Machine learning
विज्ञापनहरू समावेश गर्दछ
४.८star
१२१ समीक्षाहरू
१० हजार+
डाउनलोड गरिएका सामग्रीहरू
सबैजना
info
यो एपका बारेमा
मेशिन शिक्षाका कम्प्युटर प्रणाली "सिक्न" डेटा संग (अर्थात्, बिस्तारै विशिष्ट कार्य मा प्रदर्शन सुधार), स्पष्ट प्रोग्राम बिना क्षमता दिन्छ कि कम्प्युटर विज्ञान को एक क्षेत्र हो।
नाम मिसिन सिक्ने आर्थर शमूएल द्वारा 1959 मा गढा थियो। ढाँचा पहिचान र कृत्रिम बुद्धि मा गणना सिक्ने सिद्धान्त को अध्ययन देखि विकसित, मेशिन शिक्षाका अध्ययन र सिक्न र डाटा मा भविष्यवाणी गर्न सक्छन् कि एल्गोरिदम को निर्माण पडताल - यस्तो एल्गोरिदम डाटा सञ्चालित भविष्यवाणी वा निर्णय गरेर कडाई स्थिर कार्यक्रम निर्देशनहरू निम्न हटाउन , 2 नमूना आदानों देखि एक मोडेल निर्माण मार्फत। मेशिन शिक्षाका डिजाइन र राम्रो प्रदर्शन संग स्पष्ट एल्गोरिदम प्रोग्रामिंग गाह्रो वा infeasible छ जहाँ गणनाको कार्यहरू दायरा मा कार्यरत छ; उदाहरणका आवेदन इमेल फिल्टर, नेटवर्क घुसपैठियों वा खराब अंदरूनी डाटा उल्लंघन, अप्टिकलक्यारेक्टरपहिचान (ओसीआर) तिर काम को खोज, श्रेणीका सिक्ने र कम्प्युटर दृष्टि समावेश गर्नुहोस्।
मेशिन शिक्षाका राम्ररी गर्न (र अक्सर मिल्दोजुल्दो) गणना तथ्याङ्क, जो पनि भविष्यवाणी बनाउने कम्प्युटर प्रयोगको माध्यमबाट मा केंद्रित सम्बन्धित छ। यो क्षेत्रमा तरिका, सिद्धान्त र आवेदन डोमेन पठाएमा जो गणितीय अनुकूलन, गर्न बलियो सम्बन्ध छ। मेशिन शिक्षाका कहिलेकाहीं जहाँ उत्तरार्द्ध subfield खोजपूर्ण डाटा विश्लेषण थप केंद्रित र unsupervised सिक्ने रूपमा जानिन्छ डाटा खनन, संग conflated छ। VII मिसिन सिक्ने पनि unsupervised हुन सक्छ र सिक्न र विभिन्न संस्थाहरू र त्यसपछि अर्थपूर्ण anomalies फेला पार्न प्रयोग को लागि आधारलाइन व्यवहार प्रोफाइल स्थापना गर्न प्रयोग गर्न।
डाटा विश्लेषण को क्षेत्र भित्र, मेशिन शिक्षाका भविष्यवाणी गर्न आफूलाई उधारो भनेर जटिल मोडेल र एल्गोरिदम चिंतन गर्न प्रयोग विधि हो; व्यावसायिक प्रयोगमा, यो भविष्यवाणी विश्लेषण रूपमा चिनिन्छ। यी विश्लेषणात्मक मोडेल अनुमति अनुसन्धानकर्ताहरूले, डाटा वैज्ञानिकहरू, ईन्जिनियर, र विश्लेषकहरूले "विश्वसनीय, दोहोर्याउन मिल्ने निर्णय र परिणाम उत्पादन" र डाटा मा ऐतिहासिक सम्बन्ध र रुझान सिक्नु मार्फत "लुकेका जाँचहरू" लेगी।
किनभने ढाँचाको फेला कठिन छ र अक्सर पर्याप्त प्रशिक्षण डाटा परिणाम रूपमा उपलब्ध छन्, मिसिन-सिक्दै कार्यक्रम अक्सर उद्धार गर्न असफल प्रभावकारी मेशिन शिक्षाका गाह्रो छ।
नाम मिसिन सिक्ने आर्थर शमूएल द्वारा 1959 मा गढा थियो। ढाँचा पहिचान र कृत्रिम बुद्धि मा गणना सिक्ने सिद्धान्त को अध्ययन देखि विकसित, मेशिन शिक्षाका अध्ययन र सिक्न र डाटा मा भविष्यवाणी गर्न सक्छन् कि एल्गोरिदम को निर्माण पडताल - यस्तो एल्गोरिदम डाटा सञ्चालित भविष्यवाणी वा निर्णय गरेर कडाई स्थिर कार्यक्रम निर्देशनहरू निम्न हटाउन , 2 नमूना आदानों देखि एक मोडेल निर्माण मार्फत। मेशिन शिक्षाका डिजाइन र राम्रो प्रदर्शन संग स्पष्ट एल्गोरिदम प्रोग्रामिंग गाह्रो वा infeasible छ जहाँ गणनाको कार्यहरू दायरा मा कार्यरत छ; उदाहरणका आवेदन इमेल फिल्टर, नेटवर्क घुसपैठियों वा खराब अंदरूनी डाटा उल्लंघन, अप्टिकलक्यारेक्टरपहिचान (ओसीआर) तिर काम को खोज, श्रेणीका सिक्ने र कम्प्युटर दृष्टि समावेश गर्नुहोस्।
मेशिन शिक्षाका राम्ररी गर्न (र अक्सर मिल्दोजुल्दो) गणना तथ्याङ्क, जो पनि भविष्यवाणी बनाउने कम्प्युटर प्रयोगको माध्यमबाट मा केंद्रित सम्बन्धित छ। यो क्षेत्रमा तरिका, सिद्धान्त र आवेदन डोमेन पठाएमा जो गणितीय अनुकूलन, गर्न बलियो सम्बन्ध छ। मेशिन शिक्षाका कहिलेकाहीं जहाँ उत्तरार्द्ध subfield खोजपूर्ण डाटा विश्लेषण थप केंद्रित र unsupervised सिक्ने रूपमा जानिन्छ डाटा खनन, संग conflated छ। VII मिसिन सिक्ने पनि unsupervised हुन सक्छ र सिक्न र विभिन्न संस्थाहरू र त्यसपछि अर्थपूर्ण anomalies फेला पार्न प्रयोग को लागि आधारलाइन व्यवहार प्रोफाइल स्थापना गर्न प्रयोग गर्न।
डाटा विश्लेषण को क्षेत्र भित्र, मेशिन शिक्षाका भविष्यवाणी गर्न आफूलाई उधारो भनेर जटिल मोडेल र एल्गोरिदम चिंतन गर्न प्रयोग विधि हो; व्यावसायिक प्रयोगमा, यो भविष्यवाणी विश्लेषण रूपमा चिनिन्छ। यी विश्लेषणात्मक मोडेल अनुमति अनुसन्धानकर्ताहरूले, डाटा वैज्ञानिकहरू, ईन्जिनियर, र विश्लेषकहरूले "विश्वसनीय, दोहोर्याउन मिल्ने निर्णय र परिणाम उत्पादन" र डाटा मा ऐतिहासिक सम्बन्ध र रुझान सिक्नु मार्फत "लुकेका जाँचहरू" लेगी।
किनभने ढाँचाको फेला कठिन छ र अक्सर पर्याप्त प्रशिक्षण डाटा परिणाम रूपमा उपलब्ध छन्, मिसिन-सिक्दै कार्यक्रम अक्सर उद्धार गर्न असफल प्रभावकारी मेशिन शिक्षाका गाह्रो छ।
मा अपडेट गरिएको
तपाईंको डेटा सुरक्षित राख्नका निम्ति तपाईंले पहिला विकासकर्ताहरूले तपाईंको डेटा कसरी सङ्कलन तथा सेयर गर्छ भन्ने कुरा बुझ्न जरुरी छ। एपको प्रयोगसम्बन्धी जानकारी, तपाईं बसोबास गर्ने क्षेत्र र तपाईंको उमेरका आधारमा डेटाको गोपनीयता र सुरक्षासम्बन्धी अभ्यासहरू फरक हुन सक्छन्। यो एपका विकासकर्ताले यो जानकारी प्रदान गर्नुभएको हो र उहाँ समयक्रमसँगै यो जानकारी संशोधन गर्न सक्नुहुन्छ।
यो एपले तेस्रो पक्षसँग यस प्रकारका डेटा सेयर गर्न सक्छ
लोकेसन, एपमा बिताएको समय र अन्य 2 प्रकारका डेटा
कुनै पनि डेटा सङ्कलन गरिएको छैन
विकासकर्ताहरूले प्रयोगकर्ताको डेटा सङ्कलन गरिने कुराका बारेमा कसरी जानकारी गराउँछन् भन्नेबारेमा थप जान्नुहोस्
डेटा ट्रान्जिटमा इन्क्रिप्ट गरिएको छ
डेटा मेटाउन सकिएन
मूल्याङ्कन र समीक्षाहरू
४.८
११९ समीक्षाहरू
