تعارف: تصورات جو اکثر الجھ جاتے ہیں۔
مشین لرننگ، گہری سیکھنے، اور اعصابی نیٹ ورک وہ اصطلاحات ہیں جو آپ مصنوعی ذہانت کی خبروں میں مسلسل سنتے ہیں۔ بہت سے لوگ ان الفاظ کو ایک دوسرے کے بدلے استعمال کرتے ہیں، لیکن وہ مختلف ٹیکنالوجیز کی وضاحت کرتے ہیں، ہر ایک کا اپنا دائرہ کار اور اطلاق ہوتا ہے۔.
الجھن اس لیے ہوتی ہے کہ ایک دوسرے میں موجود ہے: نیورل نیٹ ورک مشین لرننگ کی تکنیک ہیں، اور گہری تعلیم نیورل نیٹ ورکس کا ارتقاء ہے۔ اس درجہ بندی کو سمجھنا یہ سمجھنے کے لیے ضروری ہے کہ AI کیسے کام کرتا ہے اور کون سے ٹولز مختلف مسائل کو حل کرتے ہیں۔.
اس گائیڈ میں، ہم ان تصورات کو توڑ دیں گے اور عملی مثالیں دکھائیں گے کہ ہر ایک حقیقی دنیا میں کیسے کام کرتا ہے۔.
مشین لرننگ: تمام الگورتھم کی چھتری۔
مشین لرننگ کیا ہے؟
مشین لرننگ سب سے وسیع میدان ہے۔، جس میں کسی بھی نظام کو شامل کیا جاتا ہے جو ڈیٹا سے سیکھتا ہے، ہر صورت حال کے لئے واضح طور پر پروگرام کیے بغیر. سخت ہدایات پر عمل کرنے کے بجائے، مشین لرننگ الگورتھم ڈیٹا میں پیٹرن کی شناخت کرتے ہیں اور پیشین گوئیاں کرنے کے لئے ان پیٹرن کا استعمال کرتے ہیں.
ایک ای میل سپیم فلٹر کا تصور کریں. ایک پروگرامر ہر ممکنہ سپیم ای میل کے لئے ایک اصول نہیں لکھ سکتا. لہذا ایک مشین سیکھنے الگورتھم لاکھوں ای میلز کا تجزیہ کرتا ہے (اسپام یا جائز کے طور پر نشان زد) اور خود بخود سیکھتا ہے کہ کون سی خصوصیات سپیم کی نشاندہی کرتی ہیں: مشکوک الفاظ، نامعلوم بھیجنے والے، عجیب شکل، وغیرہ.
مشین لرننگ کی تین اہم اقسام۔
زیر نگرانی سیکھنے: الگورتھم پہلے سے لیبل والے ڈیٹا سے سیکھتا ہے۔ آپ صحیح جواب کے ساتھ ان پٹ مثالیں فراہم کرتے ہیں ، اور سسٹم پیٹرن سیکھتا ہے۔ مثال: پہلے سے درجہ بند ای میلز کی تاریخ کا استعمال کرتے ہوئے ای میلز کو اسپام یا نان اسپام کے طور پر درجہ بندی کریں۔.
غیر زیر نگرانی سیکھنا: کوئی پہلے سے طے شدہ درست جوابات نہیں ہیں۔ الگورتھم اپنے طور پر ڈیٹا میں ڈھانچے یا گروپ بندی تلاش کرتا ہے۔ مثال: اسٹور کے صارفین کا تجزیہ کرتے ہوئے ایک جیسے طرز عمل والے گروپس تلاش کریں، یہ معلوم کیے بغیر کہ وہاں کتنے گروپ ہیں۔.
کمک سیکھنا: الگورتھم آزمائش اور غلطی کے ذریعے سیکھتا ہے، انعامات یا سزائیں وصول کرتا ہے۔ مثال کے طور پر، ایک روبوٹ جو چلنا سیکھتا ہے یا ایسا پروگرام جو آہستہ آہستہ اپنی حکمت عملی کو بہتر بنا کر شطرنج کھیلنا سیکھتا ہے۔.
نیورل نیٹ ورکس: مشین لرننگ کی ایک مخصوص قسم۔
نیورل نیٹ ورک کیسے کام کرتے ہیں۔
نیورل نیٹ ورک مشین لرننگ کے اندر ایک طریقہ ہے جو انسانی دماغ سے متاثر ہوتا ہے۔. وہ ایک دوسرے سے جڑی ہوئی اکائیوں کی تہوں پر مشتمل ہوتے ہیں جنہیں مصنوعی نیوران کہتے ہیں۔ ہر نیوران معلومات حاصل کرتا ہے، اس پر کارروائی کرتا ہے اور اسے منتقل کرتا ہے۔.
ایک سادہ نیورل نیٹ ورک کے تین حصے ہوتے ہیں: ان پٹ لیئر (ڈیٹا)، چھپی ہوئی پرتیں (پروسیسنگ) اور آؤٹ پٹ لیئر (نتیجہ)۔ تربیت کے دوران، غلطیوں کو کم کرنے کے لیے نیوران کے درمیان رابطوں کے وزن کو ایڈجسٹ کیا جاتا ہے۔.
دوسرے الگورتھم کے بجائے نیورل نیٹ ورکس کب استعمال کریں۔
جب آپ کے پاس ہوتا ہے تو نیورل نیٹ ورک چمکتے ہیں۔ بہت سارے ڈیٹا e پیچیدہ پیٹرن۔ حقیقی مثالیں: تصاویر میں چہروں کو پہچاننا، قدرتی تقریر کو سمجھنا، طبی تصاویر سے بیماریوں کی تشخیص کرنا۔.
چھوٹے ڈیٹا کے ساتھ آسان مسائل کے لیے، پرانے الگورتھم جیسے فیصلہ درخت یا لکیری رجعت زیادہ موثر ہیں۔ لاکھوں پیرامیٹرز کے ساتھ ایک نیورل نیٹ ورک یہ پیشین گوئی کرنے کے لیے حد سے زیادہ ہے کہ آیا کوئی کلائنٹ 3 خصوصیات کی بنیاد پر سبسکرپشن کی تجدید کرے گا۔.
گہری سیکھنا: جب نیورل نیٹ ورکس گہرے ہوتے ہیں۔
بنیادی فرق: گہرائی۔
گہری تعلیم بہت سی پوشیدہ تہوں کے ساتھ صرف اعصابی نیٹ ورک ہے۔ عام طور پر 3 پرتیں۔.
