පටුන[සඟවන්න][පෙන්වන්න]
- 1. ටයිටැනික්
- 2. අයර්ලන්ත මල් වර්ගීකරණය
- 3. බොස්ටන් හවුස් මිල අනාවැකිය
- 4. වයින් තත්ත්ව පරීක්ෂාව
- 5. කොටස් වෙළෙඳපොළ අනාවැකි
- 6. චිත්රපට නිර්දේශය
- 7. පැටවීමේ සුදුසුකම් පුරෝකථනය
- 8. Twitter දත්ත භාවිතයෙන් හැඟීම් විශ්ලේෂණය
- 9. අනාගත විකුණුම් පුරෝකථනය
- 10. ව්යාජ පුවත් හඳුනාගැනීම
- 11. කූපන් මිලදී ගැනීමේ පුරෝකථනය
- 12. පාරිභෝගික චංචල අනාවැකිය
- 13. වෝල්මාට් විකුණුම් පුරෝකථනය
- 14. Uber දත්ත විශ්ලේෂණය
- 15. Covid-19 විශ්ලේෂණය
- නිගමනය
යන්ත්ර ඉගෙනීම යනු පරිගණක වැඩසටහනක් හෝ ඇල්ගොරිතමයක් උසස් මට්ටමින් ඉදිරිපත් කරන නිශ්චිත රැකියාවක් ක්රමයෙන් වැඩිදියුණු කිරීම සඳහා දැනුවත් කරන්නේ කෙසේද යන්න පිළිබඳ සරල අධ්යයනයකි. රූප හඳුනාගැනීම, වංචා හඳුනාගැනීම්, නිර්දේශ පද්ධති සහ අනෙකුත් යන්ත්ර ඉගෙනුම් යෙදුම් දැනටමත් ජනප්රිය බව ඔප්පු වී ඇත.
ML රැකියා මිනිස් වැඩ සරල හා කාර්යක්ෂම කරයි, කාලය ඉතිරි කර උසස් තත්ත්වයේ ප්රතිඵලයක් සහතික කරයි. ලොව ජනප්රියම සෙවුම් යන්ත්රය වන Google පවා භාවිතා කරයි යන්ත්ර ඉගෙනීම.
පරිශීලකයාගේ විමසුම විශ්ලේෂණය කිරීමේ සිට ප්රතිඵල මත පදනම්ව ප්රතිඵලය වෙනස් කිරීමේ සිට විමසුමට අදාළව ප්රවණතා මාතෘකා සහ දැන්වීම් පෙන්වීම දක්වා විවිධ විකල්ප තිබේ.
සංජානනීය මෙන්ම ස්වයං-නිවැරදි කිරීමේ තාක්ෂණය අනාගතයේදී වැඩි ඈතක නොවේ.
ආරම්භ කිරීමට ඇති හොඳම ක්රමයක් නම් ව්යාපෘතියක් අතට ගෙන සැලසුම් කිරීමයි. එබැවින්, ඔබ ආරම්භ කිරීම සඳහා අපි ආරම්භකයින් සඳහා ඉහළම යන්ත්ර ඉගෙනුම් ව්යාපෘති 15 ක ලැයිස්තුවක් සම්පාදනය කර ඇත්තෙමු.
1. ටයිටැනික්
මෙය බොහෝ විට යන්ත්ර ඉගෙනීම පිළිබඳ වැඩිදුර ඉගෙනීමට කැමති ඕනෑම අයෙකුට ශ්රේෂ්ඨතම සහ ප්රියජනක කාර්යයක් ලෙස සැලකේ. ටයිටැනික් අභියෝගය යනු ජනප්රිය යන්ත්ර ඉගෙනීමේ ව්යාපෘතියක් වන අතර එය Kaggle දත්ත විද්යා වේදිකාව සමඟ දැන හඳුනා ගැනීමට හොඳ ක්රමයක් ලෙසද සේවය කරයි. ටයිටැනික් දත්ත කට්ටලය සෑදී ඇත්තේ අවාසනාවන්ත නෞකාවේ ගිලී යාමේ සැබෑ දත්ත වලින්.
පුද්ගලයාගේ වයස, සමාජ ආර්ථික තත්ත්වය, ස්ත්රී පුරුෂ භාවය, මැදිරි අංකය, පිටත්වීමේ වරාය සහ, වඩාත්ම වැදගත් ලෙස, ඔවුන් දිවි ගලවා ගත්තේද යන්න වැනි විස්තර එහි ඇතුළත් වේ!
K-Nearest Neighbour තාක්ෂණය සහ තීරණ ගස් වර්ගීකාරකය මෙම ව්යාපෘතිය සඳහා හොඳම ප්රතිඵල ලබා දීමට අධිෂ්ඨාන කර ගන්නා ලදී. ඔබ ඔබේ වැඩිදියුණු කිරීමට වේගවත් සති අන්ත අභියෝගයක් සොයන්නේ නම් යන්ත්ර ඉගෙනීමේ හැකියාවන්, Kaggle හි මෙය ඔබ සඳහා වේ.
2. අයර්ලන්ත මල් වර්ගීකරණය
ආරම්භකයින් අයිරිස් මල් වර්ගීකරණ ව්යාපෘතියට ප්රිය කරන අතර, ඔබ යන්ත්ර ඉගෙනීමට අලුත් නම් එය ආරම්භ කිරීමට හොඳ ස්ථානයකි. සීපල් සහ පෙති වල දිග අනෙකුත් විශේෂ වලින් අයිරිස් මල් වෙන්කර හඳුනා ගනී. මෙම ව්යාපෘතියේ අරමුණ වන්නේ මල් වර්ග තුනකට වෙන් කිරීමයි: Virginia, setosa සහ Versicolor.
වර්ගීකරණ අභ්යාස සඳහා, ව්යාපෘතිය Iris මල් දත්ත කට්ටලය භාවිතා කරයි, එය සංඛ්යාත්මක අගයන් සහ දත්ත සමඟ ගනුදෙනු කිරීමේ මූලික කරුණු ඉගෙන ගැනීමට ඉගෙන ගන්නන්ට උපකාර කරයි. අයිරිස් මල් දත්ත කට්ටලය පරිමාණය කිරීමකින් තොරව මතකයේ ගබඩා කළ හැකි කුඩා එකකි.
3. බොස්ටන් හවුස් මිල අනාවැකිය
තවත් සුප්රසිද්ධ යන්ත්ර ඉගෙනීමේ නවකයන් සඳහා දත්ත කට්ටලය බොස්ටන් නිවාස දත්ත වේ. එහි ඉලක්කය වන්නේ විවිධ බොස්ටන් අසල්වැසි ප්රදේශවල නිවාස අගයන් පුරෝකථනය කිරීමයි. වයස, දේපල බදු අනුපාතය, අපරාධ අනුපාතිකය සහ රැකියා මධ්යස්ථානවලට සමීප වීම වැනි වැදගත් සංඛ්යාලේඛන එයට ඇතුළත් වන අතර, ඒ සියල්ල නිවාස මිලකරණයට බලපෑ හැකිය.
දත්ත කට්ටලය සරල හා කුඩා වන අතර, නවකයන් සඳහා අත්හදා බැලීම සරල කරයි. බොස්ටන්හි දේපල මිල කෙරෙහි බලපාන සාධක මොනවාදැයි සොයා බැලීම සඳහා, ප්රතිගාමී ක්රම විවිධ පරාමිතීන් මත දැඩි ලෙස යොදා ගනී. ප්රතිගාමී ක්රම පුරුදු කිරීමට සහ ඒවා කෙතරම් හොඳින් ක්රියා කරයිද යන්න තක්සේරු කිරීමට එය කදිම ස්ථානයකි.
4. වයින් තත්ත්ව පරීක්ෂාව
වයින් යනු වසර ගණනාවක් පැසවීම අවශ්ය වන අසාමාන්ය මධ්යසාර පානයකි. එහි ප්රතිඵලයක් වශයෙන්, පැරණි වයින් බෝතලය මිල අධික සහ උසස් තත්ත්වයේ වයින් වේ. පරමාදර්ශී වයින් බෝතලයක් තෝරා ගැනීම සඳහා වසර ගණනාවක් වයින් රස බැලීමේ දැනුමක් අවශ්ය වන අතර එය පහරක් හෝ මග හැරීමක් විය හැකිය.
වයින් තත්ත්ව පරීක්ෂණ ව්යාපෘතිය මධ්යසාර මට්ටම, ස්ථාවර ආම්ලිකතාවය, ඝනත්වය, pH අගය සහ වෙනත් සාධක වැනි භෞතික රසායනික පරීක්ෂණ භාවිතයෙන් වයින් ඇගයීමට ලක් කරයි. මෙම ව්යාපෘතිය වයින්වල තත්ත්ව නිර්ණායක සහ ප්රමාණයන් ද තීරණය කරයි. එහි ප්රතිඵලයක් ලෙස වයින් මිලදී ගැනීම හුළඟක් බවට පත්වේ.
5. කොටස් වෙළෙඳපොළ අනාවැකි
ඔබ මූල්ය අංශයේ වැඩ කරන්නේද නැද්ද යන්න මෙම මුලපිරීම කුතුහලය දනවන කරුණකි. කොටස් වෙලඳපොල දත්ත විද්වතුන්, ව්යාපාර සහ ද්විතීයික ආදායම් මාර්ගයක් ලෙස පවා පුළුල් ලෙස අධ්යයනය කරයි. කාල ශ්රේණි දත්ත අධ්යයනය කිරීමට සහ ගවේෂණය කිරීමට දත්ත විද්යාඥයකුට ඇති හැකියාවද ඉතා වැදගත් වේ. කොටස් වෙළඳපොලේ දත්ත ආරම්භ කිරීමට හොඳ ස්ථානයකි.
උත්සාහයේ සාරය නම් තොගයක අනාගත වටිනාකම පුරෝකථනය කිරීමයි. මෙය වර්තමාන වෙළඳපල කාර්ය සාධනය මෙන්ම පෙර වසරවල සංඛ්යාලේඛන මත පදනම් වේ. Kaggle 50 සිට NIFTY-2000 දර්ශකයේ දත්ත රැස් කරමින් සිටින අතර එය දැනට සතිපතා යාවත්කාලීන වේ. 1 ජනවාරි 2000 වන දින සිට, එය සංවිධාන 50 කට වැඩි කොටස් සඳහා කොටස් මිල අඩංගු වේ.
6. චිත්රපට නිර්දේශය
හොඳ චිත්රපටියක් නැරඹුවාට පසු ඔබට ඒ හැඟීම ඇති වී ඇති බව මට විශ්වාසයි. ඒ හා සමාන චිත්රපට අධික ලෙස නැරඹීමෙන් ඔබේ ඉන්ද්රිය සංවේදනය කිරීමට ඔබට කවදා හෝ ආවේගයක් දැනී තිබේද?
Netflix වැනි OTT සේවාවන් ඔවුන්ගේ නිර්දේශ පද්ධති සැලකිය යුතු ලෙස වැඩිදියුණු කර ඇති බව අපි දනිමු. යන්ත්ර ඉගෙනීමේ ශිෂ්යයෙකු ලෙස, එවැනි ඇල්ගොරිතම ඔවුන්ගේ මනාප සහ සමාලෝචන මත පදනම්ව සේවාදායකයින් ඉලක්ක කරන්නේ කෙසේදැයි ඔබ තේරුම් ගත යුතුය.
චිත්රපට මාතෘකාව, පාරිභෝගික ශ්රේණිගත කිරීම, ප්රභේදය සහ අනෙකුත් සාධක මත පදනම්ව නිර්දේශ ආකෘති අනුමාන කිරීමට ඉඩ සලසන Kaggle හි IMDB දත්ත කට්ටලය වඩාත් සම්පූර්ණ එකක් විය හැකිය. අන්තර්ගතය පදනම් කරගත් පෙරීම සහ විශේෂාංග ඉංජිනේරු විද්යාව පිළිබඳව ඉගෙන ගැනීමට ද එය විශිෂ්ට ක්රමයකි.
7. පූරණය සුදුසුකම් පුරෝකථනය
ලෝකය කැරකෙන්නේ ණය වටා ය. බැංකුවල ප්රධාන ලාභ ප්රභවය ලැබෙන්නේ ණය සඳහා පොලියෙනි. එබැවින් ඔවුන් ඔවුන්ගේ මූලික ව්යාපාර වේ.
පුද්ගලයන්ට හෝ පුද්ගල කණ්ඩායම්වලට ආර්ථිකය පුළුල් කළ හැක්කේ අනාගතයේදී එහි වටිනාකම ඉහළ යනු ඇතැයි අපේක්ෂාවෙන් සමාගමක මුදල් ආයෝජනය කිරීමෙන් පමණි. මේ ආකාරයේ අවදානමක් ගැනීමට සහ ඇතැම් ලෞකික සැප සම්පත්වලට පවා හවුල් වීමට ණයක් සෙවීම සමහර විට වැදගත් වේ.
ණයක් පිළිගැනීමට පෙර, බැංකුවලට සාමාන්යයෙන් අනුගමනය කිරීමට තරමක් දැඩි ක්රියාවලියක් ඇත. ණය බොහෝ මිනිසුන්ගේ ජීවිතයේ තීරණාත්මක අංගයක් වන බැවින්, යමෙකු අයදුම් කරන ණයක් සඳහා සුදුසුකම් පුරෝකථනය කිරීම අතිශයින්ම ප්රයෝජනවත් වනු ඇත, ණය පිළිගැනීමට හෝ ප්රතික්ෂේප කිරීමෙන් ඔබ්බට වඩා හොඳ සැලසුම් කිරීමට ඉඩ සලසයි.
8. Twitter දත්ත භාවිතයෙන් හැඟීම් විශ්ලේෂණය
ස්තුති වන්නට සමාජ මාධ්ය ජාල Twitter, Facebook, සහ Reddit වැනි, අදහස් සහ ප්රවණතා උද්ධෘත කිරීම සැලකිය යුතු ලෙස පහසු වී ඇත. සිදුවීම්, පුද්ගලයන්, ක්රීඩා සහ වෙනත් මාතෘකා පිළිබඳ අදහස් ඉවත් කිරීමට මෙම තොරතුරු භාවිත කෙරේ. දේශපාලන ව්යාපාර සහ ඇමේසන් නිෂ්පාදන ඇගයීම් ඇතුළු විවිධ සැකසුම් තුළ අදහස් පතල් කැණීම් ආශ්රිත යන්ත්ර ඉගෙනුම් මුල පිරීම් යෙදේ.
මෙම ව්යාපෘතිය ඔබේ කළඹ තුළ විශිෂ්ට ලෙස පෙනෙනු ඇත! චිත්තවේග හඳුනාගැනීම සහ පැතිකඩ පදනම් විශ්ලේෂණ සඳහා, ආධාරක දෛශික යන්ත්ර, ප්රතිගමනය සහ වර්ගීකරණ ඇල්ගොරිතම වැනි ශිල්පීය ක්රම පුළුල් ලෙස භාවිතා කළ හැකිය (කරුණු සහ අදහස් සොයා ගැනීම).
9. අනාගත විකුණුම් පුරෝකථනය
Big B2C ව්යාපාර සහ වෙළෙන්දන්ට ඔවුන්ගේ ඉන්වෙන්ටරියේ ඇති එක් එක් නිෂ්පාදනය කොපමණ ප්රමාණයක් අලෙවි වේද යන්න දැන ගැනීමට අවශ්යයි. විකුණුම් පුරෝකථනය ව්යාපාරික අයිතිකරුවන්ට ඉහළ ඉල්ලුමක් ඇති අයිතම මොනවාදැයි තීරණය කිරීමට උපකාරී වේ. නිවැරදි විකුණුම් පුරෝකථනය නාස්තිය සැලකිය යුතු ලෙස අඩු කරනු ඇති අතර අනාගත අයවැය කෙරෙහි වැඩිවන බලපෑම ද තීරණය කරයි.
Walmart, IKEA, Big Basket සහ Big Bazaar වැනි සිල්ලර වෙළෙන්දෝ නිෂ්පාදන ඉල්ලුම තක්සේරු කිරීම සඳහා විකුණුම් පුරෝකථනය භාවිතා කරති. එවැනි ML ව්යාපෘති තැනීම සඳහා අමු දත්ත පිරිසිදු කිරීමේ විවිධ ශිල්පීය ක්රම පිළිබඳව ඔබ හුරුපුරුදු විය යුතුය. එසේම, ප්රතිගාමී විශ්ලේෂණය, විශේෂයෙන් සරල රේඛීය ප්රතිගාමීත්වය පිළිබඳ මනා අවබෝධයක් අවශ්ය වේ.
මෙවැනි කාර්යයන් සඳහා, ඔබට Dora, Scrubadub, Pandas, NumPy, සහ වෙනත් පුස්තකාල භාවිතා කිරීමට අවශ්ය වනු ඇත.
10. ව්යාජ පුවත් හඳුනාගැනීම
එය පාසල් සිසුන් ඉලක්ක කරගත් තවත් අති නවීන යන්ත්ර ඉගෙනීමේ ප්රයත්නයකි. අප කවුරුත් දන්නා පරිදි ව්යාජ පුවත් ලැව් ගින්නක් සේ පැතිර යමින් පවතී. පුද්ගලයන් සම්බන්ධ කිරීමේ සිට දිනපතා ප්රවෘත්ති කියවීම දක්වා සෑම දෙයක්ම සමාජ මාධ්යවල තිබේ.
මේ නිසා මේ දිනවල අසත්ය පුවත් හඳුනාගැනීම දුෂ්කර වී ඇත. ෆේස්බුක් සහ ට්විටර් වැනි බොහෝ විශාල සමාජ මාධ්ය ජාල, පළ කිරීම් සහ සංග්රහවල ව්යාජ පුවත් හඳුනා ගැනීමට දැනටමත් ඇල්ගොරිතම ඇත.
අසත්ය පුවත් හඳුනා ගැනීමට, මෙම වර්ගයේ ML ව්යාපෘතියට බහු NLP ප්රවේශයන් සහ වර්ගීකරණ ඇල්ගොරිතම (PassiveAggressiveClassifier හෝ Naive Bayes වර්ගීකාරකය) පිළිබඳ මනා අවබෝධයක් අවශ්ය වේ.
11. කූපන් මිලදී ගැනීමේ පුරෝකථනය
2020 දී කොරොන වයිරසය ග්රහලෝකයට පහර දුන් විට පාරිභෝගිකයින් වැඩි වැඩියෙන් අන්තර්ජාලය හරහා මිලදී ගැනීම් ගැන කල්පනා කරති. එහි ප්රතිඵලයක් ලෙස, සාප්පු සවාරි ආයතනවලට ඔවුන්ගේ ව්යාපාර අන්තර්ජාලය හරහා මාරු කිරීමට බල කෙරී ඇත.
අනෙක් අතට, පාරිභෝගිකයින් තවමත් ඔවුන් වෙළඳසැල්වල මෙන් විශිෂ්ට දීමනා සොයමින් සිටින අතර සුපිරි ඉතිරිකිරීමේ කූපන් සඳහා වැඩි වැඩියෙන් දඩයම් කරයි. එවැනි ගනුදෙනුකරුවන් සඳහා කූපන් නිර්මාණය කිරීමට කැප වූ වෙබ් අඩවි පවා තිබේ. යන්ත්ර ඉගෙනීමේදී දත්ත කැණීම, දත්ත දෘශ්යමාන කිරීම සඳහා තීරු ප්රස්ථාර, පයි ප්රස්ථාර සහ හිස්ටෝග්රෑම් නිෂ්පාදනය කිරීම සහ මෙම ව්යාපෘතිය සමඟ ඉංජිනේරු විශේෂාංග පිළිබඳව ඔබට ඉගෙන ගත හැකිය.
අනාවැකි උත්පාදනය කිරීම සඳහා, ඔබට NA අගයන් සහ විචල්යවල කොසයින් සමානතාව කළමනාකරණය කිරීම සඳහා දත්ත ආරෝපණ ප්රවේශයන් ද සොයා බැලිය හැක.
12. පාරිභෝගික චංචල අනාවැකිය
පාරිභෝගිකයින් සමාගමක වැදගත්ම වත්කම වන අතර, ආදායම ඉහළ නැංවීමට සහ ඔවුන් සමඟ දිගුකාලීන අර්ථවත් සබඳතා ගොඩනඟා ගැනීමට ඉලක්ක කරන ඕනෑම ව්යාපාරයක් සඳහා ඔවුන් තබා ගැනීම ඉතා වැදගත් වේ.
තවද, නව සේවාලාභියෙකු අත්පත් කර ගැනීමේ පිරිවැය දැනට පවතින අයෙකු පවත්වාගෙන යාමේ පිරිවැයට වඩා පස් ගුණයකින් වැඩි ය. Customer Churn/Atrition යනු පාරිභෝගිකයන් හෝ ග්රාහකයින් සේවාවක් හෝ සමාගමක් සමඟ ව්යාපාර කිරීම නවත්වන සුප්රසිද්ධ ව්යාපාරික ගැටලුවකි.
ඔවුන් තවදුරටත් ගෙවන පාරිභෝගිකයෙකු නොවනු ඇත. පාරිභෝගිකයා අවසන් වරට සමාගම සමඟ අන්තර් ක්රියා කළ දින සිට යම් නිශ්චිත කාලයක් ගත වී ඇත්නම්, ගනුදෙනුකරුවෙකු කම්පනයට පත් වූවකු ලෙස සලකනු ලැබේ. ගණුදෙණුකරුවෙකු කම්පනයට පත් වන්නේද යන්න හඳුනා ගැනීම මෙන්ම පාරිභෝගිකයින් රඳවා තබා ගැනීම ඉලක්ක කරගත් අදාළ තොරතුරු කඩිනමින් ලබා දීම, කැළඹීම අඩු කිරීම සඳහා ඉතා වැදගත් වේ.
මිලියන ගණනක් ගනුදෙනුකරුවන් සඳහා පාරිභෝගික පිරිවැටුම අපේක්ෂා කිරීමට අපගේ මොළයට හැකියාවක් නැත; යන්ත්ර ඉගෙනීම උපකාර විය හැකි ස්ථානය මෙයයි.
13. වෝල්මාට් විකුණුම් පුරෝකථනය
යන්ත්ර ඉගෙනීමේ ප්රමුඛතම යෙදුමක් වන්නේ විකුණුම් පුරෝකථනය, නිෂ්පාදන අලෙවියට බලපාන ලක්ෂණ හඳුනා ගැනීම සහ අනාගත විකුණුම් පරිමාව අපේක්ෂා කිරීම ඇතුළත් වේ.
ස්ථාන 45ක විකුණුම් දත්ත අඩංගු වෝල්මාට් දත්ත කට්ටලය මෙම යන්ත්ර ඉගෙනුම් අධ්යයනයේ දී භාවිත වේ. ගබඩාවකට විකුණුම්, කාණ්ඩය අනුව, සතිපතා දත්ත කට්ටලයට ඇතුළත් වේ. මෙම යන්ත්ර ඉගෙනුම් ව්යාපෘතියේ අරමුණ වන්නේ එක් එක් අලෙවිසැලේ එක් එක් දෙපාර්තමේන්තුව සඳහා විකුණුම් අපේක්ෂා කිරීම වන අතර එමඟින් ඔවුන්ට වඩා හොඳ දත්ත පදනම් කරගත් නාලිකා ප්රශස්තිකරණය සහ ඉන්වෙන්ටරි සැලසුම් තීරණ ගත හැකිය.
වෝල්මාර්ට් දත්ත කට්ටලය සමඟ වැඩ කිරීම දුෂ්කර වන්නේ එහි විකුණුම් කෙරෙහි බලපෑමක් ඇති කරන තෝරාගත් සලකුණු සිදුවීම් අඩංගු වන බැවින් සහ සලකා බැලිය යුතු බැවිනි.
14. Uber දත්ත විශ්ලේෂණය
ඔවුන්ගේ යෙදුම්වල යන්ත්ර ඉගෙනීම සහ ගැඹුරු ඉගෙනීම ක්රියාත්මක කිරීම සහ ඒකාබද්ධ කිරීම සම්බන්ධයෙන්, ජනප්රිය සවාරි බෙදාගැනීමේ සේවාව බොහෝ පසුගාමී නොවේ. සෑම වසරකම, එය බිලියන ගණනක් සංචාර සකසයි, මගීන්ට දිවා හෝ රාත්රියේ ඕනෑම වේලාවක ගමන් කිරීමට ඉඩ සලසයි.
එයට එතරම් විශාල සේවාදායක පදනමක් ඇති බැවින්, හැකි ඉක්මනින් පාරිභෝගික පැමිණිලි විසඳීමට එයට සුවිශේෂී පාරිභෝගික සේවාවක් අවශ්ය වේ.
Uber සතුව තීක්ෂ්ණ බුද්ධිය අනාවරණය කර ගැනීමට සහ පාරිභෝගික අත්දැකීම වැඩිදියුණු කිරීමට සේවාදායක චාරිකා විශ්ලේෂණය කිරීමට සහ ප්රදර්ශනය කිරීමට භාවිත කළ හැකි මිලියන ගණනක පික්-අප් දත්ත කට්ටලයක් ඇත.
15. Covid-19 විශ්ලේෂණය
COVID-19 අද ලොව පුරා පැතිරී ඇති අතර, හුදෙක් වසංගතයක අර්ථයෙන් නොවේ. වෛද්ය විශේෂඥයින් ඵලදායී එන්නත් උත්පාදනය කිරීම සහ ලෝකය ප්රතිශක්තිකරණය කිරීම කෙරෙහි අවධානය යොමු කරමින් සිටින අතර, දත්ත විද්යා .යන් බොහෝ පසුපසින් නොවේ.
නව අවස්ථා, දෛනික ක්රියාකාරී සංඛ්යාව, මරණ සහ පරීක්ෂණ සංඛ්යාලේඛන සියල්ල ප්රසිද්ධ කරනු ලැබේ. පෙර ශතවර්ෂයේ SARS පැතිරීම මත පදනම්ව අනාවැකි දිනපතා සිදු කෙරේ. මේ සඳහා, ඔබට ප්රතිගාමී විශ්ලේෂණය සහ සහය දෛශික යන්ත්ර මත පදනම් වූ අනාවැකි ආකෘති භාවිතා කළ හැක.
නිගමනය
සාරාංශගත කිරීම සඳහා, යන්ත්ර ඉගෙනුම් ක්රමලේඛනය පරීක්ෂා කිරීමට මෙන්ම එහි අදහස් ග්රහණය කර ගැනීමට සහ ක්රියාත්මක කිරීමට ඔබට සහාය වන ඉහළම ML ව්යාපෘති කිහිපයක් අපි සාකච්ඡා කර ඇත. යන්ත්ර ඉගෙනීම ඒකාබද්ධ කරන්නේ කෙසේදැයි දැන ගැනීම සෑම කර්මාන්තයකම තාක්ෂණය අත්පත් කර ගන්නා බැවින් ඔබේ වෘත්තියේ ඉදිරියට යාමට උපකාරී වේ.
යන්ත්ර ඉගෙනීම ඉගෙන ගන්නා අතරතුර, ඔබ ඔබේ සංකල්ප ප්රගුණ කර ඔබේ ඇල්ගොරිතම සියල්ල ලිවීමට අපි නිර්දේශ කරමු. ඉගෙනීම අතරතුර ඇල්ගොරිතම ලිවීම ව්යාපෘතියක් කිරීමට වඩා වැදගත් වන අතර එමඟින් විෂයයන් නිසි ලෙස අවබෝධ කර ගැනීමේ වාසියක් ද ලබා දේ.
ඔබමයි