Table of Contents[Hūnā][Hōʻike]
Ke loli koke nei ka honua ma muli o ke akamai akamai, a me ke aʻo ʻana i ka mīkini, kahi hopena i kēlā me kēia ʻano o ko mākou ola i kēlā me kēia lā.
Mai nā mea kōkua leo e hoʻohana ana i ka NLP a me ke aʻo ʻana i nā mīkini e kākau i nā koho, e ʻimi i nā hanana ma kā mākou kalena, a hoʻokani mele i nā hāmeʻa pololei loa e hiki ai iā lākou ke kali i kā mākou pono ma mua o ka noʻonoʻo ʻana iā lākou.
Hiki i nā lolouila ke pāʻani chess, hana ʻokiʻoki, a hoʻomohala i ʻoi aku ka naʻauao, ʻoi aku ka nui o nā mīkini e like me ke kanaka me ke kōkua o nā algorithm aʻo mīkini.
Aia mākou i ka manawa o ka holomua ʻenehana, a ma ka ʻike ʻana i ka ulu ʻana o nā kamepiula i ka wā, hiki iā mākou ke hana i nā wānana e pili ana i nā mea e hiki mai ana.
ʻO ka democratization o nā mea hana kamepiula a me nā ʻano hana kekahi o nā mea nui o kēia kipi e kū nei. ʻEpekema ʻikepili Ua hana ʻo ia i nā lolouila ʻikepili ikaika i nā makahiki ʻelima i hala ma o ka hoʻokō pono ʻana i nā ʻano hana ʻoki. He mea kupanaha ka hopena.
Ma keia pou, e nana pono kakou aʻo aʻo algorithms a me kā lākou mau ʻano like ʻole.
No laila, he aha nā algorithms Machine Learning?
ʻO ke ala i hoʻohana ʻia e ka ʻōnaehana AI no ka hoʻokō ʻana i kāna hana-ʻo ka mea maʻamau, ka wānana ʻana i nā waiwai hoʻopuka mai ka ʻikepili hoʻokomo i hāʻawi ʻia-ua ʻike ʻia he algorithm aʻo mīkini.
ʻO ka algorithm aʻo mīkini kahi hana e hoʻohana ai i ka ʻikepili a hoʻohana ʻia e hana i nā hiʻohiʻona aʻo mīkini i mākaukau no ka hana ʻana. Inā ʻo ke aʻo ʻana i ka mīkini ke kaʻaahi e lawe ana i kahi hana, a laila ʻo nā algorithm aʻo mīkini ka locomotives e neʻe i ka hana.
ʻO ke ala maikaʻi loa e aʻo ai i ka mīkini e hoʻohana ʻia e ka pilikia ʻoihana āu e hoʻāʻo nei e hoʻoponopono, ke ʻano o ka ʻikepili āu e hoʻohana nei, a me nā kumuwaiwai āu i loaʻa ai.
ʻO nā algorithm aʻo mīkini ka mea e hoʻohuli i kahi ʻikepili i hoʻohālike. Ma muli o ke ʻano o ka pilikia āu e hoʻāʻo nei e pane, hiki ke hana maikaʻi nā algorithm aʻo ʻana i ka mana hana, a me ke ʻano o ka ʻikepili i loaʻa iā ʻoe.
No laila, ua kamaʻilio mākou e pili ana i ke aʻo ʻana i mālama ʻia, mālama ʻole ʻia, a me ka hoʻoikaika ʻana, akā he aha ia? E ʻimi kākou iā lākou.
Hoʻopaʻa ʻia, mālama ʻole ʻia & hoʻoikaika ʻia ke aʻo ʻana
Ke aʻo ʻana i luna ʻia
Ma ka hoʻonaʻauao mālama ʻia, hoʻomohala ʻia ke kumu hoʻohālike AI ma muli o ka hoʻokomo i hāʻawi ʻia a me ka lepili e hōʻike ana i ka hopena wānana. Ma muli o nā mea hoʻokomo a me nā mea hoʻopuka, hoʻomohala ke kumu hoʻohālike i ka hoʻohālikelike palapala, a me ka hoʻohana ʻana i kēlā hoʻohālikelike palapala, wānana ʻo ia i ka lepili o nā mea hoʻokomo i ka wā e hiki mai ana.
E ʻōlelo kākou, pono kākou e hana i kahi hoʻohālike e hiki ke hoʻokaʻawale i waena o ka ʻīlio a me ka pōpoki. Hāʻawi ʻia nā kiʻi lehulehu o nā pōpoki a me nā ʻīlio i loko o ke kumu hoʻohālike me nā lepili e hōʻike ana inā he pōpoki a ʻīlio paha lākou i mea e aʻo ai i ke kumu hoʻohālike.
Ke ʻimi nei ke kŘkohu e hoʻokumu i ka hoʻohālikelike e pili ana i nā lepili ma nā kiʻi hoʻokomo i kēlā mau kiʻi. ʻOiai inā ʻaʻole i ʻike mua ke kumu hoʻohālike i ke kiʻi, ma hope o ke aʻo ʻana, hiki iā ia ke ʻike inā he pōpoki a ʻīlio paha.
Ke Aʻo Kākoʻo ʻole ʻia
ʻO ke aʻo ʻana ʻaʻole i mālama ʻia e pili ana i ka hoʻomaʻamaʻa ʻana i kahi hoʻohālike AI wale nō ma nā mea hoʻokomo me ka ʻole o ka hōʻailona ʻana iā lākou. Hoʻokaʻawale ke kumu hoʻohālike i ka ʻikepili hoʻokomo i nā hui me nā ʻano pili.
A laila wānana ʻia ka lepili o ka hoʻokomo ʻana ma muli o ke ʻano pili pono o kona mau ʻano me kekahi o nā hoʻohālikelike. E noʻonoʻo i ke kūlana kahi e hoʻokaʻawale ai mākou i kahi hui o nā pōlele ʻulaʻula a me ka uliuli i ʻelua ʻāpana.
E noʻonoʻo kākou he ʻano like nā hiʻohiʻona ʻē aʻe o nā pōpō, koe naʻe ke kala. Ma ke kumu e hiki ai iā ia ke hoʻokaʻawale i nā pōpō i ʻelua papa, ʻike ke kumu hoʻohālike i nā ʻano ʻokoʻa ma waena o nā pōpō.
Hana ʻia ʻelua pūʻulu pōpō—hoʻokahi uliuli a me hoʻokahi ʻulaʻula—ke māhele ʻia nā pōpō i ʻelua pūʻulu e pili ana i ko lākou hue.
Hoʻomaopopo hoʻomaʻamaʻa
I ka hoʻoikaika ʻana i ke aʻo ʻana, ʻimi ke kumu hoʻohālike AI e hoʻonui i ka waiwai holoʻokoʻa ma o ka hana ʻana e like me ka hiki i kekahi kūlana. ʻO ka manaʻo manaʻo ma kāna mau hopena mua e kōkua i ke kumu hoʻohālike e aʻo ai.
E noʻonoʻo e pili ana i ke ʻano i ka wā i aʻo ʻia ai kahi lopako e koho i kahi ala ma waena o nā helu A a me B. Ua koho mua ka lopako i kekahi o nā papa no ka mea ʻaʻohe ona ʻike mua.
Loaʻa ka lopako i ka hoʻokomo ma ke ala e hele ai a loaʻa ka ʻike mai ia mea. Hiki i ka robot ke hoʻohana i ka hoʻokomo e hoʻoponopono i ka pilikia i ka manawa aʻe e hālāwai ai me kahi kūlana like.
No ka laʻana, inā koho ka robot i ke koho B a loaʻa iā ia ka uku, e like me ka manaʻo maikaʻi, maopopo ia i kēia manawa pono ia e koho i ke ala B e hoʻonui ai i kāna uku.
ʻO ka mea hope loa āu e kali nei, ʻo ia ka algorithm.
Nā Algorithms Aʻo Mīkini Nui
1. Linear Regression
ʻO ke ala aʻo mīkini maʻalahi loa e haʻalele i ke aʻo ʻana i mālama ʻia ʻo ia ka linear regression. Me ka ʻike mai nā ʻokoʻa kūʻokoʻa, hoʻohana nui ʻia e hoʻoponopono i nā pilikia regression a hana i nā wānana i nā ʻano hilinaʻi mau.
ʻO ka ʻimi ʻana i ka laina kūpono, hiki ke kōkua i ka wānana ʻana i ka hopena no nā mea hoʻololi hilinaʻi mau, ʻo ia ka pahuhopu o ka regression linear. ʻO nā kumukūʻai hale, ka makahiki, a me ka uku kekahi mau laʻana o nā waiwai mau.
Hoʻohana ʻia kahi ʻano hoʻohālike i kapa ʻia ʻo ka regression linear maʻalahi i kahi laina pololei e helu ai i ka hui ma waena o kahi hoʻololi kūʻokoʻa a me hoʻokahi hoʻololi hilinaʻi. ʻOi aku ma mua o ʻelua mau ʻokoʻa kūʻokoʻa i loko o ka regression linear lehulehu.
He ʻehā mau manaʻo kumu o ka hoʻohālikelike laina:
- Linearity: Aia kahi pilina laina ma waena o X a me ka mean o Y.
- Homoscedasticity: No kēlā me kēia waiwai o X, ua like ke koena ʻokoʻa.
- Kūʻokoʻa: Kūʻokoʻa ka nānā ʻana i kekahi i kekahi ma ke ʻano o ke kūʻokoʻa.
- Maʻamau: Ke hoʻopaʻa ʻia ʻo X, puʻunaue maʻamau ʻo Y.
Hana maikaʻi ka hoʻihoʻi laina laina no ka ʻikepili hiki ke hoʻokaʻawale ʻia ma nā laina. Hiki iā ia ke hoʻomalu i ka overfitting me ka hoʻohana ʻana i ka regularization, cross-validation, a me nā ʻenehana hōʻemi dimensionality. Eia nō naʻe, aia kekahi mau manawa e koi ʻia ai ka ʻenehana hiʻohiʻona nui, hiki i kekahi manawa ke hopena i ka overfitting a me ka walaʻau.
2. Hoʻihoʻi Logistic
ʻO Logistic regression kekahi ʻenehana aʻo mīkini e haʻalele i ke aʻo ʻana i mālama ʻia. ʻO kāna hoʻohana nui ʻana ʻo ka hoʻohālikelike ʻana, ʻoiai hiki ke hoʻohana ʻia no nā pilikia regression.
Hoʻohana ʻia ka logistic regression e wānana i ka hoʻololi hilinaʻi categorical me ka hoʻohana ʻana i ka ʻike mai nā kumu kūʻokoʻa. ʻO ka pahuhopu ka hoʻokaʻawale ʻana i nā huahana, hiki ke hāʻule wale ma waena o 0 a me 1.
Hoʻoponopono ʻia ka huina kaumaha o nā mea hoʻokomo e ka hana sigmoid, kahi hana hoʻāla e hoʻololi i nā waiwai ma waena o 0 a me 1.
ʻO ke kumu o ka hoʻihoʻi ʻana i ka logistic ka helu likelihood kiʻekiʻe, kahi ala no ka helu ʻana i nā ʻāpana o kahi puʻunaue likelika i manaʻo ʻia i hāʻawi ʻia i nā ʻikepili i nānā ʻia.
3. Laau Hooholo
ʻO kekahi ʻano hana aʻo mīkini e hoʻokaʻawale i ke aʻo ʻana i mālama ʻia ʻo ia ka lāʻau hoʻoholo. No nā pilikia hoʻohālikelike a me ka regression, hiki ke hoʻohana ʻia ke ala kumu lāʻau hoʻoholo.
Ke hoʻohana nei kēia mea hana hoʻoholo, e like me ka lāʻau, i nā hiʻohiʻona hiʻohiʻona e hōʻike i nā hopena kūpono o nā hana, nā kumukūʻai, a me nā hopena. Ma ka hoʻokaʻawale ʻana i ka ʻikepili i nā ʻāpana ʻokoʻa, ua like ka manaʻo me ka noʻonoʻo kanaka.
Ua māhele ʻia ka ʻikepili i nā ʻāpana like ʻole e like me ka mea hiki iā mākou ke granulate. ʻO ka pahuhopu nui o kahi lāʻau hoʻoholo ʻo ia ke kūkulu ʻana i kahi kumu hoʻomaʻamaʻa hiki ke hoʻohana ʻia e wānana i ka papa o ka mea hoʻololi i manaʻo ʻia. Hiki ke mālama 'akomi 'ia nā waiwai i nalowale me ka ho'ohana 'ana i ka Decision Tree.
ʻAʻohe koi no ka hoʻopili ʻana i hoʻokahi kiʻi, dummy variables, a i ʻole nā pae pretreatment data ʻē aʻe. He paʻakikī ma ke ʻano he paʻakikī ke hoʻohui i nā ʻikepili hou iā ia. Inā loaʻa iā ʻoe nā ʻikepili i hoʻopaʻa ʻia, pono ʻoe e aʻo hou i ka lāʻau ma ka ʻikepili holoʻokoʻa.
ʻO ka hopena, he koho maikaʻi ʻole nā kumu lāʻau hoʻoholo no kēlā me kēia noi e koi ana i ka hoʻololi ʻana i nā kumu hoʻohālike.
Ma muli o ke ʻano o ka hoʻololi ʻana, ua hoʻokaʻawale ʻia nā kumulāʻau hoʻoholo i ʻelua ʻano:
- Hoʻololi Māhele: He lāʻau hoʻoholo kahi i hoʻololi ʻia ka pahu hopu.
- Hoʻololi Hoʻomau: He lāʻau hoʻoholo e hoʻomau ka hoʻololi pahuhopu.
4. Nahele Random
ʻO ka Random Forest Method ka ʻenehana aʻo mīkini aʻe a he algorithm aʻo mīkini i mālama ʻia i hoʻohana nui ʻia i ka hoʻohālikelike a me nā pilikia regression. He ʻano kumu lāʻau nō hoʻi ia, e like me ka lāʻau hoʻoholo.
Hoʻohana ʻia ka ululāʻau o nā kumulāʻau, a i ʻole nā kumu lāʻau hoʻoholo he nui e ke ʻano o ka ululāʻau maʻamau e hoʻoholo ai. I ka lawelawe ʻana i nā hana hoʻokaʻawale, ua hoʻohana ke ʻano o ka ululāʻau i nā ʻano like ʻole i ka wā e lawelawe ana i nā hana hoʻihoʻi me nā ʻikepili i loaʻa nā ʻano hoʻololi mau.
ʻO ka hui, a i ʻole ka hui ʻana o nā hiʻohiʻona he nui, ʻo ia ka hana o ka ululāʻau random, ʻo ia hoʻi, ua hana ʻia nā wānana me ka hoʻohana ʻana i kahi hui o nā hiʻohiʻona ma mua o ka hoʻokahi wale nō.
ʻO ka hiki ke hoʻohana ʻia no ka hoʻokaʻawale ʻana a me nā pilikia regression, ka mea i hana i ka hapa nui o nā ʻōnaehana aʻo mīkini hou, kahi pōmaikaʻi nui o ka ululāʻau random.
ʻElua mau hoʻolālā like ʻole e hoʻohana ʻia e Ensemble:
- Bagging: Ma ka hana ʻana i kēia, hoʻonui ʻia ka ʻikepili no ka ʻikepili aʻo. No ka hoʻemi ʻana i ka ʻokoʻa o nā wānana, ua hana ʻia kēia.
- ʻO ka Boosting ke kaʻina hana o ka hoʻohui ʻana i nā haumāna nāwaliwali me nā haumāna ikaika ma o ke kūkulu ʻana i nā kumu hoʻohālike e loaʻa ana i ke kumu hoʻohālike hope me ka pololei loa.
5. Naive Bayes
Hiki ke hoʻoponopono ʻia kahi pilikia hoʻohālikelike binary (ʻelua-papa) a me ka hoʻohana ʻana i ka ʻenehana Naive Bayes. Ke wehewehe ʻia ke ʻano me ka hoʻohana ʻana i nā waiwai hoʻokomo binary a i ʻole ʻāpana, ʻoi aku ka maʻalahi o ka hopu ʻana. ʻO kahi manaʻo i hana ʻia e ka mea hoʻohālikelike Naive Bayes ʻo ia ke ʻano o ka noho ʻana o kahi hiʻohiʻona i loko o kahi papa i pili ʻole i ke alo o nā hiʻohiʻona ʻē aʻe.
Hōʻike ka ʻōlelo ma luna nei:
- P(H): Ua pololei ka kuhiakau H. Kuhi ʻia ka probability mua e like me kēia.
- P(E): Ka likelihood o ka hoike
- P(E|H): Ke kākoʻo ʻia ka kuhiakau e ka hōʻike.
- P(H|E): He ʻoiaʻiʻo ke kuhiakau, hāʻawi ʻia ka hōʻike.
E noʻonoʻo ana ka papa helu Naive Bayes i kēlā me kēia o kēia mau hiʻohiʻona i ka wā e hoʻoholo ai i ka likelike o kekahi hopena, ʻoiai inā pili kēia mau ʻano i kekahi i kekahi. He mea maʻalahi ke kūkulu ʻana i kahi hoʻohālike Naive Bayesian a kūpono hoʻi no nā ʻikepili nui.
Ua ʻike ʻia ʻoi aku ka maikaʻi ma mua o nā ʻenehana hoʻokaʻawale paʻakikī ʻoiai ke kumu. He hōʻiliʻili ia o nā algorithms i hoʻokumu ʻia ma luna o ka Bayes' Theorem, ma mua o ke ʻano hoʻokahi.
6. K-Nea Neighbors
ʻO ke ʻano K-nerest neighbors (kNN) kahi ʻāpana o ke aʻo ʻana i ka mīkini i mālama ʻia e hiki ke hoʻohana ʻia no ka hoʻoponopono ʻana i nā pilikia hoʻohālikelike a me ka regression. Manaʻo ka KNN algorithm hiki ke loaʻa nā mea like ma kahi kokoke.
Hoʻomanaʻo wau ma ke ʻano he hui ʻana o nā poʻe like like. Hoʻohana maikaʻi ʻo kNN i ka manaʻo o ke ʻano like ma waena o nā helu ʻikepili ʻē aʻe e hoʻohana ana i kahi kokoke, kokoke, a i ʻole mamao. No ka hoʻopaʻa inoa ʻana i nā ʻikepili ʻike ʻole ʻia e pili ana i nā helu ʻikepili hiki ke nānā ʻia, hoʻohana ʻia kahi ʻano makemakika e hoʻoholo ai i ka kaʻawale ʻana ma waena o nā kiko ma ka pakuhi.
Pono ʻoe e hoʻoholo i ka mamao ma waena o nā kikoʻikepili i mea e ʻike ai i nā kiko hoʻohālikelike kokoke loa. Hiki ke hoʻohana ʻia nā ana mamao e like me ka mamao Euclidean, mamao Hamming, mamao Manhattan, a me Minkowski mamao. ʻIke ʻia ka K ʻo ka helu hoa pili kokoke loa, a he helu ʻokoʻa pinepine ia.
Hiki ke hoʻohana ʻia ʻo KNN i ka hoʻohālikelike a me nā pilikia regression. ʻO ka wānana i hana ʻia ke hoʻohana ʻia ʻo KNN i nā pilikia regression e pili ana i ka mean a i ʻole median o nā hanana K-like loa.
Hiki ke hoʻoholo ʻia ka hopena o kahi algorithm hoʻohālikelike e pili ana i ka KNN ma ke ʻano he papa me ke alapine kiʻekiʻe loa ma waena o nā hanana like loa. ʻO kēlā me kēia manawa ke koho balota no kā lākou papa, a ʻo ka wānana no ka papa i loaʻa ka nui o nā balota.
7. K-ʻo ia hoʻi
He ʻenehana ia no ke aʻo ʻole ʻia e hoʻoponopono i nā pilikia clustering. Hoʻokaʻawale ʻia nā pūʻulu ʻikepili i kekahi helu o nā puʻupuʻu—e kapa ʻia ʻo ia K—ma ke ʻano like ʻole a ʻokoʻa nā kikoʻikepili o kēlā me kēia puʻupuʻu mai nā pūʻulu ʻē aʻe.
K-means hui pūʻulu hana:
- No kēlā me kēia pūʻulu, koho ka K-means algorithm i k centroids, a i ʻole nā kiko.
- Me nā pūʻulu kikowaena kokoke loa a i ʻole K puʻupuʻu, hoʻokumu kēlā me kēia helu ʻikepili i pūʻulu.
- I kēia manawa, hoʻopuka ʻia nā centroids hou ma muli o nā lālā cluster e kū nei.
- Ua helu ʻia ka mamao kokoke loa no kēlā me kēia helu ʻikepili me ka hoʻohana ʻana i kēia mau kikowaena kikowaena hou. A hiki i ka hoʻololi ʻole ʻana o nā kikowaena, e hana hou ʻia kēia kaʻina hana.
ʻOi aku ka wikiwiki, hilinaʻi, a maʻalahi hoʻi e hoʻomaopopo. Inā loaʻa nā pilikia, hiki ke maʻalahi ka hoʻoponopono ʻana o k-means. Ke ʻokoʻa a hoʻokaʻawale ʻia nā ʻikepili mai kekahi i kekahi, ʻoi aku ka maikaʻi o nā hopena. ʻAʻole hiki iā ia ke hoʻokele i ka ʻikepili kuhi hewa a i ʻole nā mea waho.
8. Kākoʻo i nā Mīkini Vector
I ka hoʻohana ʻana i ka ʻenehana SVM no ka hoʻokaʻawale ʻana i ka ʻikepili, hōʻike ʻia ka ʻikepili maka ma ke ʻano he kiko ma kahi ākea n-dimensional (kahi n ka helu o nā hiʻohiʻona i loaʻa iā ʻoe). Hiki ke hoʻokaʻawale maʻalahi ka ʻikepili no ka mea pili ka waiwai o kēlā me kēia hiʻohiʻona i kahi hoʻonohonoho kikoʻī.
No ka hoʻokaʻawale ʻana i ka ʻikepili a kau iā lākou ma ka pakuhi, e hoʻohana i nā laina i kapa ʻia ʻo classifiers. Hoʻolālā kēia ala i kēlā me kēia kikoʻikepili ma ke ʻano he kiko ma kahi ākea n-dimensional, kahi n ka helu o nā hiʻohiʻona i loaʻa iā ʻoe a ʻo ka waiwai o kēlā me kēia hiʻohiʻona he waiwai hoʻonohonoho kikoʻī.
E ʻimi mākou i kahi laina e hoʻokaʻawale i ka ʻikepili i ʻelua pūʻulu ʻikepili i hoʻokaʻawale ʻia. ʻO nā mamao mai nā kiko kokoke loa i kēlā me kēia hui ʻelua, ʻo ia ka mamao loa ma kēia laina.
No ka mea, ʻo nā helu pili ʻelua ka mamao loa mai ka laina ma ka laʻana ma luna, ʻo ka laina e puʻunaue ana i ka ʻikepili i loko o nā pūʻulu ʻelua i hoʻokaʻawale ʻokoʻa ʻia ka laina waena. ʻO kā mākou papa helu kēia laina.
9. Ho'ēmi Dimensionality
Me ka hoʻohana ʻana i ka hoʻemi ʻana i ka dimensionality, ʻoi aku ka liʻiliʻi o ka ʻikepili aʻo. Ma nā ʻōlelo maʻalahi, pili ia i ke kaʻina hana o ka hōʻemi ʻana i ka nui o kāu hoʻonohonoho hiʻohiʻona. E noʻonoʻo kāua he 100 kolamu; ʻO ka emi ʻana o ka dimensionality e hoʻemi i kēlā nui i 20 kolamu.
ʻOi aku ka maʻalahi o ke kumu hoʻohālike a ʻoi aku ka nui o ka pilikia o ka overfitting i ka piʻi ʻana o ka nui o nā hiʻohiʻona. ʻO ka pilikia nui loa me ka hana ʻana me ka ʻikepili i nā ʻano nui aʻe ka mea i ʻike ʻia ʻo ka "curse of dimensionality," i hana ʻia inā loaʻa i kāu ʻikepili ka nui o nā hiʻohiʻona.
Hiki ke hoʻohana ʻia kēia mau mea no ka hoʻokō ʻana i ka hōʻemi dimensionality:
- No ka huli ʻana a koho i nā ʻano kūpono, hoʻohana ʻia ke koho hiʻohiʻona.
- Me ka hoʻohana ʻana i nā hiʻohiʻona i loaʻa, hana lima ʻenehana hiʻohiʻona i nā hiʻohiʻona hou.
Panina
Hiki ke aʻo ʻia nā mīkini ʻike ʻole a nānā ʻia paha. E koho i ke aʻo ʻana i mālama ʻia inā ʻoi aku ka nui o kāu ʻikepili a hōʻailona maikaʻi ʻia no ke aʻo ʻana.
Hana pinepine nā pūʻulu ʻikepili nui a hoʻopuka i nā hopena maikaʻi aʻe me ka hoʻohana ʻana i ke aʻo ʻole ʻia. Ke aʻo haʻahaʻa ʻoi aku ka maikaʻi o nā ala inā loaʻa iā ʻoe kahi hōʻiliʻili ʻikepili nui i hiki ke loaʻa.
Aʻo hoʻoikaika a ʻo ke aʻo hoʻoikaika hohonu kekahi mau kumuhana āu i aʻo ai. Ua maopopo iā ʻoe nā hiʻohiʻona, hoʻohana a me nā kaohi o nā neural network. ʻO ka mea hope akā ʻaʻole ka mea liʻiliʻi loa, ua noʻonoʻo ʻoe i nā koho no nā ʻōlelo papahana like ʻole, nā IDE, a me nā paepae i ka wā e hana ai i kāu ponoʻī. nā mīkini aʻo mīkini.
ʻO ka mea aʻe āu e hana ai, ʻo ka hoʻomaka ʻana e aʻo a hoʻohana i kēlā me kēia aʻo aʻo hoʻokokoke. ʻOiai inā he ākea ke kumuhana, hiki ke hoʻomaopopo ʻia kekahi kumuhana i loko o kekahi mau hola ke nānā ʻoe i kona hohonu. Kū hoʻokahi kēlā me kēia kumuhana mai nā mea ʻē aʻe.
Pono ʻoe e noʻonoʻo i hoʻokahi pilikia i ka manawa, e aʻo iā ia, e hoʻomaʻamaʻa, a e hoʻohana i kahi ʻōlelo āu e koho ai e hoʻokō i nā algorithm i loko.
Waiho i ka Reply