ML

Is-faes deallusrwydd artiffisial (AI) sy'n canolbwyntio ar ddatblygu algorithmau a modelau ystadegol sy'n galluogi systemau cyfrifiadurol i ddysgu a gwella eu perfformiad ar dasg benodol heb gael eu rhaglennu'n benodol. Mewn geiriau eraill, mae dysgu peirianyddol yn galluogi cyfrifiaduron i ddadansoddi data, nodi patrymau, a gwneud rhagfynegiadau neu benderfyniadau sy'n cael eu gyrru gan ddata. Dyma rai cysyniadau a chydrannau allweddol o ddysgu peirianyddol:

1. Data: Mae dysgu peirianyddol yn dibynnu'n fawr ar ddata. Mae algorithmau wedi'u hyfforddi ar setiau data mawr, a all gynnwys gwahanol fathau o wybodaeth, megis testun, delweddau, rhifau, a mwy.
2. Hyfforddiant: Yn ystod y cyfnod hyfforddi, mae modelau dysgu peirianyddol yn agored i ddata wedi'i labelu, lle mae'r canlyniadau neu'r targedau a ddymunir yn hysbys. Mae'r model yn dysgu gwneud rhagfynegiadau neu ddosbarthiadau yn seiliedig ar y data hyfforddi hwn.
3. Algorithmau: Algorithmau dysgu peirianyddol yw'r technegau mathemategol ac ystadegol a ddefnyddir i wneud synnwyr o ddata a phatrymau echdynnu. Mae yna wahanol fathau o algorithmau ML, gan gynnwys dysgu dan oruchwyliaeth, heb oruchwyliaeth, a dysgu atgyfnerthu, pob un yn addas ar gyfer gwahanol fathau o dasgau.
4. Nodweddion: Nodweddion yw nodweddion neu briodoleddau'r data y mae'r algorithm yn eu defnyddio i wneud rhagfynegiadau. Mae dewis nodweddion a pheirianneg yn chwarae rhan hanfodol wrth wella perfformiad model.
5. Rhagfynegiad a Chasgliad: Ar ôl hyfforddiant, gall y model ML wneud rhagfynegiadau neu gasgliadau ar ddata newydd, nas gwelwyd. Er enghraifft, gall ragweld dewisiadau cwsmeriaid, dosbarthu delweddau, canfod anghysondebau, neu argymell cynhyrchion.
6. Gwerthuso: Asesir perfformiad modelau dysgu peirianyddol gan ddefnyddio metrigau gwerthuso sy'n benodol i'r dasg. Mae metrigau nodweddiadol yn cynnwys cywirdeb, trachywiredd, adalw, sgôr F1, a gwall sgwâr cymedrig.
7. Proses iteraidd: Mae dysgu peiriant yn broses ailadroddol. Mae modelau'n cael eu hyfforddi, eu gwerthuso, a'u mireinio dro ar ôl tro i wella eu cywirdeb a'u heffeithiolrwydd.

Mae gan ddysgu peiriannau ystod eang o gymwysiadau ar draws amrywiol ddiwydiannau, gan gynnwys:

• Prosesu Iaith Naturiol (NLP): Defnyddir ML ar gyfer cyfieithu iaith, dadansoddi teimladau, chatbots, ac adnabod lleferydd.
• Gweledigaeth Cyfrifiadurol: Mae ML yn galluogi dadansoddi delweddau a fideo, canfod gwrthrychau, adnabod wynebau, a cherbydau ymreolaethol.
• Gofal Iechyd: Mae ML yn cael ei gyflogi mewn diagnosis meddygol, darganfod cyffuriau, a rhagfynegi canlyniadau cleifion.
• Cyllid: Defnyddir ML ar gyfer canfod twyll, sgorio credyd, a dadansoddi'r farchnad stoc.
• Systemau Argymell: Mae ML yn pweru peiriannau argymell mewn e-fasnach, ffrydio cynnwys, a chyfryngau cymdeithasol.
• Gweithgynhyrchu: Mae ML yn cael ei gymhwyso ar gyfer cynnal a chadw rhagfynegol, rheoli ansawdd, ac optimeiddio prosesau cynhyrchu.

Mae dysgu peirianyddol yn dechnoleg sy'n galluogi cyfrifiaduron i ddysgu o ddata a gwneud penderfyniadau neu ragfynegiadau gwybodus, gan ei wneud yn arf pwerus ar gyfer datrys problemau cymhleth ac awtomeiddio tasgau mewn ystod eang o feysydd.