קורס בינה מלאכותית : RB20 – שיעור 1 – מהי בינה מלאכותית מהיא למידת מכונה ?
מאמר זה נכתב לאשנים ללא רקע , ולכן יש חזרה על מילים
מהי למידת מכונה ? – למידת מכונה הינה מצב שמכונה יכולה ללמוד באופן אוטמתי בעצמה בנושא מסוייפ או נושאים רבים ללא צורך לתכנת אותה מחדש בכל פעם עלנת לפתור בעיה יעודית שלשמה היא אמונה , ובכל שהיא תופעל יותר כך היא עם הזמן עשויה ללמוד יותר ולהיות מדוייקת יותר..
למידת מכונה בעיקר מתבצעת עלידי התבוננות במצבים או נתונים ובכך למודת זיהוי חוקיות או מחזריות ולימידה אם צדקה או לא צדקה בצורה עצמית או על ידי משוב חיצוני כמו בן אדם , או חיישנים חיצוניים
ניקח דוגמא :
נניח שנרצה ללמד מכונה להבדיל בין כסא מיטה וחתול העזרת תוכנת מחשב מיוחדת שיודעת ללמוד
אז בואו נחשוב
המשותף : לכולם יש 4 רגלים , כיסא ושולחן נמצא על הרצפה , חתול יכול להיות על עץ או לקפוץ , לכולם יש צבעים שונים דגמים שונים
השונה : מיטה וכיסא לא זזים , חתול זז . מטה ושולחן אין ראש וזנב לחתול יש ראש וזנב , מיטה וכיסא זה דומם , חתול זה חי
אז איך נלמד מכונה ללמוד להבדיל בתמונה בין כיסא מיטה וחתול ?
נחלק את ההליך לשלבים :
שלב ראשון
נפתח קוד תוכנה מיוחד שנועד לבינה מלאכותי – המיוחד בקוד תוכנה מסוג זה שהיא יודעת לראות תמונות לנתח אותם ולסווג אותם
שלב שני – הכנת נתונים ללימוד עבור הבינה מלאכותית
נחלק את התמנות ל 3 חלקים :
- חלק ראשון תמונות של כיסא בלבד
- חלק שני תמנות של מיטה בלבד
- חלק שלישי תמונות של חתולים בלבד
עכשיו נראה לתוכנה שיודעת ללמוד את 3 סוגי התמנות ונגיד לה כל תמונה לאיזה קוצה היא שייכת (לכיסא , מיטה, חתול)
כך נראה לתוכנה של הבינה מלאכות 7,000 תמנות שונות של כסא ונגיד לה כל 7000 התמונות האלה הם תמונות של כיסא
כך נראה לתוכנה של הבינה מלאכות 7,000 תמנות שונות של מיטה ונגיד לה כל 7000 התמונות האלה הם תמונות של מיטה
כך נראה לתוכנה של הבינה מלאכות 7,000 תמנות שונות של חתול ונגיד לה כל 7000 התמונות האלה הם תמונות של חתול
אימון המערכת – הלימדה עצמה
תוכנה של הבינה מלאכותית תעבד את המידה ומהתמונות ותלמד דרך התמונות את החוקיות בכל אחת מהקבוצות , של כיסא , מיטה , חתול .
בדיקה כמה הבינה המלאכותית למדה טוב ? מ 0 עד 100 (פרדיקציה) ויעלות
עכשיו ניקח 3000 תמונות חדשות מכל סוג שהבינה המלאכותית לא ראתה לפני
3000 תנמות של מיטה ,
3000 תמונות של כיסא
3000 תמונות של חתול
סה”כ 9000 תמונות
ריגרסיה ליניארית
רגירסיה ליניראת הינה הליך שמנסים להתאים בצורה הטובה ביותר קו ישר למקבץ של נתונים – עבור משתנה אחד זה קל , עבור מספר משתנים זה כבר מורכב יותר
הרעיון נישאר אותו רעיון = זה למשעה למידת מכונה על ידי ריגרסיה
בדוגמא הקודמות ראינו משוואה מספר שנים למשכורת
במציאות יש עוד הרבה פרמטרים , השכלה , גיל, מצב ביראותי, איזור מגורים , מצב משפחתי , שעות עבדוה נוספות , מצב סוציומטרי ועוד ועוד .
מאחר וזה מעל 3 מימדים לא ניתן לצייר אותה על דף
בנוסף במקום התאמרת קו ישר אפשר להתאים CURVE קן
SUPERVISED LEARNING
בקלסיפקציה
נקבל לפחות 2 אפשריות – האם הוא חולה או בריא , האם זה כלב חתול או נמר
ברגירסיה לניארת – נקבל מספר סופי בעיקר
השלבים בבינה מלאכותית
אם כל הפרדיקציות שלנו יהיו 0 – כך המודח טוב יותר
Accuracy
עבור בעיות קלסיפקציה ניתן לחשב ACCURECY
עבור בעיות רגרסיה לחשב דיוק זה יותר מורכב.
תרגיל
קלוט נתונים מקובץ אקסל , פצל אותם
נפצל את הנתונים
נמיר מגידול אספונציאלי לגידול ליניארי על ידי שימוש ב לוג
לאחר לוג ניתן לראות שקיבלנו קו ישר – עכשיו נוכל להפעיל למידת מכונה של ריגרסיה לינארית
ריגרסיה לניראת היא התאמה של הקו הטוב ביותר
שימוש בליניאר רגרסיין לניבוי משכורת
B הערך של של Y כאשר X=0
משמעות שאם יש לך 0 שניות נסייון זה המשכרות התחלית שלך
M או a הינו השיפוע – בעצם בכמה תגגל השמשכרות שלך עבור כל שנה שאתה עובד בתופסת
נניח שיש לנו עוד פרמטר לנבות את המשכרות לפי תחום עיסוק עכשיו Y יהיה תלוי כבר בשתי משתנים – גם פה אפשר בעזרת ריגרסיה לינארית לבצע ניבוי
במשאווה זאת נקרא ל W1 ו W2 במקום a
b יהיה המשכרות ההתחלית כאשר X1 X2 יהיו 0
איך מודול לומד ? איך “בגדול ” בינה מלאכותית לומדת ?
16. How does a model “learn”?
שלב ראשון נקלוט נתונים ונציג על גרף (אם ניתן עבור בעיות מעל 3 מימדים יהיה מורכב ולא ניתן להצגי על גרף )
שלב שני נחשב Error funciton
ככל ש MSE קרוב ל 0 כך הטעות קטנה יותר וכך ההתאמה גבוהה יותר
שם נרדף הוא LOST והמטרה שלנו שה LOST יהיה כמה שיותר קטן
עבור הרבה משתנים הנגזרת נקראת GRADIENT
במקום לחשב את הנגזרות עבור N משתנים נתמש ב
והשיטה תיהיה 
בה בעצתם אנלנו לומדים בקפיצות
אפשר לראות שאפ למודים מהר מדי ה OST גבוהה מאוד והמדול לא יצליח לנבות
בגדול בקצב לימוד מהיר את מפספס את נקודות המנימים
אם לןמדים לאט מידי
https://www.udemy.com/course/deep-learning-convolutional-neural-networks-theano-tensorflow/learn/lecture/21513588#overview
ביצוע ניבוי בעזרת בינה מלאכותית
