ஆழமான கற்றல்: அது என்ன, அது இயந்திரக் கற்றலுடன் எவ்வாறு தொடர்புடையது?

நாங்கள் செய்த இரண்டு கட்டுரைகளைத் தொடர்ந்து, ஆழமான கற்றல் என்றால் என்ன, இயந்திரக் கற்றலுடனான அதன் உறவு பற்றி இங்கே பேசுவோம். இந்த இரண்டு சொற்களும் நாம் வாழும் சமூகத்தில் பெருகிய முறையில் முக்கியத்துவம் வாய்ந்தவை, மேலும் நம்மைச் சுற்றியுள்ளவற்றை அறிந்து கொள்வது உதவியாக இருக்கும்.

பொருளடக்கம்

ஆழமான கற்றல் என்றால் என்ன?

ஆழ்ந்த கற்றல் என்பது இயந்திர கற்றலின் விளைவாக 2000 களில் பிறந்த நுட்பங்களின் துணைக்குழு ஆகும். இந்த காரணத்திற்காக, கணினி அறிவியலின் ஒரு பகுதியாக இருப்பதால், அதை அதன் கிளைகளில் ஒன்றாக வகைப்படுத்த வேண்டும்.

இந்த அமைப்புகள் அவற்றின் பழைய உடன்பிறப்புகளை விட அதிக தன்னாட்சி கொண்டவை, இருப்பினும் அவற்றின் கட்டமைப்பும் மிகவும் சிக்கலானது. இயந்திர கற்றல் வழிமுறைகளைக் கொண்ட மற்ற அமைப்புகளை விட ஒரே மாதிரியான அல்லது சிறந்த வேலையைச் செய்யும் வெவ்வேறு வகையான பணிகளைச் செய்யும்போது இது அவர்களுக்கு ஒரு தெளிவான நன்மையைத் தருகிறது .

மேலும், ஆழமான கற்றல் அதன் முன்னோடிக்கு மேலாக நிற்கும் பிற படைப்புகள் உள்ளன. மிகவும் மோசமான நிகழ்வுகளில் ஒன்று ஆல்பாகோ பாணி செயற்கை நுண்ணறிவு , கூகிளின் உளவுத்துறை உலக சாம்பியனான கோவை தோற்கடிக்கும் திறன் கொண்டது.

ஒருவேளை இது உங்களுக்கு கொஞ்சம் சீன மொழியாகத் தெரிகிறது, ஆனால் கோ என்பது மிகவும் பிரபலமான விளையாட்டு மற்றும், மிகவும் கோரக்கூடியது. இதைச் சூழலில் வைத்துக் கொள்ள, கணிதவியலாளர்கள் இந்த பொழுதுபோக்கு சதுரங்கத்தை விட மிகவும் சிக்கலானது என்று உறுதியாகக் கூறுகின்றனர் .

மறுபுறம், ஆழமான கற்றல் பெரிய தரவுகளுடன் நெருக்கமாக தொடர்புடையது , ஏனெனில் இந்த சிறந்த தகவல் ஆதாரங்கள் அனுபவத்தைக் கற்றுக்கொள்ளவும் ஒருங்கிணைக்கவும் பயன்படுத்தப்படலாம் . மேலும், நாம் இருக்கும் நிலைமைக்கு நன்றி, இந்த தொழில்நுட்பத்தின் பெருக்கம் மற்றும் மேம்பாட்டுக்கான சூழல் மூன்று முக்கிய புள்ளிகளுக்கு ஏற்றது :

1. தரவுகளின் பெரும் குவிப்பு, இன்று நம்மிடம் உள்ள கருவிகளைக் கொண்டு, தரவை கிட்டத்தட்ட யாரிடமிருந்தும் பெற்று சேமிக்க முடியும். நாம் இருக்கும் தொழில்நுட்பத்தின் அளவு, கூறுகள் கூட்டாக கணிசமான சக்தியை வழங்குவது நல்லது. முந்தைய இரண்டு புள்ளிகளைப் பயன்படுத்தி , நிறுவனங்கள் தங்கள் வழிமுறைகளை மேம்படுத்த வேண்டும் என்ற விருப்பம், மேலும் அதிகமான நிறுவனங்கள் செயற்கை நுண்ணறிவில் பந்தயம் கட்டுகின்றன . உங்கள் நிறுவனம் ஆயிரக்கணக்கான வாடிக்கையாளர்களிடமிருந்து தரவைச் சேமித்து வைத்திருந்தால் , அவர்களிடமிருந்து கற்றுக்கொள்ளவும் அதைப் பயன்படுத்தவும் தொழில்நுட்பம் உங்களுக்கு வாய்ப்பளிக்கிறது , இது ஒரு பாதுகாப்பான பந்தயம்.

ஆழமான கற்றலின் அமைப்பு

இயந்திர கற்றலுடன் ஒத்த வளர்ச்சியைக் கொண்டிருந்தாலும், இந்த வழிமுறைகளின் தொகுப்பு சில அணு வேறுபாடுகளைக் கொண்டுள்ளது. மிக முக்கியமானது அநேகமாக அதன் உள் அமைப்பு, அதாவது அதன் வழிமுறையை உருவாக்கும் குறியீடு.

ஆழமான கற்றல் பற்றிய பொதுவான யோசனை

படத்தில் நீங்கள் காணக்கூடியது போல, ஆழமான கற்றல் நரம்பியல் நெட்வொர்க்குகளுடன் நெருக்கமாக தொடர்புடையது . இந்த கருத்து புதியதல்ல, ஆனால் இது நீண்ட காலமாக எங்களுடன் இல்லை, எனவே உங்களுக்கு இது தெரியாது.

அதை எளிமைப்படுத்த, ஒரு நரம்பியல் நெட்வொர்க்கை தகவல்களை சிகிச்சையளிக்கும் மற்றும் கடத்தும் வழிமுறைகளின் தொகுப்பாக (ஒவ்வொன்றும் ஒரு அடுக்கு என அழைக்கப்படுகிறது) வரையறுக்கலாம் . ஒவ்வொரு அடுக்கு உள்ளீட்டு மதிப்புகளைப் பெறுகிறது மற்றும் வெளியீடுகளைத் தருகிறது, மேலும் அது முழு நெட்வொர்க்கையும் கடந்து செல்லும்போது, இறுதி விளைவாக மதிப்பு திரும்பும். இவை அனைத்தும், தொடர்ச்சியாக, பொதுவாக, ஒவ்வொரு அடுக்குக்கும் வெவ்வேறு எடையைக் கொண்டிருக்கும், விரும்பிய முடிவைப் பொறுத்து நிகழ்கிறது .

சூப்பர் மரியோ வேர்ல்ட் விளையாட செயற்கை நுண்ணறிவு கற்றல் பற்றிய ஒரு குறுகிய வீடியோவை (ஆங்கிலத்தில்) இங்கே காண்பிக்கிறோம் :

"இந்த முறை ஏன் மிகவும் சிக்கலானது?" . நிச்சயமாக ஆழமான கற்றல் என்பது பலவீனமான செயற்கை நுண்ணறிவு என்று நாம் அழைப்பதைச் சேர்ந்தது, ஆனால் இது வலுவான நோக்கி முதல் படியாகும்.

இந்த முறை ஒரு மூளை எவ்வாறு செயல்படுகிறது என்பதன் மூலம் தளர்வாக ஈர்க்கப்படுகிறது. "இயற்பியல் உலகில்" நாம் காண்பதைப் போலவே, அமைப்புகள் அடுக்குகளை உருவாக்குகின்றன, மேலும் ஒவ்வொரு அடுக்கும் ஒரு நியூரானுக்கு ஒத்த வழியில் செயல்படுகின்றன. இந்த வழியில், அடுக்குகள் ஒருவருக்கொருவர் தொடர்புபடுத்துகின்றன, தகவல்களைப் பகிர்ந்து கொள்கின்றன மற்றும் மிக முக்கியமான விஷயம் என்னவென்றால் எல்லாமே தன்னாட்சி முறையில் செய்யப்படுகின்றன.

ஆழமான கற்றல் எவ்வாறு செயல்படுகிறது என்பதற்கான மிக எளிமையான திட்டம்

இந்த விதியைப் பின்பற்றி, மிகவும் முழுமையான நுண்ணறிவு , பொதுவாக, அதிக அடுக்குகள் மற்றும் அதிநவீன வழிமுறைகளைக் கொண்டவை .

இந்த வழிமுறையுடன் செயற்கை நுண்ணறிவு எவ்வாறு செயல்படுகிறது?

இந்த விஷயத்தில் எங்கள் முந்தைய கட்டுரைகளை நீங்கள் பார்த்திருந்தால், இந்த gif ஐ நீங்கள் ஏற்கனவே பார்த்திருப்பீர்கள். இங்கே நீங்கள் செயற்கை நுண்ணறிவு பற்றிய எங்கள் கட்டுரையைப் பார்க்கலாம், மேலும் இயந்திரக் கற்றல் பற்றி இங்கே கொஞ்சம் படிக்கலாம்.

ஆனால் கடைசியாக ஒன்றை உங்களுக்குக் காண்பிப்போம்.

நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்தும் ஒரு நுண்ணறிவு எவ்வாறு செயல்படும் என்பதை இந்த படம் நன்றாகவும் எளிமையாகவும் பிரதிபலிக்கிறது . நீங்கள் பார்க்க முடியும் என, அவரது வேலை எளிதானது: படங்களை வகைப்படுத்தி, அவருக்கு அனுப்பப்பட்ட வெவ்வேறு புகைப்படங்களில் நாய்களைக் கண்டறிய கற்றுக்கொள்ளுங்கள்.

ஒவ்வொரு படமும் உள்ளீட்டு ஊட்டத்தை உள்ளிடுவதன் மூலம் தொடங்குகிறது, அதாவது முதல் கணக்கீடுகள் ஏற்கனவே தொடங்கும் உள்ளீட்டு அடுக்கு . பெறப்பட்ட முடிவுகள் இரண்டாவது அடுக்கு அல்லது நியூரானுடன் பகிரப்படும், மேலும், இந்த கணக்கீட்டை எந்த நியூரான் செய்துள்ளது என்பது தெளிவாகத் தெரிகிறது . கடைசி செயல்முறையை அடையும் வரை இந்த முறைமை நம் கணினியில் உள்ள அடுக்குகளை விட பல மடங்கு மீண்டும் நிகழ்கிறது.

கடைசி நியூரானுக்கு வெளியீட்டு அடுக்கு என்று பெயரிடப்பட்டுள்ளது, மேலும் இந்த எடுத்துக்காட்டில், முடிவைக் காட்டுகிறது. மற்ற சந்தர்ப்பங்களில், வெளியீட்டு அடுக்கு கணக்கிடப்பட்ட செயலைச் செய்கிறது. மேலும், முடிந்தவரை வேகமாக செயல்பட வேண்டிய சூத்திரத்தில் (வீடியோ கேம்களைப் போல) நாம் வைத்தால், இதன் விளைவாக கிட்டத்தட்ட உடனடியாக இருக்க வேண்டும். இருப்பினும், நாங்கள் இருக்கும் தொழில்நுட்ப புள்ளிக்கு நன்றி, இது ஏற்கனவே சாத்தியமானது.

இதற்கு தெளிவான எடுத்துக்காட்டுகளில் ஒன்று கூகிளின் மற்றொரு படைப்பான ஆல்பாஸ்டார் செயற்கை நுண்ணறிவு .

கூகிள் டீப் மைண்ட் செயற்கை நுண்ணறிவு

உலகின் சிறந்த கோ வீரர்களுக்கு எதிராக போராடக்கூடிய AI ஆல்ஃபாகோ பற்றி நாங்கள் உங்களிடம் கூறியுள்ளோம் . இருப்பினும், இவருக்கு இளைய உடன்பிறப்புகள் உள்ளனர், சில அழகான மைல்கற்களை அடைய முடியும் .

ஆல்பாசீரோ

இந்த உளவுத்துறை வெறும் 24 மணி நேரத்தில் ஒரு மனிதநேயமற்ற சதுரங்கம், ஷோஜி மற்றும் பயணத்தின் மூலம் பல பிரபல வீரர்களை வென்றது . மேலும், தோற்கடிக்கப்பட்ட எதிரிகளின் பட்டியலில் அவர் 3 நாட்கள் அனுபவத்தின் ஆல்பாகோ ஜீரோ பதிப்பையும் சுட்டிக்காட்டினார் , உண்மையில் நம்பமுடியாத ஒன்று. இங்கே இந்த செயற்கை நுண்ணறிவின் கற்றல் வேகம் வெளிப்படுகிறது .

எல்லாவற்றிலும் மிகவும் சுவாரஸ்யமாக, குழுவிற்கு கற்றல் புத்தகங்கள் அல்லது தரவுத்தளங்களை அணுக முடியவில்லை, எனவே அவர்களின் தந்திரோபாயங்கள் அனைத்தும் நடைமுறையில் கற்றுக்கொள்ளப்பட்டன.

அவரது மற்றொரு சந்திப்பில், அவர் சதுரங்கத்தை விளையாடும் ஒரு மூத்த தானியங்கி திறந்த மூல திட்டமான ஸ்டாக்ஃபிஷை எதிர்கொண்டார். இருப்பினும், வெறும் நான்கு மணி நேரத்தில் அது ஆல்பாசீரோவின் ஆதிக்கத்தில் இருந்தது .

இது முதன்முதலில் சுமார் 70 மில்லியன் இயக்கங்களைக் கணக்கிடும்போது, ​​சதுரங்கத்தில் ஆல்பாசீரோ 80 ஆயிரம் வெவ்வேறு வெளியேற்றங்களை மட்டுமே கணக்கில் எடுத்துக்கொள்கிறது என்பதை கவனத்தில் கொள்ள வேண்டும் . கணிப்புகளில் உள்ள வேறுபாடு, நம்பிக்கைக்குரிய நாடகங்கள் எதுவாக இருக்கும் என்பதற்கான சிறந்த தீர்ப்பால் ஈடுசெய்யப்பட்டது.

இது போன்ற சக்தியின் ஆர்ப்பாட்டங்களுடன் புதிய செயற்கை நுண்ணறிவின் சக்தியைக் காணலாம் .

ஆல்பாஸ்டார்

மறுபுறம், ஆல்பாஸ்டார் ஒரு AI ஆகும், இது இன்று RTS ஸ்டார்கிராப்ட் II (ரியல் டைம் வியூகம், ஸ்பானிஷ் மொழியில்) விளையாடும் திறன் கொண்டது .

அதன் டெமோ நேரத்தில், ஆல்பாஸ்டார் பல தொழில்முறை வீரர்களை நடுவில் தொடர்ச்சியாக பத்து ஆட்டங்களில் வென்றது மற்றும் கடைசி ஆட்டத்தை மட்டுமே இழந்தது.

சதுரங்கம் அல்லது செல்வதைப் போலன்றி, ஸ்டார்கிராப்ட் II ஒரு நிகழ்நேர பொருத்தமாகும், எனவே ஒவ்வொரு நொடியும் நீங்கள் விஷயங்களைச் செய்ய வேண்டும். இதன் காரணமாக , கணக்கீடு மற்றும் முடிவின் இந்த வெறித்தனமான தாளங்களை பராமரிக்க தற்போதைய தொழில்நுட்பம் வல்லது என்பதை நாம் காணலாம் .

புலனாய்வு தயாரிப்பைப் பொறுத்தவரை, நேரடி சோதனையின் தேதிகளுக்கு அவர் சுமார் 200 வருட அனுபவப் பயிற்சியை புரோட்டோக்களுடன் மட்டுமே (கிடைக்கக்கூடிய பந்தயங்களில் ஒன்று) கொண்டிருந்தார் . இது பயிற்சியளிக்கப்பட்டதால், அது கேமராவை உடல் ரீதியாக யூனிட்டில் வைத்திருந்தால் மட்டுமே செயல்களைச் செய்ய முடியும் , இதனால் ஒரு நபர் எவ்வாறு விளையாடுவார் என்பதற்கான கூடுதல் ஒருங்கிணைப்பு.

இருப்பினும், இந்த ஊனமுற்றோர் இருந்தபோதிலும், ஆல்பாஸ்டார் விளையாட்டின் போட்டி பக்கத்தில் கைவிடப்பட்ட தந்திரோபாயத்தைப் பயன்படுத்தி அவர்களின் பெரும்பாலான சந்திப்புகளை வெல்ல முடிந்தது . கவனிக்க வேண்டிய ஒரு விஷயம் என்னவென்றால், ஆல்பாஸ்டார் வழக்கமாக ஏபிஎம்களை (நிமிடத்திற்கு ஒரு செயல்கள்) குறைவாக வைத்திருக்கிறது, எனவே அதன் முடிவுகள் மிகவும் திறமையானவை.

AI மற்றும் ஒரு தொழில்முறை வீரரால் நிகழ்த்தப்பட்ட நிமிடத்திற்கு சராசரி செயல்கள்

இருப்பினும், நிலைமை அதற்கு அழைப்பு விடுக்கும்போது, ​​கவுண்டரை எளிதில் உடைப்பதன் மூலம் அலகுகளின் மனிதநேயமற்ற கட்டுப்பாட்டை அவர் நிரூபிக்கிறார்.

அவரது டெமோக்களில் ஒன்றை இங்கே முழுமையாகக் காணலாம்:

செயற்கை நுண்ணறிவின் எதிர்காலம்

இந்த தலைப்பைப் பற்றி நாங்கள் ஏற்கனவே பேசியுள்ளோம், எனவே ஒரே பேச்சை நாங்கள் அதிகம் சொல்ல மாட்டோம். ஆழ்ந்த கற்றலுக்காகக் காத்திருக்கும் சாத்தியமான எதிர்காலங்கள் முன்னிலைப்படுத்தப்பட வேண்டியவை .

செயற்கை நுண்ணறிவில் நன்கு அறியப்பட்ட நிபுணர் ஆண்ட்ரூ யான்-தக் என்ஜி கருத்துப்படி , ஆழமான கற்றல் எதிர்கால நுண்ணறிவை நோக்கி ஒரு நல்ல படியாகும். மற்ற கற்பித்தல் முறைகளைப் போலல்லாமல், தரவு மாதிரியை அதிகரிப்பதால் இது மிகவும் திறமையானது.

நாங்கள் உங்களை பரிந்துரைக்கிறோம் பாபாஹு எக்ஸ் 1: AI பல் துலக்குதல் இப்போது கிடைக்கிறது

அடுத்த ஸ்லைடு அவரது விளக்கக்காட்சிக்கு சொந்தமானது "ஆழமான கற்றல் பற்றி விஞ்ஞானிகள் என்ன தெரிந்து கொள்ள வேண்டும் . " நீங்கள் ஆர்வமாக இருந்தால், அதை இந்த இணைப்பில் காணலாம்.

வீணாக இல்லை, தொழில்நுட்பத்தின் வளர்ச்சி நிறுத்தப்படவில்லை. ஒவ்வொரு ஆண்டும் எங்களிடம் அதிக சக்திவாய்ந்த கூறுகள் இருக்கும், எனவே சோதிக்க மேலும் மேலும் உள் முற்றம் இருக்கும். பழைய AI கள் மற்றும் இயந்திர கற்றலுடன் நிகழ்ந்ததைப் போல , புதிய வழிமுறைகள், முறைகள் மற்றும் அமைப்புகள் தோன்றும் மற்றும் இன்றைய புதுமையான ஆழமான கற்றலை மாற்றும்.

மேலும், நீங்கள் நினைத்துப் பார்க்கிறபடி, எதிர்காலம் அரை அறிவார்ந்த இயந்திரங்களால் கையாளப்படுகிறது .

மற்ற கட்டுரைகளில் நாம் சுட்டிக்காட்டியுள்ளபடி, பெரும்பாலான மின்னணு சாதனங்கள் (சிலவற்றை ஏற்கனவே இணைத்துள்ளன) நுண்ணறிவை ஆதரிக்கும் . மிகவும் குறிப்பிடத்தக்க நிகழ்வு என்னவென்றால், சிறந்த தரமான புகைப்படங்களை எடுக்க உதவும் புலனாய்வு .

இருப்பினும், பெரும்பாலான பயனர்களுக்கு இந்த தொழில்நுட்பம் செழிக்கக்கூடிய ஒரு புள்ளி ஐஓடி (இன்டர்நெட் ஆஃப் திங்ஸ், ஸ்பானிஷ் மொழியில்) ஆகும்.

இன்டர்நெட் ஆஃப் திங்ஸ்

இந்த சொல் தொழில்நுட்பம் மற்றும் கம்ப்யூட்டிங் மாநாடுகளில் மேலும் மேலும் எடையைக் கொண்டுள்ளது, மேலும் இப்போது நமக்கு வழிமுறைகள் இருப்பதால் தன்னை உறுதிப்படுத்திக் கொள்ள முயல்கிறது.

வீட்டு உபகரணங்கள், மின் சாதனங்கள் மற்றும் பிறவை அடையாளம் காணக்கூடிய பொருள்கள், அவை ஒருவருக்கொருவர் தொடர்பு கொள்ளலாம், கூடுதலாக, ஒரு சாதனத்துடன் கட்டுப்படுத்தப்படலாம் என்பதே இதன் கருத்து. இந்த வழியில், ஒரு இடத்தில் என்னென்ன பொருள்கள் உள்ளன, அவை இருக்கும் இடத்தில், அவற்றுடன் தொடர்புகொள்வது மற்றும் மொபைலில் இருந்து இவை அனைத்தையும் எண்ணலாம் . அதேபோல், பொருள்கள் ஒருவருக்கொருவர் தொடர்பு கொள்ளலாம், எடுத்துக்காட்டாக ஒரு உணவு காலாவதியானால், நீங்கள் அதைத் திறக்கும்போது குளிர்சாதன பெட்டி உங்களுக்குச் சொல்ல முடியும்.

மறுபுறம், செயற்கை நுண்ணறிவு வீட்டு உபகரணங்களின் நிலை மற்றும் செயல்திறனை கண்காணிக்க முடியும் . இதன் மூலம், நீங்கள் ஒரு மின்சார திட்டத்தை நிறுவி, பயன்படுத்தப்படும் ஆற்றலை மேம்படுத்தலாம்.

எவ்வாறாயினும், இணைய பாதுகாப்பு என்பது எங்களுக்கு மேம்படுத்த வேண்டிய ஒரு முக்கிய அம்சமாகும் . இது இன்னும் அதிக துன்புறுத்தல்களை அனுபவிப்பதாகத் தெரியவில்லை, ஆனால் அது ஒரு பாதுகாப்பான சேவையாக இருக்க வேண்டுமென்றால் அது அவசியம் என்று நாம் அனைவரும் அறிவோம் .

இது சற்றே சுருக்கமான யோசனை, ஆனால் அது எங்கள் வாழ்க்கையில் படையெடுப்பதால், நீங்கள் நன்கு அறிந்திருப்பீர்கள்.

புதிய தொழில்நுட்பங்கள் மற்றும் ஆழமான கற்றல் ஆகியவற்றின் முக்கியத்துவம்

கம்ப்யூட்டிங் மற்றும் செயற்கை நுண்ணறிவு ஆகியவை நமக்குக் காத்திருக்கும் எதிர்காலத்தின் பெரும்பகுதியை வடிவமைக்கப் போகின்றன என்று நினைப்பது தவிர்க்க முடியாதது . எனவே, பிட்களால் நிர்வகிக்கப்படும் உலகில் என்ன நடக்கிறது என்பதைப் பற்றி எப்போதும் பாதி விழிப்புடன் இருப்பது முக்கியம்.

அந்த மனநிலையை மனதில் கொண்டு, இந்த தலைப்புகளை ஆழமாக கற்பிக்கும் வெவ்வேறு பட்டங்கள், படிப்புகள் மற்றும் பட்டங்கள் எவ்வாறு தோன்றும் என்பதை நாம் ஏற்கனவே காணலாம். எடுத்துக்காட்டாக, சில தரவு பொறியியல் தோன்றியது, பிக் டேட்டாவில் மற்ற பட்டங்கள் மற்றும், ஆழமான கற்றல் மற்றும் செயற்கை நுண்ணறிவு படிப்புகள்.

அதே காரணத்திற்காக, இந்த விஷயத்தை விசாரிக்க நாங்கள் உங்களை கேட்டுக்கொள்கிறோம் . இண்டர்நெட் , அதன் கூடுதல் மற்றும் கழித்தல், இன்னும் தன்னாட்சி, அல்லது சரியானது அல்லது உண்மையில் பாதுகாப்பானது அல்ல, ஆனால் இது கிட்டத்தட்ட வரம்பற்ற அறிவின் மூலமாகும். எந்தவொரு அதிர்ஷ்டத்துடனும், நீங்கள் கற்றுக்கொள்ள ஒரு இடத்தைக் கண்டுபிடிப்பீர்கள், மேலும் நீங்கள் ஒரு புதிய மொழியை அல்லது புதிய உலகத்தைத் தொடங்கலாம் .

இயந்திர கற்றல் சற்று இலகுவான ஒழுக்கம் என்பதால், தரவை சற்று குழப்பமடைய அனுமதிக்கும் நிரல்கள் உள்ளன. இந்த விஷயத்தைப் பற்றி இன்னும் கொஞ்சம் கற்றுக்கொள்ளவும் , உங்களை / இந்த தொழில்நுட்பத்தின் வரம்புகளை சரிபார்க்கவும் நீங்கள் ஆர்வமாக இருந்தால், நீங்கள் ஐபிஎம் வாட்சன் டெவலப்பர் கிளவுட் அல்லது அமேசான் இயந்திர கற்றல் ஆகியவற்றைப் பார்வையிடலாம் . நாங்கள் உங்களுக்கு எச்சரிக்கிறோம்: நீங்கள் ஒரு கணக்கை உருவாக்க வேண்டும், அது கற்றுக்கொள்வதற்கான எளிதான வழியாக இருக்காது, ஆனால் ஒரு நாள் அது சிறந்த இலக்குகளை அடைய உதவும்.

இங்கே அப்பால் கருத்துக்களின் உலகம் உள்ளது, எனவே எல்லாம் உங்கள் கைகளில் உள்ளது. உங்களுக்கு, செயற்கை நுண்ணறிவு தொடர்பான புதிய தொழில்நுட்பங்களைப் பற்றி நீங்கள் என்ன நினைக்கிறீர்கள்? வேறு எந்த ஆழமான கற்றல் பயன்பாடுகள் உங்களுக்குத் தெரியுமா அல்லது பார்க்க விரும்புகின்றன? கீழே உள்ள பெட்டியில் உங்கள் யோசனைகளைப் பகிரவும்.

மூல வணிக வலைப்பதிவு BigXatakaMachine கற்றல் தேர்ச்சியை சிந்தியுங்கள்