ဉာဏ်ရည်တု

အိမ် AI ဆိုတာဘာလဲ။ လူ့ထောက်လှမ်းရေး ဘာသာစကားများ၏သမိုင်း နံပါတ်များသမိုင်း ကွန်ပျူတာသမိုင်း စက်ရုပ်များ အလုပ်အစားထိုးခြင်း။ AI နမူနာများ စိတ်၏သီအိုရီ ပရိုဂရမ်ရေးခြင်း။ JavaScript Browser တွင် AI

သင်္ချာ

သင်္ချာ တစ်ပြေးညီ လုပ်ဆောင်ချက်များ Linear Algebra ကွက်ကွက်များ Matrices တင်းဆာများ

စာရင်းအင်းများ

ဖြစ်နိုင်ခြေ စာရင်းအင်းများ ဖြန့်ဝေခြင်း။

ဂရပ်ဖစ်

AI Plotter AI Linear ဂရပ်ဖစ်များ AI ဖြန့်ကြဲကွက်များ

AI သိပ္ပံ

သိပ္ပံပညာ Data စုဆောင်းခြင်း။ အစုအဝေး ဆုတ်ယုတ်မှုများ စက်သင်ယူခြင်း။ အာရုံကြောကွန်ရက်များ

စက်သင်ယူခြင်း။

Perceptrons များ အသိ လေ့ကျင့်ရေး စမ်းသပ်ခြင်း။ သင်ယူခြင်း။ အသုံးအနှုန်းများ Brain.js

TensorFlow

TFJS ကျူတိုရီရယ် TFJS လည်ပတ်မှုများ TFJS မော်ဒယ်များ TFJS ကြည့်ရှုသူ

ဥပမာ ၁

Ex1 မိတ်ဆက် Ex1 ဒေတာ Ex1 မော်ဒယ် Ex1 သင်တန်း

ဥပမာ ၂

Ex2 မိတ်ဆက် Ex2 ဒေတာ Ex2 မော်ဒယ် Ex2 သင်တန်း

JS ဂရပ်ဖစ်

အင်ထရို Graph Canvas ဂရပ်ဖစ် Plotly.js ဂရပ်ဖစ် Chart.js ဂရပ်ဖစ် ဂရပ်ဖစ် D3.js

စက်သင်ယူခြင်း (ML)

  • ကြီးကြပ်ထားသော Machine Learning
  • ကြီးကြပ်မထားသော စက်သင်ယူမှု
  • ကိုယ်တိုင်ကြီးကြပ်ထားသော စက်သင်ယူခြင်း။

Classical programming သည် ရလဒ်များဖန်တီးရန် ပရိုဂရမ်များ (algorithms) ကို အသုံးပြုသည်-

ရိုးရာကွန်ပြူတာ

Data + Computer Algorithm = ရလဒ်

Machine Learning သည် ပရိုဂရမ်များ (algorithms) ဖန်တီးရန် ရလဒ်များကို အသုံးပြုသည်-

စက်သင်ယူခြင်း။

Data + Result = Computer Algorithm


စက်သင်ယူခြင်း။

Machine Learning ကို Artificial Intelligence နှင့် ညီမျှသည်ဟု ယူဆလေ့ရှိသည်။

ဒါက မမှန်ဘူး။ စက်သင်ယူခြင်းသည် Artificial Intelligence ၏ အစိတ်အပိုင်းတစ်ခုဖြစ်သည်။

Machine Learning သည် စက်များကိုသင်ကြားရန် ဒေတာကိုအသုံးပြုသည့် AI ၏ စည်းကမ်းတစ်ခုဖြစ်သည်။

"Machine Learning သည် ကွန်ပျူတာများကို ပရိုဂရမ်မတင်ဘဲ သင်ယူနိုင်စေမည့် လေ့လာမှုနယ်ပယ်တစ်ခုဖြစ်သည်။"

Arthur Samuel (1959)


ကြီးကြပ်သင်ကြားခြင်း။

ကြီးကြပ်ထားသော သင်ယူမှုသည် အညွှန်းတပ်ထားသော ဒေတာ (သိရှိထားသော အဖြေများပါသည့် ဒေတာ) ကို အသုံးပြု၍ အယ်လဂိုရီမစ်များကို လေ့ကျင့်ရန်-

  • Data အမျိုးအစားခွဲပါ။
  • ရလဒ်များကို ခန့်မှန်းပါ။

ကြီးကြပ်ထားသော သင်ယူမှု သည် လူသိများသော စပမ်းနမူနာများကို အခြေခံ၍ "အီးမေးလ်ရှိ spam ဆိုသည်မှာ ဘာလဲ" ကဲ့သို့သော ဒေတာ ကို အမျိုးအစားခွဲခြား နိုင်သည်။

ကြီးကြပ်ထားသော သင်ယူမှု သည် သင်ကစားခဲ့သည့် ဗီဒီယိုများကို အခြေခံ၍ သင်ကြိုက်နှစ်သက်သည့် ဗီဒီယိုအမျိုးအစားကို ခန့်မှန်းခြင်းကဲ့သို့ ရလဒ်များကို ခန့်မှန်း နိုင်သည်။


ကြီးကြပ်မထားသော သင်ယူမှု

ကြီးကြပ်မှုမရှိသော သင်ယူမှုကို ဒေတာတွင် အဓိပ္ပာယ်ရှိသော ပုံစံများကဲ့သို့ သတ်မှတ်မထားသော ဆက်ဆံရေးများကို ခန့်မှန်းရန် အသုံးပြုသည်။

သူတို့ကိုယ်သူတို့ တိုးတက်အောင်လုပ်နိုင်တာထက် ကွန်ပြူတာ အယ်လဂိုရီသမ်တွေကို ဖန်တီးတာဖြစ်တယ်။

ပရိုဂရမ်မာများသည် မော်ဒယ်များမဖန်တီးဘဲ ပြဿနာများကို ဖြေရှင်းနိုင်စေရန် စက်သင်ယူခြင်းမှ ကြီးကြပ်မထားသော သင်ယူမှုသို့ ပြောင်းသွားလိမ့်မည်ဟု မျှော်လင့်ရသည်။


ကိုယ်တိုင်ကြီးကြပ်သင်ကြားခြင်း။

ကိုယ်တိုင် ကြီးကြပ် သင်ကြားမှု သည် လူထည့်ထားသော အညွှန်းများမပါဘဲ ဒေတာနှစ်ခုလုံးဖြင့် အလုပ်လုပ်သောကြောင့် ကြီးကြပ်မထားသော သင်ယူမှုနှင့် ဆင်တူသည်။

ခြားနားချက်မှာ ကြီးကြပ်မှုမရှိသော သင်ယူမှုသည် အုပ်စုဖွဲ့ခြင်း၊ အုပ်စုဖွဲ့ခြင်းနှင့် အတိုင်းအတာ လျှော့ချခြင်းတို့ကို အသုံးပြု၍ ဆုတ်ယုတ်ခြင်းနှင့် အမျိုးအစားခွဲခြင်းလုပ်ငန်းအတွက် ၎င်း၏ကိုယ်ပိုင် ကောက်ချက်ဆွဲနေစဉ်တွင် ခြားနားချက်မှာ မိမိကိုယ်ကို ကြီးကြပ်သည့် သင်ယူမှုမှ ကောက်ချက်ဆွဲခြင်းဖြစ်သည်။