مقدمه ای بر یادگیری ماشین

یادگیری ماشین(ML) زیرمجموعه‌ ی هوش مصنوعی(AI) بوده و شامل طیف گسترده‌ای از الگوریتم‌هایی هست که قابلیت تعلیم دیدن توسط داده ها را دارند. این توانایی یادگیری از داده‌ها به الگوریتم‌ها اجازه می‌دهد تا مدل‌هایی را ایجاد کنند که با پیدا کردن الگوهایی از داده های پیشین و بهبود این الگوها توسط داده هایی که در طول زمان به خورد آنها داده میشود، قادر به حل مسائل پیچیده ی داده محور باشند.

الگوریتم‌های مختلف یادگیری ماشین از روش ها و تقریبات متفاوتی برای حل یک مسئله استفاده می‌کنند(مانند توابع احتمال)؛ اما خصیصه ی کلیدی این الگوریتم ها به آنجائی برمیگردد که میتوانند تعداد بی‌شماری متغیر را برای یک مشکل داده‌ای(data problem) در نظر گرفته و منجر به دست یابی به یک مدل نهایی دقیقی شوند که نه تنها در مقایسه با انسان ها عملکرد بهتری درحل مسائل خواهد داشت، بلکه با گذر زمان نیز بطور پیوسته بهبود خواهد یافت. هدف از ایجاد این تیپ مدلها پیدا کردن الگوهایی در داده‌های دریافتی میباشد، تا در آینده بتوان از این الگوها برای پیش‌بینی‌های آگاهانه استفاده کرد.