یادگیری ماشین ( به انگلیسی: Machine learning ) یا اِم اِل ( اختصاری ML ) ، مطالعهٔ الگوریتم ها و مدل های آماری مورد استفادهٔ سیستم های کامپیوتری است که به جای استفاده از دستورالعمل های واضح، از الگوها و استنباط برای انجام وظایف استفاده می کنند. [ ۱] یادگیری ماشینی علمی است که باعث می شود رایانه ها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند. به عنوان زیر مجموعه ای از هوش مصنوعی، الگوریتم های یادگیری ماشینی یک مدل ریاضی بر اساس داده های نمونه یا داده های آموزش به منظور پیش بینی یا تصمیم گیری بدون برنامه ریزی آشکار، ایجاد می کنند.
یادگیری ماشین در بسیاری زمینه ها از جمله مهندسی، کسب و کار، زبان شناسی و پزشکی کاربرد دارد. [ ۲] [ ۳] یادگیری ماشینی در بسیاری جنبه های زندگی روزمره وارد شده است. برای نمونه، موتورهای جستجوی اینترنتی در گوگل یا بینگ از یادگیری ماشینی استفاده می کنند، چرا که نرم افزار یادگیری ماشینی آن ها چگونگی رتبه بندی برای یک صفحه وب را درک کرده است. همین طور فیس بوک یا برنامه عکس اپل که تصاویر افراد را شناسایی می کند نوعی از یادگیری ماشینی است. فیلتر هرزنامه ها ( spam ) در ایمیل هم از کاربردهای یادگیری ماشینی است.
به بیانی دیگر از طریق «یادگیری ماشین»، سامانه هایی رایانه ای ساخته می شود که از داده هایی که دریافت می کنند، یادمی گیرند که چگونه وظایف خود را اجرا کنند؛ یعنی به جای آن که برنامه نویس و توسعه دهنده خط به خط دستورالعملی که یک برنامه کدنویسی شده باید انجام بدهد را مشخص کند، خود نرم افزار به طور مستقل کد خود را بعد از استفاده شدن به روز می کند و برای به دست آمدن نتیجهٔ بهتر، کد خود را بهبود می بخشد. [ ۴]
هدف یادگیری ماشینی این است که رایانه ها و سامانه ها بتوانند به تدریج و با افزایش داده ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام برداری روبات های دوپا با دریافت سیگنال پاداش و تنبیه باشد.
طیف پژوهش هایی که در یادگیری ماشینی می شود گسترده است. به لحاظ نظری پژوهش گران بر آن اند که روش های یادگیری تازه ای به وجود بیاورند و امکان پذیری و کیفیت یادگیری را برای روش های شان مطالعه کنند و در سوی دیگر عده ای از پژوهش گران سعی می کنند روش های یادگیری ماشینی را بر مسایل تازه ای اعمال کنند. البته این طیف گسسته نیست و پژوهش های انجام شده دارای مؤلفه هایی از هر دو روی کرد هستند.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفیادگیری ماشین در بسیاری زمینه ها از جمله مهندسی، کسب و کار، زبان شناسی و پزشکی کاربرد دارد. [ ۲] [ ۳] یادگیری ماشینی در بسیاری جنبه های زندگی روزمره وارد شده است. برای نمونه، موتورهای جستجوی اینترنتی در گوگل یا بینگ از یادگیری ماشینی استفاده می کنند، چرا که نرم افزار یادگیری ماشینی آن ها چگونگی رتبه بندی برای یک صفحه وب را درک کرده است. همین طور فیس بوک یا برنامه عکس اپل که تصاویر افراد را شناسایی می کند نوعی از یادگیری ماشینی است. فیلتر هرزنامه ها ( spam ) در ایمیل هم از کاربردهای یادگیری ماشینی است.
به بیانی دیگر از طریق «یادگیری ماشین»، سامانه هایی رایانه ای ساخته می شود که از داده هایی که دریافت می کنند، یادمی گیرند که چگونه وظایف خود را اجرا کنند؛ یعنی به جای آن که برنامه نویس و توسعه دهنده خط به خط دستورالعملی که یک برنامه کدنویسی شده باید انجام بدهد را مشخص کند، خود نرم افزار به طور مستقل کد خود را بعد از استفاده شدن به روز می کند و برای به دست آمدن نتیجهٔ بهتر، کد خود را بهبود می بخشد. [ ۴]
هدف یادگیری ماشینی این است که رایانه ها و سامانه ها بتوانند به تدریج و با افزایش داده ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام برداری روبات های دوپا با دریافت سیگنال پاداش و تنبیه باشد.
طیف پژوهش هایی که در یادگیری ماشینی می شود گسترده است. به لحاظ نظری پژوهش گران بر آن اند که روش های یادگیری تازه ای به وجود بیاورند و امکان پذیری و کیفیت یادگیری را برای روش های شان مطالعه کنند و در سوی دیگر عده ای از پژوهش گران سعی می کنند روش های یادگیری ماشینی را بر مسایل تازه ای اعمال کنند. البته این طیف گسسته نیست و پژوهش های انجام شده دارای مؤلفه هایی از هر دو روی کرد هستند.
wiki: یادگیری ماشین