یادگیری عمیق متلب: با یادگیری ماشین و شبکه‌های عصبی

کتاب یادگیری عمیق متلب: با یادگیری ماشین و شبکه‌های عصبی نوشته فیل کیم، مایکل پالوژک، استفانی توماس و ترجمه سرکار خانم سیما لطفی اصل را به صورت قانونی از سایت متخصصان خریداری کنید.

ارسال کتاب تا ده روز کاری.

در بخشی از این کتاب می‌خوانیم:

فصل اول
یادگیری ماشین
اصطلاح هوش مصنوعی اولین بار در دهه ۱۹۵۰ ابداع شد و به توانایی یک ماشین برای تقلید از رفتار هوشمند انسان اشاره دارد. برای این منظور، مهندسان و دانشمندان کامپیوتر چندین رویکرد را دنبال کرده‌اند. تلاش‌های اولیه در هوش مصنوعی حول رویکردی به نام هوش مصنوعی نمادین متمرکز بود. هوش مصنوعی نمادین تلاش می‌کند تا دانش انسانی را به شکلی بیانی بیان کند که رایانه‌ها بتوانند آن را پردازش کنند. اوج هوش مصنوعی نمادین منجر به سیستم خبره شد، یک سیستم کامپیوتری که تصمیم‌گیری انسان را تقلید می‌کرد.
بااین‌حال، دانشمندان اولیه هوش مصنوعی توجه زیادی به یادگیری ماشین نداشتند؛ زیرا رایانه‌های آن زمان به اندازه کافی قدرتمند نبودند و توانایی ذخیره حجم عظیمی از داده‌های مورد نیاز الگوریتم‌های یادگیری ماشین را نداشتند. در اواخر دهه ۲۰۰۰ میلادی، با تجدید حیات هوش مصنوعی، یادگیری ماشینی تا حد زیادی باعث رشد آن شد. دلیل اصلی این تجدید حیات؛ بلوغ سیستم‌های رایآن‌های بود که می‌توانستند حجم عظیمی از داده‌ها (داده‌های بزرگ) را جمع‌آوری و ذخیره کنند، همراه با پردازنده‌هایی که به اندازه کافی سریع برای اجرای الگوریتم‌های یادگیری ماشینی بودند.
بااین‌حال، یکی از ایراد‌های اصلی هوش مصنوعی نمادین این است که بر دانش انسان تکیه دارد و لازم است که این قوانین و دانش برای حل مسئله، کدگذاری شوند. هوش مصنوعی به‌عنوان یک رشته علمی، دوره‌ای را پشت سر گذاشت، زمانی‌که دانشمندان به طور فزاینده‌ای از محدودیت‌های هوش مصنوعی ناامید شده‌بودند؛ درحالی‌که هوش مصنوعی نمادین در دهه ۱۹۵۰ در کانون توجه قرار گرفت؛ زیرشاخه‌ای از هوش مصنوعی به نام یادگیری ماشینی بی‌سروصدا در پس زمینه حباب زد.
یادگیری ماشین
به‌راحتی می‌توان نمونه‌هایی را پیدا ‌کرد که در آن مفاهیم یادگیری ماشینی و یادگیری عمیق به جای یکدیگر استفاده می‌شوند، ولی دانشمندان می‌توانند آن‌ها را به طور کامل تشخیص ‌دهند. اگر تصمیم به مطالعه در این زمینه دارید، مهم است که بدانید این کلمات واقعاً چه معنایی دارند و مهمتر از آن چه تفاوت‌هایی با یکدیگر دارند.
وقتی برای اولین بار اصطلاح یادگیری ماشین را شنیدید، چه چیزی به ذهن شما خطور کرد؟

هوش مصنوعی، یادگیری ماشین و یادگیری عمیق می‌توان به این صورت بیان کرد:
یادگیری عمیق نوعی یادگیری ماشینی است و یادگیری ماشینی نوعی هوش مصنوعی است.
هوش مصنوعی کلمه بسیار رایجی است که دلالت بر چیزهای مختلفی دارد و هرشکلی از فناوری از نوع هوشمند را نشان می‌دهد، البته شامل یک حوزه خاص از فناوری نمی‌باشد. درمقابل، یادگیری ماشینی به یک زمینه خاص اشاره دارد؛ به عبارت دیگر از یادگیری ماشینی می‌توان برای نشان دادن یک گروه تکنولوژیکی خاص از هوش مصنوعی استفاده کرد. یادگیری ماشینی خود شامل بسیاری از فناوری‌ها است که یکی از آن‌ها یادگیری عمیق است.
واقعیت این است که یادگیری عمیق یک نوع یادگیری ماشینی است و بسیار مهم است که به بررسی ارتباط هوش مصنوعی، یادگیری ماشین و یادگیری عمیق پرداخت. اخیراً یادگیری عمیق بسیار مورد توجه قرار گرفته‌است؛ چراکه به طور ماهرانه برخی از مسائل که هوش مصنوعی را به چالش می‌کشد، می‌تواند حل کند. با این‌حال، با محدودیت‌هایی نیز مواجه است. محدودیت‌های یادگیری عمیق ناشی از مفاهیم اساسی آن است. به‌عنوان یک نوع یادگیری ماشینی، یادگیری عمیق نمی‌تواند از مشکلات اساسی که یادگیری ماشین با آن مواجه است، اجتناب کند؛ به همین دلیل لازم است قبل از بحث در مورد مفهوم یادگیری عمیق به یادگیری ماشین پرداخت.