یادگیری هوش مصنوعی(ماشین):
یادگیری ماشین (Machine Learning)، یکی از زیر مجموعه های هوش مصنوعی است. که به سیستم ها این امکان را می دهد، تا به صورت خودکار یادگیری و پیشرفت داشته باشند.
آموزش به ماشین، به شکل های گوناگونی دسته بندی شده. ساده ترین راه برای یادگیری ماشین روش “آزمون و خطا” است. برای مثال، یک برنامه ساده برای کیش و مات کردن شاهِ حریف، در یک بازی شطرنج را در نظر بگیرید. برنامه مهره های شطرنج را به صورت تصادفی آن قدر حرکت می‌دهد، تا موفق به کیش و مات کردن طرف مقابل شود. و در دفعه ی بعدی که همین مسئله دوباره به کامپیوتر داده شود؛ می‌تواند سریعاً مسئله را حل کند. و پاسخ را بیابد.
در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود. و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده می‌کند؛ تا به یک الگو مشخص برسد. و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که، به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند؛ و بتواند بر اساس مشاهدات و داده ها رفتار خود را تنظیم کند.
الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد. و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید می‌شوند.
یادگیری عمیق هوش مصنوعی:
یادگیری عمیق نوعی از یادگیری ماشین و هوش مصنوعی است. که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می گیرد، تقلید می‌کند. این نوع از یادگیری. یکی از عناصر مهم. در علم داده می باشد. که شامل، آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل، و تفسیر مقادیر زیادی از داده ها را دارند، بسیار کاربردی است. و روند تحلیل و تفسیر داده ها را سریعتر و آسان تر می کند.
به نوعی می توان گفت، یادگیری عمیق در واقع همان یادگیری ماشین است. به اینصورت که. در سطح کارهای پیچیده. نمایش یا انتزاع. عمل یادگیری را برای یک سیستم هوش مصنوعی انجام می‌دهد. و به این صورت ماشین درک بهتری از واقعیت های وجودی پیدا می‌کند؛ و می تواند الگوهای مختلف را شناسایی کند. در ساده ترین سطح، یادگیری عمیق را می توان راهی برای خودکار سازی تجزیه و تحلیل پیش بینی ها دانست.
برای شناسایی نحوه کار کرد یادگیری عمیق باید با شبکه های عصبی آشنا باشید. این نوع از یادگیری، در واقع همانند یادگیری به وسیله شبکه‌های عصبی هستند که، دارای لایه پنهان زیادی می‌باشند؛ و هر چقدر در این لایه ها جلو تر بروید به مدل های پیچیده‌تر و کامل‌تری می رسید.
