როგორიცაა Python ან Javascript, გამოყენება.
თუ კოდირებაში სრულიად ახალი ხართ, საკუთარი მოდელის შექმნა შესანიშნავი ვარიანტია. თქვენ აკონტროლებთ ყველაფერს და ამ პროცესში ბევრ რამეს შეიტყობთ ხელოვნური ინტელექტის შესახებ!
რეფლექსია
თქვენ შექმენით პირველი AI მოდელი! ამ ყველაფერმა უნდა გაგაცნოთ, თუ როგორ იქმნეა AI მოდელივ. მოდელის შექმნის ყველა პლატფორმა მუშაობს ანალოგიურად, თუმცა ინტერფეისები შეიძლება ოდნავ განსხვავდებოდეს.
ძირითადი ტერმინების მიმოხილვა
- AI (ან მანქანური სწავლების) მოდელი - ხელოვნური ინტელექტი, რომელიც გაწვრთნილია მონაცემთა ბაზაზე, რომელიც ამოიცნოს ნიმუშებს რაღაცის პროგნოზირებისთვის ან კლასიფიკაციისთვის.
- ზედამხედველობითი სწავლება – მანქანური სწავლება, სადაც მოდელი გაწვრთნილია სწორი ან არასწორი შედეგის მითითებით
- ზედამხედველობის გარეშე სწავლება - მანქანური სწავლება, სადაც მოდელი დამოუკიდებლად, ყოველგვარი ჩარევის გარეშე აღმოაჩენს ნიმუშებს.
- კლასი – ეტიკეტი/ლეიბლი, რომელიც მიეწოდება ხელოვნური ინტელექტის მოდელს. კლასის საშუალებით ხელოვნური ინტელექტი სწავლოთ როგორ დაახაირსხოს ინფორმაცია კლასების მიხედვით.
ᲓᲐᲛᲐᲢᲔᲑᲘᲗᲘ ᲠᲔᲡᲣᲠᲡᲔᲑᲘ
თუ გსურთ მეტი გაიგოთ ხელოვნური ინტელექტისა და მანქანური სწავლების შესახებ, აქ მოცემულია ნიუ-იორკის უნივერსიტეტის წარმომადგენელი დენიელ შიფმანის შესანიშნავი დასაკრავი სია .
