برچسب تکنیکهای یادگیری ماشین

شرح مختصر :  بي‌گمان رايانه در چند دهه كنوني از عوامل اصلي و كليدي پيشرفت شناخته شده است. گردش درست امور، سرعت (تندي) در كارها و روش‌هاي اداري، بهره‌وري و خدمات عمومي، دسترسي به اطلاعات شركت‌ها همه از مزایای رایانه‌هاست. امروزه سازمان‌ها جهت پردازش كارهايي چون نگهداري و به ‌روز رساني حساب‌ها و دارايي‌های خود، راهشان را به سوي استفاده از رایانه‌ها باز نموده‌اند. كاربردهایي چون لوازم خانگي،‌ خودروها، هواپيماها و ابزار صنعتي، دستگاه‌هاي الكتريكي، كنترل انتقال نيرو و خطوط كارخانه‌ها و گيرنده ماهواره توسط رايانه سرویس‌دهی می‌شوند. همزمان با   پيشرفت و سازماندهي سازمان‌ها و بنگاه‌هاي كوچك و متوسط، كشاورزي، صنعتي و … خدمات رايانه‌اي هر روز نفوذ خود را در زندگي اجتماعي و اقتصادي انسان نیز نشان مي‌دهند. ولی دیگر رایانه‌های دومنطقی صفر و یک جوابگوی نیازهای بشر نیست و باید سیستم‌هایی ساخت که به به شیوه‌های چندمقداری تفکر و تعلم انسان نزدیک باشد و ابهام و عدم قطعیت را هم شامل شود. در این راستا منطق جدیدی به نام منطق فازی توسط پروفسور لطفی‌زاده معرفی شد و از آن پس انبوه مقالات برای پیاده سازی این منطق در سیستم‌های کامپیوتری و الگوریتم‌های موجود، ارائه شد. هدف ما در این پژوهش هم بررسی جامعی پیرامون این مبحث و کاربردهای آن در یادگیری ماشین است. لذا پس از بیان تعاریف و تاریخچه و انواع روش‌های منطق فازی و یادگیری ماشین، مروری بر مقالات معتبر و جدید ارائه شده در این زمینه داشته و ایده‌های جدیدی که داده شده است را خواهیم گفت.

شرح مختصر :  امروزه اگر برجسته ترین رهبران تجارت جهانی را گرد هم بیاورید و از آنان بخواهید که بزرگترین تفاوت بین کسب و کار در قرن بیستم در مقابل قرن بیست و یکم را بیان کنند، با احتمال خیلی زیاد، آنها یک کلمه را خواهند گفت: داده.  از آغاز قرن، مقدار داده ها با ظهور رسانه های اجتماعی، تلفن های هوشمند، اینترنت اشیا و دیگر پیشرفت های فن آوری با سرعت شگفت انگیزی افزایش یافته است. تخمین زده میشود که بیش از ۹۰ درصد از کل داده های ایجاد شده توسط انسانها در پنج سال گذشته تولید شده اند. این انفجار اطلاعات به عنوان کلان داده شناخته میشود و به طور کامل جهان اطراف ما را متحول خواهد کرد. رشد نمایی در تولید داده ها، سازمان ها را بیش از هر اندازه ای به این فکر فروبرده است که چگونه میتوانند از داده ها برای تحقق منافع تجاری خود استفاده کنند. در همین حال، افراد به طور فزاینده ای به دنبال توسعه مهارت های داده خود برای برجسته کردن رزومه، پیشرفت شغلی و کسب امنیت شغلی هستند.