Algorîtmaya AI çi ye? [Vîdyo û Pirs]

Bersiva kurt: Algorîtmaya AI rêbaza ku komputer bikar tîne da ku ji daneyan qaliban fêr bibe, dûv re pêşbîniyan an biryaran bi karanîna modelek perwerdekirî bide. Ew ne mantiqa "eger-wê hingê" ya sabît e: ew dema ku rastî mînak û bersivê tê diguhere. Dema ku daneyên diguherin an xeletî hildigirin, ew hîn jî dikare xeletiyên bawerpêkirî çêbike.

Xalên sereke:

Pênasîn: Reçeteya fêrbûnê (algorîtma) ji pêşbînkerê perwerdekirî (model) veqetînin.

Çerxa Jiyanê: Perwerde û texmînkirinê wekî cuda bihesibînin; têkçûn pir caran piştî bicihkirinê derdikevin holê.

Berpirsiyarî: Biryar bide ka kî xeletiyan dinirxîne û dema ku sîstem xeletiyan dike çi dibe.

Berxwedana Bikaranîna Çewt: Li rijandin, xeletiya otomasyonê, û lîstikên metrîkî yên ku dikarin encaman zêde bikin hişyar bin.

Denetîbbûn: Çavkaniyên daneyan, mîhengan û nirxandinan bişopînin da ku biryar paşê bêne nîqaşkirin.

Gotarên ku hûn dikarin piştî vê yekê bixwînin:

🔗 Etîka AI çi ye?
Prensîbên ji bo AI-ya Berpirsiyar: dadmendî, şefafî, hesabdayîn û ewlehî.

🔗 Pêşbaziya AI çi ye
Çawa daneyên alîgir encamên AI-ê tehrîk dikin û çawa wê rast bikin.

🔗 Pîvanbarkirina AI çi ye
Rêbazên pîvandina pergalên AI: dane, hesabkirin, bicihkirin, û operasyon.

🔗 AI ya şirovekirî çi ye
Çima modelên şîrovekirî ji bo bawerî, çareserkirina pirsgirêkan û pabendbûnê girîng in.

Bi rastî algorîtmaya AI çi ye? 🧠

Algorîtmaya AI prosedurek e ku komputer bikar tîne da ku:

• Ji daneyan (an jî nerînan)

• Qaliban nas bike

• Pêşbînî an biryaran bikin

• performansê baştir bike [1]

Algorîtmayên klasîk wiha ne: "Van hejmaran li gorî rêza ber bi jor ve rêz bikin." Gavên zelal, her car heman encam.

Algorîtmayên mîna AI bêtir dişibin van tiştan: "Li vir milyonek mînak hene. Ji kerema xwe fêm bikin ka 'pisîk' çi ye." Dûv re ew qalibek navxweyî ava dike ku bi gelemperî dixebite. Bi gelemperî. Carinan ew balîfek nerm dibîne û bi tevahî baweriyek "PISÎK!" diqîre. 🐈⬛

Algorîtmaya AI li dijî Modela AI: Cûdahiya ku mirov paşguh dikin 😬

Ev gelek tevliheviyê zû ji holê radike:

• Algorîtmaya AI = rêbaza fêrbûnê / nêzîkatiya perwerdeyê
  ("Bi vî rengî em xwe ji daneyan nûve dikin.")

• Modela AI = berhema perwerdekirî ya ku hûn li ser têketinên nû dimeşînin
  ("Ev tişt e ku niha pêşbîniyan dike.") [1]

Ji ber vê yekê, algorîtma mîna pêvajoya çêkirinê ye, û model jî xwarina qediyayî ye 🍝. Dibe ku metaforek hinekî lerzok be, lê ew derbas dibe.

Her wiha, heman algorîtma dikare modelên pir cûda hilberîne, li gorî:

• daneyên ku hûn didin wê

• mîhengên ku hûn hildibijêrin

• çiqas dirêj tu perwerde dikî

• daneyên te çiqas bêserûber in (spoiler: ew hema hema her gav bêserûber e)

Çima algorîtmaya AI girîng e (heta ku hûn "teknîkî" nebin jî) 📌

Tewra ku tu qet rêzek kodê nenivîsî jî, algorîtmayên AI dîsa jî bandorê li te dikin. Gelek.

Bifikirin: fîlterên spamê, kontrolên sextekarîyê, pêşniyar, wergerandin, piştgiriya wênekirina bijîşkî, çêtirkirina rêyan, û xala rîskê. (Ne ji ber ku AI "zindî" ye, lê ji ber ku naskirina qaliban di pîvanek mezin de li mîlyonek deverên bêdeng û girîng bi qîmet e.)

Û heke hûn karsaziyekê ava dikin, tîmekê birêve dibin, an jî hewl didin ku ji hêla jargonê ve neyên xapandin, fêmkirina algorîtmaya AI-ê ji we re dibe alîkar ku hûn pirsên çêtir bipirsin:

• Diyar bike ku pergal ji kîjan daneyan fêr bûye.

• Kontrol bike ka çawa xeletî tê pîvandin û kêmkirin.

• Dema ku sîstem xelet be çi dibe diyar bike.

Ji ber ku carinan ew ê xelet be. Ev ne pesîmîzm e. Ev rastî ye.

Çawa algorîtmayek AI "fêr dibe" (perwerdekirin vs texmînkirin) 🎓➡️🔮

Piraniya pergalên fêrbûna makîneyê du qonaxên sereke hene:

1) Perwerde (dema fêrbûnê)

Di dema perwerdeyê de, algorîtmaya jêrîn:

• mînakan (daneyan) dibîne

• pêşbîniyan dike

• dipîve ka çiqas xelet e

• parametreyên navxweyî sererast dike da ku xeletiyê kêm bike [1]

2) Tesbîtkirin (bi karanîna demê)

Encam ev e ku dema modela perwerdekirî li ser têketinên nû tê bikar anîn:

• e-nameyek nû wekî spam dabeş bikin an na

• pêşbîniya daxwazê ​​​​hefteya bê

• wêneyekî nîşan bike

• bersivekê çêbike [1]

Perwerde "xwendin" e. Encam "azmûn" e. Lê azmûn qet bi dawî nabe û mirov di nîvê rê de qaîdeyan diguherînin. 😵

Malbatên mezin ên şêwazên algorîtmayên AI (bi intuîsyona sade ya Îngilîzî) 🧠🔧

Fêrbûna bi çavdêrî 🎯

Hûn nimûneyên nîşankirî yên wekî: pêşkêş dikin:

• "Ev spam e" / "Ev ne spam e"

• "Ev xerîdar çû" / "Ev xerîdar ma"

Algorîtma nexşerêyekê ji têketin → derketin fêr dibe. Pir gelemperî ye. [1]

Fêrbûna bêçavdêrî 🧊

Etîket tune ne. Sîstem li avahiyê digere:

• komên xerîdarên wekhev

• şêweyên neasayî

• mijarên di belgeyan de [1]

Fêrbûna xurtkirinê 🕹️

Sîstem bi rêya ceribandin û xeletîyan fêr dibe, bi rêya xelatan tê rêvebirin. (Gava xelat zelal bin pir baş e. Dema ne zelal bin jî aloz e.) [1]

Fêrbûna Kûr (torên demarî) 🧠⚡

Ev ji algorîtmayek yekane bêtir malbatek teknîkan e. Ew temsîlên qatqatî bikar tîne û dikare şêwazên pir tevlihev fêr bibe, nemaze di dîtin, axaftin û ziman de. [1]

Tabloya berawirdkirinê: malbatên algorîtmayên AI-ê yên populer bi awirek 🧩

Ne "lîsteya çêtirîn" e - bêtir dişibihe nexşeyekê da ku hûn dev ji hestê berdin ku her tişt şorbeyek mezin a AI ye.

Çi dike ku algorîtmayek AI guhertoyek baş be? ✅🤔

Algorîtmayeke AI ya "baş" ne bixweber ya herî xweşik e. Di pratîkê de, pergaleke baş bi gelemperî wiha ye:

• Ji bo armanca rastîn têra xwe rast e (ne bêkêmasî - hêja ye)

• Xurt (dema ku daneyên hinekî diguherin hilnaweşe)

• Têra xwe ravekirî ye (ne hewce ye ku zelal be, lê ne qulikek reş a bi tevahî be)

• Dadperwer û bi xeletî kontrolkirî (daneyên çewt → derketinên çewt)

• Bi bandor (ji bo karekî hêsan superkomputer tune ye)

• Parastinbar (çavdêrîker, nûjenker, baştirker)

Meseleyeke kurt û pratîkî (ji ber ku tişt li vir berbiçav dibin)

Modelek windakirina bikarhêneran xeyal bike ku di ceribandinê de "ecêb" be… ji ber ku bi xeletî cîgirek ji bo "tîma ragirtinê berê bi xerîdar re têkilî danî" fêr bûye. Ev ne sêrbaziya pêşbînîkirinê ye. Ev rijandin e. Ew ê qehremanî xuya bike heya ku hûn wê bicîh bikin, dûv re jî tavilê rûyê xwe bizivirînin. 😭

Em çawa difikirin ka algorîtmayek AI "baş" e 📏✅

Tu tenê bi çavê xwe lê nanêrî (baş e, hin kes wisa dikin, û dû re jî kaos li pey tê).

Rêbazên nirxandinê yên hevpar ev in:

• Tamî

• Rastbûn / bîranîn

• Pûana F1 (duristbûn/bîranîn hevseng dike) [2]

• AUC-ROC (kalîteya rêzkirinê ji bo dabeşkirina dualî) [3]

• Pîvandî (gelo bawerî bi rastiyê re li hev dike)

Û dûv re jî testa cîhana rastîn heye:

• Ma ew alîkariya bikarhêneran dike?

• Ma ew lêçûnan an rîskê kêm dike?

• Ma ew pirsgirêkên nû diafirîne (alarmên derewîn, redkirinên neheq, herikînên kar ên tevlihev)?

Carinan modelek "hinekî xirabtir" li ser kaxezê di hilberînê de çêtir e ji ber ku ew aram, raveker û şopandina wê hêsantir e.

Xefikên hevpar (ango projeyên AI bi bêdengî ber bi aliyekî ve diçin) ⚠️😵💫

Tewra tîmên zexm jî van xistin:

• Zêde-lihevhatin (li ser daneyên perwerdeyê baş e, li ser daneyên nû xerabtir e) [1]

• Rizandina daneyan (bi agahdariya ku hûn di dema pêşbîniyê de tune ne hatine perwerdekirin)

• Pirsgirêkên alîgirî û dadperweriyê (daneyên dîrokî neheqiya dîrokî dihewînin)

• Derketina têgehê (cîhan diguhere; model naguhere)

• Metrîkên nelihevhatî (hûn rastbûnê baştir dikin; bikarhêner li tiştekî din eleqedar dibin)

• Panîka qutiya reş (kes nikare biryarê rave bike dema ku ji nişkê ve girîng be)

Pirsgirêkek din a nazik: meyldariya otomasyonê - mirov ji ber ku ew pêşniyarên pêbawer derdixe, zêde baweriya xwe bi pergalê tînin, ku ev dikare hişyarî û kontrolkirina serbixwe kêm bike. Ev yek di lêkolînên piştgiriya biryarê de, di nav de çarçoveyên lênihêrîna tenduristiyê jî, hatiye belgekirin. [4]

"AI-ya pêbawer" ne atmosferek e - ew navnîşek kontrolê ye 🧾🔍

Eger pergaleke AI bandorê li mirovên rastîn bike, hûn ji "rastbûna wê li gorî pîvana me" bêtir dixwazin

Çarçoveyek zexm rêveberiya rîska çerxa jiyanê ye: plan → avakirin → ceribandin → bicihkirin → çavdêrîkirin → nûvekirin. Çarçoveya Rêveberiya Rîska AI ya NIST taybetmendiyên AI-ya "bawermend" wekî derbasdar û pêbawer, ewle, ewledar û berxwedêr, berpirsiyar û zelal, ravekirî û şîrovekirî, nepenî-zêdekirî, û dadperwer (alîkariya zirardar tê rêvebirin). [5]

Werger: hûn dipirsin gelo ew dixebite.
Her wiha hûn dipirsin gelo ew bi ewlehî têk diçe, û gelo hûn dikarin vê yekê nîşan bidin.

Xalên Sereke 🧾✅

Eger hûn ji vê yekê tiştekî din negirin:

• Algorîtmaya AI = rêbaza fêrbûnê, reçeteya perwerdeyê

• Modela AI = derana perwerdekirî ya ku hûn bicîh dikin

• AI-ya baş ne tenê "zîrek" e - ew pêbawer e, tê çavdêrîkirin, ji hêla alîgiran ve tê kontrolkirin, û ji bo kar guncaw e.

• Kalîteya daneyan ji ya ku piraniya mirovan dixwazin qebûl bikin girîngtir e

• Algorîtmaya herî baş bi gelemperî ew e ku pirsgirêkê çareser dike bêyî ku sê pirsgirêkên nû biafirîne 😅

Nimûneyek ji cîhana rastîn: Ceribandina algorîtmayek pêşbîniya windabûnê berî destpêkirinê 📉🧪

Senaryo

Şîrketeke nermalava abonetiyê ya piçûk xeyal bike ku dixwaze pêşbînî bike ka kîjan xerîdar di nav 30 rojên bê de îhtîmal e ku betal bikin.

Tîmê daneyên xerîdarên 18 mehan hene: pirbûna têketinê, bilêtên piştgiriyê, celebê planê, derengketinên dravdanê, karanîna hilberê, tarîxên nûvekirinê, û gelo her xerîdar di dawiyê de betal kiriye. Analîstek daneyan du guhertoyên modelê ava dike: bingehek regresyona lojîstîkî ya hêsan û modelek zêdekirina gradientê ya tevlihevtir.

Armanc ne "dîtina algorîtmaya herî zîrek" e. Armanc ew e ku modelek were dîtin ku alîkariya tîmê serkeftina xerîdar bike ku zû bi hesabên rast re têkilî dayne, bêyî ku nîvê hefteyê li dû alarmên derewîn winda bike.

Tiştê ku pergala kar hewce dike

Berî hilbijartina algorîtmayê, tîm amade dike:

• Setek daneya perwerdehiyê ya paqij bi rêzek ji bo her xerîdar

• Etîketeke zelal: "di nav 30 rojan de hatiye betalkirin" erê/na

• Lîsteyek ji stûnên berdest berî roja pêşbînîkirinê

• Komek testa ragirtinê ji sê mehên herî dawî

• Pêvajoyek nirxandinê ya hêsan ji bo pozîtîfên derewîn û negatîfên derewîn

• Qaydeyek ku tu puana xetera betalkirinê ya otomatîkî ji xerîdaran re nayê nîşandan

Kontrolek girîng: her tiştê ku bersivê dide derxin. Mînakî, "dîskonta ku ji hêla tîmê ragirtinê ve tê pêşkêş kirin" divê neyê bikar anîn ger ev tenê piştî ku guman tê kirin ku kesek betal kiriye çêbibe.

Nimûneya rênimayan

Dema ku ji alîkar an analîstek AI-ê dixwazin ku sazkirinê binirxîne, vê rêwerzê bikar bînin:

Vê sêwirana daneya pêşbîniya windabûnê binirxînin. Her stûnek ku dikare bibe sedema rijandina daneyan, her taybetmendîyek ku dikare pêşbîniyan bi neheqî çewt bike, û her metrîkek ku divê em berî bicîhkirinê bişopînin destnîşan bikin. Model dê ji hêla tîmek serkeftina xerîdar ve were bikar anîn da ku pêşîniyê bide gihîştinê, ne ku biryarên hesabê yên otomatîkî bide.

Çawa wê biceribînin

Modelê bi pirsên wekî: biceribînin:

• Ma model hîn jî li ser daneyên sê mehên herî dawî dixebite?

• Kîjan 10 stûn herî zêde bandorê li pêşbîniyan dikin?

• Ma xerîdarên li ser planên erzantir ji ber sedemên ku ne bi rîska windabûna rastîn ve girêdayî ne, pir caran têne nîşankirin?

• Tîm dê her hefte bi çend xerîdarên nîşankirî re têkilî dayne?

• Ger di dema betlaneyê de karanîna hilberê ji bo her kesî kêm bibe dê çi bibe?

Testeke baş pratîkî ye, ne tenê matematîkî. Ger model heftê 600 xerîdaran nîşan bide û tîm tenê bikaribe bi 80 xerîdaran re têkilî dayne, dibe ku algorîtma rast be lê dîsa jî ji bo herikîna kar nebaş hatiye sêwirandin.

Netîce

Encama mînakî: li ser bingeha komek ceribandinê ya 1,000 hesabên xerîdaran, modela regresyona lojîstîk a hêsan gihîştiye %71 vegerandinê û %42 rastbûnê. Modela zêdekirina gradyanê gihîştiye %78 vegerandinê û %48 rastbûnê, lê ji ber ku taybetmendiyên wê yên sereke du xetereyên rijandina gengaz dihewînin, pêdivî bi nirxandinek zêde hebû.

Piştî rakirina stûnên ku meyla wan rijandinê hebû, modela zêdekirina gradyanê hinekî daket û gihîşt rêjeya bîranînê ya %74 û rastbûna %46. Ev hîn jî bi qîmet bû: di nirxandineke heftane ya 100 hesabên nîşankirî de, tîm li şûna ku bi awayekî rasthatî bi hesaban re têkilî daynin, li bendê bû ku nêzîkî 46 xerîdarên bi rastî jî xetereya wan zêde be.

Texmîna demê: eger nirxandina destanî ya hesabê ji bo her xerîdarekî 6 deqîqeyan bigire, nirxandina 100 hesabên bi awayekî rasthatî hatine hilbijartin dê 10 demjimêran bigire. Bikaranîna modelê ji bo navnîşkirina rîskên windabûna muhtemel dema nirxandinê li 10 demjimêran dihêle lê hejmara hewldanên gihîştina xerîdaran ên hêja zêde dike. Pîvana ku were verastkirin hêsan e: bişopînin ka çend xerîdarên nîşankirî hatine têkilî kirin, çend ji wan bi rastî di xetereyê de bûn, û çend ji wan piştî gihîştina xerîdaran abonetiya xwe parastine.

Çi dikare xelet biçe

Ger daneyên di nav xwe de agahiyên pêşerojê, wek pêşniyarên ragirtinê, bersivên anketa betalkirinê, an jî notên piştgiriyê yên piştî ku xerîdar biryar daye ku biçe hatine nivîsandin, hebin, model dikare ji ya rastîn çêtir xuya bike.

Tîm dikare bikeve nav meyldariya otomatîkkirinê jî. Pûanek "rîska bilind" divê nirxandinek mirovî bide destpêkirin, ne e-nameyek robotîk ku xerîdarên dilsoz aciz bike.

Şaşiyeke din jî tenê şopandina rastbûnê ye. Ger tenê %5ê xerîdaran betal bikin, modeleke tembel ku pêşbînî dike "kes betal nake" dibe ku rast xuya bike lê ti nirxek pratîkî pêşkêş neke.

Xwarineke pratîkî

Baştirîn algorîtmaya AI ew e ku di têkiliya bi herikîna xebatê ya zindî de sax dimîne. Bi xaleke bingehîn dest pê bikin, ji bo rijandinê kontrol bikin, daneyên dawî biceribînin, alarmên derewîn bipîvin, û piştrast bikin ku mirov dizanin kengê divê puanê bipirsin.

Pirsên Pir tên Pirsîn

Algorîtmaya AI-ê bi gotinên hêsan çi ye?

Algorîtmaya AI rêbaza ku komputer bikar tîne da ku ji daneyan qaliban fêr bibe û biryaran bide. Li şûna ku xwe bispêre qaîdeyên "eger-wê hingê" yên sabît, ew piştî dîtina gelek mînakan an wergirtina bersivê xwe diguherîne. Armanc ew e ku di demê re di pêşbînîkirin an dabeşkirina têketinên nû de baştir bibe. Ew bi hêz e, lê dîsa jî dikare xeletiyên bi bawer bike.

Cûdahiya di navbera algorîtmayek AI û modelek AI de çi ye?

Algorîtmaya AI pêvajoya fêrbûnê an reçeteya perwerdeyê ye - çawa pergal xwe ji daneyan nûve dike. Modela AI encama perwerdekirî ye ku hûn dimeşînin da ku pêşbîniyan li ser têketinên nû bikin. Heman algorîtmaya AI dikare li gorî daneyan, dema perwerdeyê û mîhengan modelên pir cûda hilberîne. Li hember "pêvajoya pijandinê" bifikirin

Algorîtmayek AI-ê di dema perwerdeyê de li hember texmînkirinê çawa fêr dibe?

Perwerde ew dem e ku algorîtma lêkolîn dike: ew mînakan dibîne, pêşbîniyan dike, xeletiyê dipîve, û parametreyên navxweyî diguherîne da ku wê xeletiyê kêm bike. Encam ew dem e ku modela perwerdekirî li ser têketinên nû tê bikar anîn, mîna dabeşkirina spamê an jî nîşankirina wêneyek. Perwerde qonaxa fêrbûnê ye; encam qonaxa bikaranînê ye. Gelek pirsgirêk tenê di dema nirxandinê de derdikevin holê ji ber ku daneyên nû ji tiştê ku pergalê li ser fêr bûye cuda tevdigerin.

Cureyên sereke yên algorîtmayên AI çi ne (çavdêrîkirî, bêçavdêrî, xurtkirin)?

Fêrbûna çavdêrîkirî mînakên nîşankirî bikar tîne da ku nexşeyek ji têketinê ber bi derketinê ve fêr bibe, mîna spam û ne-spam. Fêrbûna bê çavdêrîkirî ti nîşanekan nagire û li avahiyê digere, wek kom an şêwazên neasayî. Fêrbûna xurtkirinê bi ceribandin û xeletiyê bi karanîna xelatan fêr dibe. Fêrbûna kûr malbatek berfirehtir a teknîkên tora neural e ku dikare şêwazên tevlihev bigire, nemaze ji bo karên dîtin û ziman.

Hûn çawa dizanin ka algorîtmayek AI di jiyana rast de "baş" e?

Algorîtmayeke AI ya baş bixweber ne ya herî tevlihev e - ew algorîtmaya ku bi awayekî pêbawer digihîje armancê ye. Tîm li pîvanên wekî rastbûn, duristbûn/bibîranîn, F1, AUC-ROC, û kalibrkirinê dinêrin, dûv re performans û bandora paşîn di mîhengên bicihkirinê de diceribînin. Aramî, ravekirin, karîgerî, û domdarî di hilberînê de pir girîng in. Carinan modelek hinekî qelstir li ser kaxezê serdikeve ji ber ku şopandin û baweriya wê hêsantir e.

Derxistina daneyan çi ye, û çima ew projeyên AI têk dibe?

Derketina daneyan dema ku model ji agahiyên ku di dema pêşbînîkirinê de peyda nabin fêr dibe çêdibe. Ev dikare encaman di ceribandinê de ecêb xuya bike lê piştî bicihkirinê bi giranî têk diçe. Nimûneyek klasîk bi xeletî karanîna sînyalan e ku çalakiyên piştî encamê nîşan didin, mîna têkiliya tîma ragirtinê di modela windabûnê de. Derketina daneyan "performansa sexte" diafirîne ku di xebata rastîn de winda dibe.

Çima algorîtmayên AI bi demê re xirabtir dibin, her çend di dema destpêkirinê de rast bin jî?

Daneyên bi demê re diguherin - xerîdar bi awayekî cuda tevdigerin, polîtîka diguherin, an jî berhem pêşve diçin - dibin sedema guhertina konseptê. Model wekî xwe dimîne heya ku hûn performansê bişopînin û wê nûve bikin. Tewra guhertinên piçûk jî dikarin rastbûnê kêm bikin an alarmên derewîn zêde bikin, nemaze heke model şikestî be. Nirxandina berdewam, ji nû ve perwerdekirin, û pratîkên bicihkirina baldar beşek ji tenduristiya pergala AI ne.

Dema ku algorîtmayek AI-ê tê bikar anîn, xeletiyên herî gelemperî çi ne?

Zêde-lihevhatin pirsgirêkek mezin e: modelek li ser daneyên perwerdeyê pir baş performans dike lê li ser daneyên nû xirab e. Pirsgirêkên xeletî û dadperweriyê dikarin derkevin holê ji ber ku daneyên dîrokî pir caran neheqiya dîrokî dihewînin. Metrîkên nelihevhatî jî dikarin projeyan binav bikin - dema ku bikarhêner li tiştekî din eleqedar dibin, rastbûnê çêtir dikin. Rîskek din a nazik xeletiya otomasyonê ye, ku tê de mirov zêde baweriya xwe bi encamên modela bawer dikin û dev ji kontrolkirina ducarî berdidin.

"AI-ya pêbawer" di pratîkê de tê çi wateyê?

AI-ya pêbawer ne tenê "rastbûna bilind" e - ew nêzîkatiyek çerxa jiyanê ye: plan bikin, ava bikin, biceribînin, bicîh bikin, çavdêrî bikin û nûve bikin. Di pratîkê de, hûn li pergalên ku derbasdar û pêbawer, ewle, ewle, berpirsiyar, raveker, hay ji nepenîtiyê hebin û ji hêla alîgiriyê ve werin kontrol kirin digerin. Her weha hûn dixwazin modên têkçûnê yên ku têgihîştî û vegerbar in. Fikra sereke ew e ku meriv bikaribe nîşan bide ku ew bi ewlehî dixebite û têk diçe, ne tenê hêvî dike ku ew bike.

Referans

1. Ferhenga Fêrbûna Makîneyê - Pêşdebirên Google

2. scikit-fêrbûn - rastbûn, bîranîn, pîvana-F

3. scikit-fêrbûn - puana ROC AUC

4. Goddard û yên din - Nirxandina sîstematîk a meyldariya otomasyonê (nivîsa tevahî ya PMC)

5. NIST - PDFa Çarçoveya Rêvebiriya Rîska AI (AI RMF 1.0)

AI-ya herî dawî li Dikana Alîkarên AI-ya Fermî bibînin

Çûna nava