- Skype Translator: Preview of our free online translator เป็นการแปลภาษาในโปรแกรมแชท Skype ทำให้แม้คุยกันคนละภาษาแต่ก็สามารถเข้าใจกันได้
- Google Now / Siri
- คำสั่งเสียงต่าง ๆ ระบบเหล่านี้ใช้ Machine Learning
และอื่น ๆ เป็นต้น
รูปแบบการเรียนรู้ของ Machine Learning
มีรูปแบบการเรียนรู้ 3 รูปแบบดังนี้
1. การเรียนรู้แบบมีผู้สอน (Supervised Learning)
เป็นการเรียนรู้โดยอาศัยข้อมูลและ label จากข้อมูลสำหรับการเรียนรู้ ได้ผลลัพธ์ออกมาเป็น การแบ่งประเภทข้อมูล (classification) และ การวิเคราะห์การถดถอย (regression)
ตัวอย่างเช่น สมมุติว่าคุณเป็นเด็กอายุ 2 -3 ขวบ พ่อแม่ของคุณเอา ปากกา กับ ดินสอ มาวางให้คุณดูข้างหน้า นี่เรียกว่า training data เป็นข้อมูลสำหรับการเรียนรู้
ต่อมา พ่อของคุณยกปากกาขึ้นมา แล้วพูดว่า "นี่คือปากกา" แล้วแม่ของคุณยกดินสอขึ้นมา แล้วพูดว่า "นี่คือดินสอ" คำพูดทั้งสองนี่คือ label เป็นการบอกว่าข้อมูลนี่คืออะไร
แล้วต่อมมาพ่อของคุณบอกความแตกต่างของปากกา คือ ปากกาเขียนแล้วลบด้วยยางลบไม่ได้ แต่ดินสอลบได้ แล้วทำการทดลองให้ดู นี่คือ feature คุณสมบัติของข้อมูล
พอผ่านไปซักระยะหนึ่ง คุณก็สามารถแยกยะว่าอะไรคือปากกาหรือดินสอได้ แม้จะเจอปากกาและดินสอแบบอื่นที่ต่างจากที่พ่อแม่ของคุณสอนคุณไว้นี่คือ การแบ่งประเภทข้อมูล (classification) ข้อมูลนี้เป็นข้อมูลที่ไม่ต่อเนื่อง (discrete)
หลักการการแบ่งประเภทข้อมูล (classification) ของการเรียนรู้แบบมีผู้สอนถูกนำไปใช้งานในระบบกรองสแปม โดยจะแยกว่าข้อความไหนเป็น "สแปม" หรือข้อความปกติ
การวิเคราะห์การถดถอย (regression) จะค่อนข้างคล้ายกับ classification แต่ข้อมูลนี้เป็นข้อมูลต่อเนื่อง (continuous) ถ้าผลลัพธ์ที่ต้องการประกอบด้วยหนึ่งตัวแปรหรือมากกว่าหนึ่งตัวแปรอย่างต่อเนื่อง แล้วงานนี้เรียกว่า regression ตัวอย่างของปัญหาการวิเคราะห์การถดถอย เช่น คำทำนายของความยาวของปลาแซลมอนที่เป็นฟังก์ชันของอายุและน้ำหนักของมัน
การเรียนรู้แบบมีผู้สอน (Supervised Learning) ประกอบไปด้วย
- Classification (spam, sentiment analysis, ...)
- Regression (stocks, sales, ...)
- Ranking (retrieval, search, ...)
2.การเรียนรู้แบบไม่มีผู้สอน (Unsupervised learning)
การเรียนรู้นี้ไม่ได้มี label ที่บอกว่าข้อมูลนั้นคืออะไร แต่การเรียนรู้นี้จะจัดข้อมูลนำเข้า (input) จัดเป็นกลุ่ม (cluster) บนพื้นฐานของความเหมือน (similarities) และความแตกต่าง (differences) ระหว่างรูปแบบของข้อมูลนำเข้า (input patterns) ตัวอย่างเช่น การหาโครงสร้างที่ซ่อนอยู่ในข้อมูล ประกอบไปด้วย
- Dimensionality reduction
- Clustering
- Manifold learning
3.การเรียนรู้แบบเสริมกำลัง (Reinforcement learning)
เป็นการเรียนรู้แบบแผนซึ่งกำหนดการกระทำของระบบจากสิ่งที่สังเกตได้
แนวความคิด คือ เรียนรู้จากสิ่งแวดล้อมรอบตัว
ตัวอย่างการเรียนรู้นี้ เช่น เกม OX
ความรู้ที่ควรมีก่อนศึกษา ML
- สถิติ
- ความน่าเป็น
- พีชคณิตเชิงเส้น
- สถิติของตัวแปรพหุ (Multivariate Statistics)
- แคลคูลัส
ติดตามบทความต่อไปนะครับ
ขอบคุณครับ
ขอบคุณคะ ขอติดตาม ส่งมาเรื่อยๆนะคะ
ตอบลบ