AI איז אומעטום, אָבער מאל עס קען זיין טשאַלאַנדזשינג צו פֿאַרשטיין די טערמינאָלאָגיע און זשאַרגאָן. אין דעם בלאָג פּאָסטן, מיר דערקלערן איבער 50 אַי טערמינען און זוך אַזוי אַז איר קענען מאַכן מער זינען פון דעם ראַפּאַדלי גראָוינג טעכנאָלאָגיע.
צי איר זענט אַ אָנהייבער אָדער אַ מומחה, מיר געוועט אַז עס זענען עטלעכע טערמינען דאָ וואָס איר טאָן ניט וויסן!
1. אַרטיפיסיאַל ינטעלליגענסע
אַרטיפיסיאַל ינטעלליגענסע (AI) רעפערס צו דער אַנטוויקלונג פון קאָמפּיוטער סיסטעמען וואָס האָבן די פיייקייט צו לערנען און פונקציאָנירן ינדיפּענדאַנטלי, אָפט דורך עמיאַלייטינג מענטש סייכל.
די סיסטעמען אַנאַלייז דאַטן, דערקענען פּאַטערנז, מאַכן דיסיזשאַנז און אַדאַפּט זייער נאַטור באזירט אויף דערפאַרונג. דורך לעווערידזשינג אַלגערידאַמז און מאָדעלס, אַי יימז צו שאַפֿן ינטעליגענט מאשינען וואָס קענען זען און פֿאַרשטיין זייער סוויווע.
דער לעצט ציל איז צו געבן מאשינען צו דורכפירן טאַסקס יפישאַנטלי, לערנען פון דאַטן און ויסשטעלונג קאַגניטיוו אַבילאַטיז ענלעך צו יומאַנז.
2. אַלגערידאַם
אַן אַלגערידאַם איז אַ גענוי און סיסטעמאַטיש גאַנג פון אינסטרוקציעס אָדער כּללים וואָס פירן דעם פּראָצעס פון סאַלווינג אַ פּראָבלעם אָדער אַפּלייינג אַ ספּעציפיש אַרבעט.
עס דינט ווי אַ פונדאַמענטאַל באַגריף אין פאַרשידן דאָומיינז און פיעסעס אַ פּיוואַטאַל ראָלע אין קאָמפּיוטער וויסנשאַפֿט, מאטעמאטיק, און פּראָבלעם סאַלווינג דיסאַפּלאַנז. פארשטאנד פון אַלגערידאַמז איז קריטיש ווייַל זיי געבן עפעקטיוו און סטראַקטשערד פּראָבלעם סאַלווינג אַפּראָוטשיז, דרייווינג אַדוואַנטידזשיז אין טעכנאָלאָגיע און באַשלוס-מאכן פּראַסעסאַז.
3. גרויס דאַטאַ
גרויס דאַטן רעפערס צו גאָר גרויס און קאָמפּליצירט דאַטאַסעץ וואָס יקסיד די קייפּאַבילאַטיז פון טראדיציאנעלן אַנאַליסיס מעטהאָדס. די דאַטאַסעץ זענען טיפּיקלי קעראַקטערייזד דורך זייער באַנד, גיכקייַט און פאַרשיידנקייַט.
באַנד רעפערס צו די וואַסט סומע פון דאַטן דזשענערייטאַד פֿון פאַרשידן קוואלן אַזאַ ווי געזעלשאַפטלעך מעדיע, סענסאָרס און טראַנזאַקשאַנז.
גיכקייַט רעפערס צו די הויך גיכקייַט אין וואָס דאַטן זענען דזשענערייטאַד און דאַרף זיין פּראַסעסט אין פאַקטיש-צייט אָדער כּמעט פאַקטיש-צייט. ווערייאַטי סיגנאַפייז די דייווערס טייפּס און פֿאָרמאַטירונגען פון דאַטן, אַרייַנגערעכנט סטראַקטשערד, אַנסטראַקטשערד און האַלב-סטראַקטשערד דאַטן.
4. דאַטאַ מינינג
דאַטאַ מיינינג איז אַ פולשטענדיק פּראָצעס אַימעד צו עקסטראַקט ווערטפול ינסייץ פון וואַסט דאַטאַסעץ.
עס ענקאַמפּאַסאַז פיר שליסל סטאַגעס: דאַטן זאַמלונג, אַרייַנגערעכנט די זאַמלונג פון באַטייַטיק דאַטן; דאַטן צוגרייטונג, ינשורינג דאַטן קוואַליטעט און קאַמפּאַטאַבילאַטי; מיינינג די דאַטן, ניצן אַלגערידאַמז צו אַנטדעקן פּאַטערנז און באציונגען; און דאַטן אַנאַליסיס און ינטערפּריטיישאַן, ווו די יקסטראַקטיד וויסן איז יגזאַמאַנד און פארשטאנען.
5. נעוראַל נעטוואָרק
א קאָמפּיוטער סיסטעם איז דיזיינד צו אַרבעטן ווי די מענטשלעך מאַרך, פארפאסט פון ינטערקאַנעקטיד נאָודז אָדער נוראַנז. זאל ס פֿאַרשטיין דעם אַ ביסל מער ווי רובֿ אַי איז באזירט אויף נוראַל נעטוואָרקס.
אין די אויבן גראַפיקס, מיר פאָרויסזאָגן די הומידיטי און טעמפּעראַטור פון אַ דזשיאַגראַפיקאַל אָרט דורך לערנען פון די פאַרגאַנגענהייט מוסטער. די ינפּוץ זענען די דאַטאַסעט פֿאַר די פאַרגאַנגענהייט רעקאָרד.
די נעוראַל נעץ לערנז די מוסטער דורך פּלייינג מיט ווייץ און אַפּלייינג פאָרורטייל וואַלועס אין די פאַרבאָרגן לייַערס. W1, W2….W7 זענען די ריספּעקטיוו ווייץ. עס טריינז זיך אויף די דאַטאַבייס צוגעשטעלט און גיט רעזולטאַט ווי אַ פּראָגנאָז.
איר קען זיין אָוווערוועלמד דורך דעם קאָמפּלעקס אינפֿאָרמאַציע. אויב דאָס איז דער פאַל, איר קענען אָנהייבן מיט אונדזער פּשוט פירער דאָ.
6. מאַשין לערנען
מאַשין לערנען פאָוקיסיז אויף דעוועלאָפּינג אַלגערידאַמז און מאָדעלס וואָס קענען אויטאָמאַטיש לערנען פון דאַטן און פֿאַרבעסערן זייער פאָרשטעלונג איבער צייט.
עס ינוואַלווז די נוצן פון סטאַטיסטיש טעקניקס צו געבן קאָמפּיוטערס צו ידענטיפיצירן פּאַטערנז, מאַכן פֿאָרויסזאָגן און מאַכן דאַטן-געטריבן דיסיזשאַנז אָן זיין בפירוש פּראָוגראַמד.
אַלגערידאַמז פֿאַר מאַשין לערנען פונאַנדערקלייַבן און לערנען פון גרויס דאַטאַסעץ, אַלאַוינג סיסטעמען צו אַדאַפּט און פֿאַרבעסערן זייער נאַטור באזירט אויף די אינפֿאָרמאַציע זיי פּראָצעס.
7. טיף לערנען
טיף לערנען, אַ סובפיעלד פון מאַשין לערנען און נעוראַל נעטוואָרקס, לעוועראַגעס סאַפיסטאַקייטיד אַלגערידאַמז צו קריגן וויסן פון דאַטן דורך סימיאַלייטינג די ינטראַקאַט פּראַסעסאַז פון דעם מענטש מאַרך.
דורך עמפּלויינג נעוראַל נעטוואָרקס מיט פילע פאַרבאָרגן לייַערס, טיף לערנען מאָדעלס קענען אָטאַנאַמאַסלי עקסטראַקט ינטראַקאַט פֿעיִקייטן און פּאַטערנז, וואָס אַלאַוז זיי צו האַנדלען מיט קאָמפּלעקס טאַסקס מיט יקסעפּשאַנאַל אַקיעראַסי און עפעקטיווקייַט.
8. מוסטער דערקענונג
מוסטער דערקענונג, אַ דאַטן אַנאַליסיס טעכניק, כאַרנאַסיז די מאַכט פון מאַשין לערנען אַלגערידאַמז צו אָטאַנאַמאַסלי דעטעקט און דערקענען פּאַטערנז און רעגיאַלעראַטיז אין דאַטאַסעץ.
דורך לעווערידזשינג קאַמפּיוטיישאַנאַל מאָדעלס און סטאַטיסטיש מעטהאָדס, מוסטער דערקענונג אַלגערידאַמז קענען ידענטיפיצירן מינינגפאַל סטראַקטשערז, קאָראַליישאַנז און טרענדס אין קאָמפּלעקס און דייווערס דאַטן.
דער פּראָצעס ינייבאַלז די יקסטראַקשאַן פון ווערטפול ינסייץ, קלאַסאַפאַקיישאַן פון דאַטן אין פאַרשידענע קאַטעגאָריעס און פּראָגנאָז פון צוקונפֿט אַוטקאַמז באזירט אויף דערקענט פּאַטערנז. מוסטער דערקענונג איז אַ וויטאַל געצייַג אין פאַרשידן דאָומיינז, ימפּאַוערינג באַשלוס-מאכן, אַנאַמאַלי דיטעקשאַן און פּרידיקטיוו מאָדעלינג.
ביאָמעטריקס איז איין ביישפּיל פון דעם. פֿאַר בייַשפּיל, אין דערקענונג פון פינגערפּרינט, דער אַלגערידאַם אַנאַליזעס די רידזשאַז, קורוועס און יינציק פֿעיִקייטן פון אַ מענטש 'ס פינגערפּרינט צו שאַפֿן אַ דיגיטאַל פאַרטרעטונג גערופן אַ מוסטער.
ווען איר פּרווון צו ופשליסן דיין סמאַרטפאָנע אָדער אַקסעס אַ זיכער מעכירעס, די מוסטער דערקענונג סיסטעם קאַמפּערז די קאַפּטשערד ביאָמעטריק דאַטן (למשל פינגערפּרינט) מיט די סטאָרד טעמפּלאַטעס אין זיין דאַטאַבייס.
דורך וואָס ריכטן די פּאַטערנז און אַססעסס די מדרגה פון ענלעכקייט, די סיסטעם קענען באַשליסן צי די ביאָמעטריק דאַטן צוגעשטעלט שטימען מיט די סטאָרד מוסטער און געבן אַקסעס אַקאָרדינגלי.
9. סופּערווייזד לערנען
סופּערווייזד לערנען איז אַ מאַשין לערנען צוגאַנג וואָס ינוואַלווז טריינינג אַ קאָמפּיוטער סיסטעם ניצן לייבאַלד דאַטן. אין דעם אופֿן, דער קאָמפּיוטער איז צוגעשטעלט מיט אַ סכום פון אַרייַנשרייַב דאַטן צוזאמען מיט קאָראַספּאַנדינג באקאנט לאַבעלס אָדער אַוטקאַמז.
זאל ס זאָגן איר האָבן אַ בינטל פון בילדער, עטלעכע מיט הינט און עטלעכע מיט קאַץ.
איר זאָגן די קאָמפּיוטער וואָס בילדער האָבן הינט און וואָס אָנעס האָבן קאַץ. דער קאָמפּיוטער לערנט דערנאָך צו דערקענען די דיפעראַנסיז צווישן הינט און קאַץ דורך געפֿינען פּאַטערנז אין די בילדער.
נאָך דעם לערנען, איר קענען געבן די קאָמפּיוטער נייַע בילדער, און עס וועט פּרובירן צו רעכענען אויס אויב זיי האָבן הינט אָדער קאַץ באזירט אויף וואָס עס געלערנט פון די לייבאַלד ביישפילן. עס איז ווי טריינינג אַ קאָמפּיוטער צו מאַכן פֿאָרויסזאָגן ניצן באַוווסט אינפֿאָרמאַציע.
10. ונסופּערוויסעד לערנען
ונסופּערוויסעד לערנען איז אַ טיפּ פון מאַשין לערנען ווו דער קאָמפּיוטער יקספּלאָרז אַ דאַטאַסעט אויף זיך צו געפֿינען פּאַטערנז אָדער סימאַלעראַטיז אָן קיין ספּעציפיש ינסטראַקשאַנז.
עס איז נישט פאַרלאָזנ אויף לייבאַלד ביישפילן ווי אין סופּערווייזד לערנען. אַנשטאָט, עס קוקט פֿאַר פאַרבאָרגן סטראַקטשערז אָדער גרופּעס אין די דאַטן. עס איז ווי דער קאָמפּיוטער איז דיסקאַווערד זאכן פון זיך, אָן אַ לערער דערציילט אים וואָס צו קוקן פֿאַר.
דער טיפּ פון לערנען העלפּס אונדז געפֿינען נייַע ינסייץ, אָרגאַניזירן דאַטן אָדער ידענטיפיצירן ומגעוויינטלעך טינגז אָן נויטיק פריערדיק וויסן אָדער יקספּליסאַט גיידאַנס.
11. נאַטירלעך שפּראַך פּראַסעסינג (NLP)
נאַטירלעך שפּראַך פּראַסעסינג פאָוקיסיז אויף ווי קאָמפּיוטערס פֿאַרשטיין און ינטעראַקט מיט מענטש שפּראַך. עס העלפּס קאָמפּיוטערס אַנאַלייז, ינטערפּריט און ריספּאַנד צו מענטש שפּראַך אין אַ וועג וואָס פילז מער נאַטירלעך פֿאַר אונדז.
NLP איז וואָס מאכט עס מעגלעך פֿאַר אונדז צו יבערגעבן מיט קול אַסיסטאַנץ, און טשאַטבאָץ, און אפילו האָבן אונדזער ימיילז אויטאָמאַטיש אויסגעשטעלט אין פאָלדערס.
עס ינוואַלווז לערנען קאָמפּיוטערס צו פֿאַרשטיין די טייַטש הינטער ווערטער, זאצן און אפילו גאַנץ טעקסטן, אַזוי זיי קענען אַרוישעלפן אונדז אין פאַרשידן טאַסקס און מאַכן אונדזער ינטעראַקשאַנז מיט טעכנאָלאָגיע מער סימלאַס.
12. קאָמפּיוטער זעאונג
קאָמפּיוטער זעאונג איז אַ פאַסאַנייטינג טעכנאָלאָגיע וואָס אַלאַוז קאָמפּיוטערס צו זען און פֿאַרשטיין בילדער און ווידיאס, פּונקט ווי מיר מענטשן טאָן מיט אונדזער אויגן. עס ס אַלע וועגן לערנען קאָמפּיוטערס צו אַנאַלייז וויזשאַוואַל אינפֿאָרמאַציע און מאַכן זינען פון וואָס זיי זען.
אין סימפּלער טערמינען, קאָמפּיוטער זעאונג העלפּס קאָמפּיוטערס דערקענען און טייַטשן די וויזשאַוואַל וועלט. עס ינוואַלווז טאַסקס ווי לערנען זיי צו ידענטיפיצירן ספּעציפיש אַבדזשעקץ אין בילדער, קלאַסיפיצירן בילדער אין פאַרשידענע קאַטעגאָריעס, אָדער אפילו טיילן בילדער אין מינינגפאַל טיילן.
ימאַדזשאַן אַ זיך-דרייווינג מאַשין ניצן קאָמפּיוטער זעאונג צו "זען" די וועג און אַלץ אַרום אים.
עס קענען דעטעקט און שפּור פּאַדעסטריאַנז, פאַרקער וואונדער און אנדערע וועהיקלעס, העלפּינג זיי נאַוויגירן בעשאָלעם. אָדער טראַכטן וועגן ווי פאַסיאַל דערקענונג טעכנאָלאָגיע ניצט קאָמפּיוטער זעאונג צו ופשליסן אונדזער סמאַרטפאָנעס אָדער באַשטעטיקן אונדזער אידענטיטעט דורך דערקענען אונדזער יינציק פיישאַל פֿעיִקייטן.
עס איז אויך געניצט אין סערוויילאַנס סיסטעמען צו מאָניטאָר ענג ערטער און געפֿינען קיין סאַספּישאַס אַקטיוויטעטן.
קאָמפּיוטער זעאונג איז אַ שטאַרק טעכנאָלאָגיע וואָס אָפּענס אַ וועלט פון פּאַסאַבילאַטיז. דורך געבן קאָמפּיוטערס צו זען און פֿאַרשטיין וויזשאַוואַל אינפֿאָרמאַציע, מיר קענען אַנטוויקלען אַפּלאַקיישאַנז און סיסטעמען וואָס קענען זע און טייַטשן די וועלט אַרום אונדז, מאכן אונדזער לעבן גרינגער, סאַפער און מער עפעקטיוו.
13. טשאַטבאָט
א טשאַטבאָט איז ווי אַ קאָמפּיוטער פּראָגראַם וואָס קענען רעדן צו מענטשן אין אַ וועג וואָס מיינט ווי אַ פאַקטיש מענטש שמועס.
עס איז אָפט געניצט אין אָנליין קונה דינסט צו העלפן קאַסטאַמערז און מאַכן זיי פילן ווי זיי רעדן צו אַ מענטש, כאָטש עס איז פאקטיש אַ פּראָגראַם פליסנדיק אויף אַ קאָמפּיוטער.
די טשאַטבאָט קענען פֿאַרשטיין און רעספּאָנד צו אַרטיקלען אָדער פֿראגן פון קאַסטאַמערז, פּראַוויידינג נוציק אינפֿאָרמאַציע און הילף פּונקט ווי אַ מענטש קונה דינסט פארשטייער.
14. קול רעקאָגניטיאָן
קול דערקענונג רעפערס צו די פיייקייט פון אַ קאָמפּיוטער סיסטעם צו פֿאַרשטיין און טייַטשן מענטש רעדע. עס ינוואַלווז די טעכנאָלאָגיע וואָס ינייבאַלז אַ קאָמפּיוטער אָדער מיטל צו "הערן" צו גערעדט ווערטער און גער זיי אין טעקסט אָדער קאַמאַנדז אַז עס קענען פֿאַרשטיין.
מיט קול דערקענונג, איר קענען ינטעראַקט מיט דעוויסעס אָדער אַפּלאַקיישאַנז דורך פשוט רעדן צו זיי אַנשטאָט פון טייפּינג אָדער ניצן אנדערע אַרייַנשרייַב מעטהאָדס.
די סיסטעם אַנאַליזירט די גערעדטע ווערטער, אנערקענט די מוסטערן און סאָונדס, און דערנאָך איבערזעצט זיי אין פאַרשטיייק טעקסט אָדער אַקשאַנז. עס אַלאַוז הענט-פריי און נאַטירלעך קאָמוניקאַציע מיט טעכנאָלאָגיע, מאכן טאַסקס ווי קול קאַמאַנדז, דיקטיישאַן אָדער קול-קאַנטראָולד ינטעראַקשאַנז מעגלעך. די מערסט פּראָסט ביישפילן זענען AI אַסיסטאַנץ ווי Siri און Google Assistant.
15. סענטימענט אַנאַליסיס
סענטימענט אַנאַליסיס איז אַ טעכניק געניצט צו פֿאַרשטיין און טייַטשן די ימאָושאַנז, מיינונגען און אַטאַטודז אויסגעדריקט אין טעקסט אָדער רעדע. עס ינוואַלווז אַנאַלייזינג געשריבן אָדער גערעדט שפּראַך צו באַשליסן צי די סענטימענט אויסגעדריקט איז positive, נעגאַטיוו אָדער נייטראַל.
ניצן מאַשין לערנען אַלגערידאַמז, סענטימענט אַנאַליסיס אַלגערידאַמז קענען יבערקוקן און אַנאַלייז גרויס אַמאַונץ פון טעקסט דאַטן, אַזאַ ווי קונה באריכטן, געזעלשאַפטלעך מידיאַ אַרטיקלען אָדער קונה באַמערקונגען, צו ידענטיפיצירן די אַנדערלייינג סענטימענט הינטער די ווערטער.
די אַלגערידאַמז קוקן פֿאַר ספּעציפיש ווערטער, פראַסעס אָדער פּאַטערנז וואָס אָנווייַזן ימאָושאַנז אָדער מיינונגען.
דער אַנאַליסיס העלפּס געשעפטן אָדער מענטשן צו פֿאַרשטיין ווי מענטשן פילן וועגן אַ פּראָדוקט, דינסט אָדער טעמע און קענען זיין גענוצט צו מאַכן דאַטן-געטריבן דיסיזשאַנז אָדער באַקומען ינסייץ אין קונה פּרעפֿערענצן.
פֿאַר בייַשפּיל, אַ פירמע קענען נוצן סענטימענט אַנאַליסיס צו שפּור קונה צופֿרידנקייט, ידענטיפיצירן געביטן פֿאַר פֿאַרבעסערונג אָדער מאָניטאָר ציבור מיינונג וועגן זייער סאָרט.
16. מאַשין איבערזעצונג
מאַשין איבערזעצונג, אין דעם קאָנטעקסט פון אַי, רעפערס צו די נוצן פון קאָמפּיוטער אַלגערידאַמז און קינסטלעך סייכל צו אויטאָמאַטיש איבערזעצן טעקסט אָדער רייד פון איין שפּראַך צו אנדערן.
עס ינוואַלווז לערנען קאָמפּיוטערס צו פֿאַרשטיין און פּראָצעס מענטשלעך שפּראַכן אין סדר צו צושטעלן פּינטלעך איבערזעצונגען. די מערסט פּראָסט בייַשפּיל איז גוגל איבערטייטשער.
מיט מאַשין איבערזעצונג, איר קענען אַרייַנשרייַבן טעקסט אָדער רייד אין איין שפּראַך, און די סיסטעם וועט אַנאַלייז די אַרייַנשרייַב און דזשענערייט אַ קאָראַספּאַנדינג איבערזעצונג אין אן אנדער שפּראַך. דאָס איז ספּעציעל נוציק ווען קאַמיונאַקייטינג אָדער אַקסעסינג אינפֿאָרמאַציע אין פאַרשידענע שפּראַכן.
מאַשין איבערזעצונג סיסטעמען פאַרלאָזנ זיך אַ קאָמבינאַציע פון לינגגוויסטיק כּללים, סטאַטיסטיש מאָדעלס און מאַשין לערנען אַלגערידאַמז. זיי לערנען פון וואַסט אַמאַונץ פון שפּראַך דאַטן צו פֿאַרבעסערן איבערזעצונג אַקיעראַסי איבער צייַט. עטלעכע מאַשין איבערזעצונג אַפּראָוטשיז אויך ינקאָרפּערייט נעוראַל נעטוואָרקס צו פאַרבעסערן די קוואַליטעט פון איבערזעצונגען.
17. ראָובאַטיקס
ראָובאַטיקס איז די קאָמבינאַציע פון קינסטלעך סייכל און מעטשאַניקאַל אינזשעניריע צו שאַפֿן ינטעליגענט מאשינען גערופן ראָובאַץ. די ראָובאַץ זענען דיזיינד צו דורכפירן טאַסקס אָטאַנאַמאַסלי אָדער מיט מינימאַל מענטש ינטערווענטיאָן.
ראָובאַץ זענען פיזיש ענטיטיז וואָס קענען זינען זייער סוויווע, מאַכן דיסיזשאַנז באזירט אויף דעם סענסערי אַרייַנשרייַב און דורכפירן ספּעציפיש אַקשאַנז אָדער טאַסקס.
זיי זענען יקוויפּט מיט פאַרשידן סענסאָרס, אַזאַ ווי קאַמעראַס, מיקראָפאָן, אָדער פאַרבינדן סענסאָרס, וואָס לאָזן זיי צו זאַמלען אינפֿאָרמאַציע פון די וועלט אַרום זיי. מיט די הילף פון אַי אַלגערידאַמז און פּראָגראַממינג, ראָובאַץ קענען אַנאַלייז די דאַטן, טייַטשן עס און מאַכן ינטעליגענט דיסיזשאַנז צו דורכפירן זייער דעזיגנייטיד טאַסקס.
אַי פיעסעס אַ קריטיש ראָלע אין ראָובאַטיקס דורך געבן ראָובאַץ צו לערנען פון זייער יקספּיריאַנסיז און אַדאַפּט זיך צו פאַרשידענע סיטואַטיאָנס.
מאַשין לערנען אַלגערידאַמז קענען זיין געוויינט צו באַן ראָובאַץ צו דערקענען אַבדזשעקץ, נאַוויגירן ינווייראַנמאַנץ אָדער אפילו ינטעראַקט מיט מענטשן. דאָס אַלאַוז ראָובאַץ צו ווערן מער ווערסאַטאַל, פלעקסאַבאַל און טויגעוודיק פון האַנדלינג קאָמפּלעקס טאַסקס.
18 דראָנעס
דראָנעס זענען אַ טיפּ פון ראָבאָט וואָס קענען פליען אָדער כאַווער אין די לופט אָן אַ מענטש פּילאָט אַנבאָרד. זיי זענען אויך באקאנט ווי אַנמאַנד לופט וועהיקלעס (UAVs). דראָנעס זענען יקוויפּט מיט פאַרשידן סענסאָרס, אַזאַ ווי קאַמעראַס, גפּס און גיראָסקאָפּעס, וואָס לאָזן זיי צו זאַמלען דאַטן און נאַוויגירן זייער סוויווע.
זיי זענען קאַנטראָולד רימאָוטלי דורך אַ מענטש אָפּעראַטאָר אָדער קענען אַרבעטן אָטאַנאַמאַסלי ניצן פאַר-פּראָוגראַמד ינסטראַקשאַנז.
דראָנעס דינען אַ ברייט קייט פון צוועקן, אַרייַנגערעכנט לופט פאָטאָגראַפיע און ווידעאָגראַפי, סערווייינג און מאַפּינג, עקספּרעס באַדינונגס, זוכן און ראַטעווען מישאַנז, אַגריקולטורע מאָניטאָרינג און אפילו רעקרייישאַנאַל נוצן. זיי קענען צוטריט ווייַט אָדער כאַזערדאַס געביטן וואָס זענען שווער אָדער געפערלעך פֿאַר יומאַנז.
19. Augmented Reality (AR)
Augmented Reality (AR) איז אַ טעכנאָלאָגיע וואָס קאַמביינז די פאַקטיש וועלט מיט ווירטואַל אַבדזשעקץ אָדער אינפֿאָרמאַציע צו פֿאַרבעסערן אונדזער מערקונג און ינטעראַקשאַן מיט די סוויווע. עס אָוווערלייז קאָמפּיוטער-דזשענערייטאַד בילדער, סאָונדס אָדער אנדערע סענסערי ינפּוץ אויף די פאַקטיש וועלט, קריייטינג אַן יממערסיווע און ינטעראַקטיוו דערפאַרונג.
סימפּלי שטעלן, ימאַדזשאַן טראָגן ספּעציעל ברילן אָדער ניצן דיין סמאַרטפאָנע צו זען די וועלט אַרום איר, אָבער מיט נאָך ווירטואַל עלעמענטן צוגעגעבן.
צום ביישפּיל, איר קען אָנווייַזן דיין סמאַרטפאָנע צו אַ שטאָט גאַס און זען ווירטואַל סיגנפּאָסטס וואָס ווייַזן אינסטרוקציעס, רייטינגז און באריכטן פֿאַר נירביי רעסטראַנץ אָדער אפילו ווירטואַל אותיות ינטעראַקטינג מיט די פאַקטיש סוויווע.
די ווירטועל עלעמענטן צונויפגיסן סימלאַס מיט די פאַקטיש וועלט, און פֿאַרבעסערן דיין פארשטאנד און דערפאַרונג פון די סוויווע. אַוגמענטעד פאַקט קענען זיין געוויינט אין פאַרשידן פעלדער ווי גיימינג, בילדונג, אַרקאַטעקטשער און אפילו פֿאַר וואָכעדיק טאַסקס ווי נאַוויגאַציע אָדער פּרובירן נייַ מעבל אין דיין היים איידער איר קויפן עס.
20. ווירטועל רעאַליטי (VR)
ווירטועל פאַקט (VR) איז אַ טעכנאָלאָגיע וואָס ניצט קאָמפּיוטער-דזשענערייטאַד סימיאַליישאַנז צו שאַפֿן אַ קינסטלעך סוויווע וואָס אַ מענטש קענען ויספאָרשן און ינטעראַקט מיט. עס יממערס די באַניצער אין אַ ווירטואַל וועלט, בלאַקינג די פאַקטיש וועלט און ריפּלייסט עס מיט אַ דיגיטאַל מעלוכע.
סימפּלי שטעלן, ימאַדזשאַן שטעלן אויף אַ ספּעציעל כעדסעט וואָס קאָווערס דיין אויגן און אויערן און טראַנספּאָרט איר צו אַ גאָר אַנדערש אָרט. אין דעם ווירטועל וועלט, אַלץ איר זען און הערן פילז ינקרעדאַבלי פאַקטיש, כאָטש עס איז אַלע דזשענערייטאַד דורך אַ קאָמפּיוטער.
איר קענען מאַך אַרום, קוק אין קיין ריכטונג און ינטעראַקט מיט אַבדזשעקץ אָדער אותיות ווי אויב זיי זענען פיזיקלי פאָרשטעלן.
פֿאַר בייַשפּיל, אין אַ ווירטואַל פאַקט שפּיל, איר קען געפֿינען זיך אין אַ מידייוואַל שלאָס, ווו איר קענען גיין דורך זייַן קאָרידערז, קלייַבן וועפּאַנז און אָנטייל נעמען אין שווערד פייץ מיט ווירטועל קעגנערס. די ווירטואַל פאַקט סוויווע ריספּאַנדז צו דיין מווומאַנץ און אַקשאַנז, אַזוי איר פילן גאָר געטובלט און פאַרקנאַסט אין דער דערפאַרונג.
ווירטועל פאַקט איז ניט בלויז געניצט פֿאַר גיימינג אָבער אויך פֿאַר פאַרשידן אנדערע אַפּלאַקיישאַנז ווי טריינינג סימיאַליישאַנז פֿאַר פּיילאַץ, סערדזשאַנז אָדער מיליטעריש פּערסאַנעל, אַרקאַטעקטשעראַל וואַלקטראָוגהס, ווירטואַל טוריזם און אפילו טעראַפּיע פֿאַר זיכער סייקאַלאַדזשיקאַל טנאָים. עס קריייץ אַ געפיל פון בייַזייַן און טראַנספּאָרץ יוזערז צו נייַע און יקסייטינג ווירטואַל וועלטן, מאכן די דערפאַרונג פילן ווי נאָענט צו פאַקט ווי מעגלעך.
21. דאַטאַ וויסנשאַפֿט
Data science איז אַ פעלד וואָס ינוואַלווז ניצן וויסנשאפטלעכע מעטהאָדס, מכשירים און אַלגערידאַמז צו עקסטראַקט ווערטפול וויסן און ינסייץ פון דאַטן. עס קאַמביינז עלעמענטן פון מאטעמאטיק, סטאַטיסטיק, פּראָגראַממינג און פעלד עקספּערטיז צו אַנאַלייז גרויס און קאָמפּלעקס דאַטאַסעץ.
אין סימפּלער טערמינען, דאַטן וויסנשאַפֿט איז וועגן דערגייונג מינינגפאַל אינפֿאָרמאַציע און פּאַטערנז פאַרבאָרגן אין אַ בינטל פון דאַטן. עס ינוואַלווז קאַלעקטינג, רייניקונג און אָרגאַנייזינג דאַטן, און ניצן פאַרשידן טעקניקס צו ויספאָרשן און אַנאַלייז עס. דאַטן סייאַנטיס ניצן סטאַטיסטיש מאָדעלס און אַלגערידאַמז צו ופדעקן טרענדס, מאַכן פֿאָרויסזאָגן און סאָלווע פּראָבלעמס.
צום ביישפּיל, אין די פעלד פון כעלטקער, דאַטן וויסנשאַפֿט קענען ווערן גענוצט צו פונאַנדערקלייַבן פּאַציענט רעקאָרדס און מעדיציניש דאַטן צו ידענטיפיצירן ריזיקירן סיבות פֿאַר חולאתן, פאָרויסזאָגן פּאַציענט אַוטקאַמז אָדער אַפּטאַמייז באַהאַנדלונג פּלאַנז. אין געשעפט, דאַטן וויסנשאַפֿט קענען זיין געווענדט צו קונה דאַטן צו פֿאַרשטיין זייער פּרעפֿערענצן, רעקאָמענדירן פּראָדוקטן אָדער פֿאַרבעסערן פֿאַרקויף סטראַטעגיעס.
22. דאַטאַ ראַנגלינג
דאַטאַ ראַנגלינג, אויך באקאנט ווי דאַטן מונגינג, איז דער פּראָצעס פון זאַמלונג, רייניקונג און יבערמאַכן רוי דאַטן אין אַ פֿאָרמאַט וואָס איז מער נוציק און פּאַסיק פֿאַר אַנאַליסיס. עס ינוואַלווז האַנדלינג און פּריפּערינג דאַטן צו ענשור די קוואַליטעט, קאָנסיסטענסי און קאַמפּאַטאַבילאַטי מיט אַנאַליסיס מכשירים אָדער מאָדעלס.
אין סימפּלער טערמינען, דאַטן ראַנגלינג איז ווי פּריפּערינג ינגרידיאַנץ פֿאַר קוקינג. עס ינוואַלווז קאַלעקטינג דאַטן פון פאַרשידענע קוואלן, סאָרטינג עס אויס און רייניקונג עס צו באַזייַטיקן קיין ערראָרס, ינגקאַנסיסטענסיז אָדער ירעלאַוואַנט אינפֿאָרמאַציע.
אַדדיטיאָנאַללי, דאַטן קען זיין פארוואנדלען, ריסטראַקטשערד אָדער אַגגרעגאַטעד צו מאַכן עס גרינגער צו אַרבעטן מיט און עקסטראַקט ינסייץ.
פֿאַר בייַשפּיל, דאַטן ראַנגלינג קען אַרייַנציען רימוווינג דופּליקאַט איינסן, קערעקטינג מיספּעלינגז אָדער פאָרמאַטטינג ישוז, האַנדלינג פעלנדיק וואַלועס און קאַנווערטינג דאַטן טייפּס. עס קען אויך אַרייַנציען מערדזשינג אָדער פאַרבינדן פאַרשידענע דאַטאַסעץ צוזאַמען, ספּליטינג דאַטן אין סאַבסעץ אָדער שאַפֿן נייַע וועריאַבאַלז באזירט אויף יגזיסטינג דאַטן.
23. דאַטאַ סטאָריטעלינג
דאַטן דערציילונג איז די קונסט פון פּריזענטינג דאַטן אין אַ קאַמפּעלינג און ענגיידזשינג וועג צו יפעקטיוולי יבערגעבן אַ דערציילונג אָדער אָנזאָג. עס ינוואַלווז ניצן דאַטן וויזשוואַלאַזיישאַנז, דערציילונגען און קאָנטעקסט צו יבערגעבן ינסייץ און פיינדינגז אין אַ שטייגער וואָס איז פאַרשטיייק און מעמעראַבאַל צו די וילעם.
אין סימפּלער טערמינען, דאַטן דערציילונג איז וועגן ניצן דאַטן צו דערציילן אַ געשיכטע. עס גייט ווייַטער פון נאָר פּריזענטינג נומערן און טשאַרץ. עס ינוואַלווז קראַפטינג אַ דערציילונג אַרום די דאַטן, ניצן וויזשאַוואַל עלעמענטן און דערציילונג טעקניקס צו ברענגען די דאַטן צו לעבן און מאַכן עס רילייאַבאַל צו די וילעם.
פֿאַר בייַשפּיל, אַנשטאָט פון פשוט פּריזענטינג אַ טיש פון פארקויפונג פיגיערז, דאַטן דערציילונג קען אַרייַנציען קריייטינג אַן ינטעראַקטיוו דאַשבאָרד וואָס אַלאַוז ניצערס צו ויספאָרשן די פארקויפונג טרענדס וויזשוואַלי.
עס קען אַרייַננעמען אַ דערציילונג וואָס כיילייץ די שליסל פיינדינגז, דערקלערט די סיבות הינטער די טרענדס און סאַגדזשעסץ אַקטיאָנאַבלע רעקאַמאַנדיישאַנז באזירט אויף די דאַטן.
24. דאַטאַ-געטריבן באַשלוס מאַקינג
דאַטן-געטריבן באַשלוס-מאכן איז אַ פּראָצעס פון מאַכן ברירות אָדער נעמען אַקשאַנז באזירט אויף די אַנאַליסיס און ינטערפּריטיישאַן פון באַטייַטיק דאַטן. עס ינוואַלווז ניצן דאַטן ווי אַ יסוד צו פירן און שטיצן באַשלוס-מאכן פּראַסעסאַז אלא ווי פאַרלאָזנ בלויז אויף ינטוישאַן אָדער פּערזענלעך משפט.
אין סימפּלער טערמינען, דאַטן-געטריבן באַשלוס-מאכן מיטל ניצן פאקטן און זאָגן פון דאַטן צו מיטטיילן און פירן די ברירות וואָס מיר מאַכן. עס ינוואַלווז קאַלעקטינג און אַנאַלייזינג דאַטן צו פֿאַרשטיין פּאַטערנז, טרענדס און באציונגען און ניצן די וויסן צו מאַכן ינפאָרמד דיסיזשאַנז און סאָלווע פּראָבלעמס.
פֿאַר בייַשפּיל, אין אַ געשעפט באַשטעטיקן, דאַטן-געטריבן באַשלוס-מאכן קען אַרייַנציען אַנאַלייזינג פארקויפונג דאַטן, קונה באַמערקונגען און מאַרק טרענדס צו באַשליסן די מערסט עפעקטיוו פּרייסינג סטראַטעגיע אָדער ידענטיפיצירן געביטן פֿאַר פֿאַרבעסערונג אין פּראָדוקט אַנטוויקלונג.
אין כעלטקער, עס קען אַרייַנציען אַנאַלייזינג פּאַציענט דאַטן צו אַפּטאַמייז באַהאַנדלונג פּלאַנז אָדער פאָרויסזאָגן קרענק אַוטקאַמז.
25. דאַטאַ לייק
א דאַטן אָזערע איז אַ סענטראַלייזד און סקאַלאַבלע דאַטן ריפּאַזאַטאָרי וואָס סטאָרז וואַסט אַמאַונץ פון דאַטן אין זיין רוי און אַנפּראַסעסט פאָרעם. עס איז דיזיינד צו האַלטן אַ ברייט פאַרשיידנקייַט פון דאַטן טייפּס, פֿאָרמאַטירונגען און סטראַקטשערז, אַזאַ ווי סטראַקטשערד, האַלב-סטראַקטשערד און אַנסטראַקטשערד דאַטן, אָן די נויט פֿאַר פאַר-דיפיינד סטשעמאַס אָדער דאַטן טראַנספאָרמאַציע.
פֿאַר בייַשפּיל, אַ פירמע קען קלייַבן און קראָם דאַטן פון פאַרשידן קוואלן, אַזאַ ווי וועבזייטל לאָגס, קונה טראַנזאַקשאַנז, געזעלשאַפטלעך מידיאַ פידז און IoT דעוויסעס, אין אַ דאַטן אָזערע.
די דאַטן קענען זיין גענוצט פֿאַר פאַרשידן צוועקן, אַזאַ ווי קאַנדאַקטינג אַוואַנסירטע אַנאַליטיקס, פּערפאָרמינג מאַשין לערנען אַלגערידאַמז אָדער ויספאָרשן פּאַטערנז און טרענדס אין קונה נאַטור.
26. דאַטאַ וואַרעהאָוסע
א דאַטן ווערכאַוס איז אַ ספּעשאַלייזד דאַטאַבייס סיסטעם וואָס איז ספּאַסיפיקלי דיזיינד פֿאַר סטאָרינג, אָרגאַנייזינג און אַנאַלייזינג גרויס אַמאַונץ פון דאַטן פֿון פאַרשידן קוואלן. עס איז סטראַקטשערד אין אַ וועג וואָס שטיצט עפעקטיוו דאַטן ריטריוואַל און קאָמפּלעקס אַנאַליסיס פֿראגן.
עס סערוועס ווי אַ הויפט ריפּאַזאַטאָרי וואָס ינטאַגרייץ דאַטן פון פאַרשידענע אַפּעריישאַנאַל סיסטעמען, אַזאַ ווי טראַנסאַקטיאָנאַל דאַטאַבייסיז, CRM סיסטעמען און אנדערע דאַטן קוואלן אין אַן אָרגאַניזאַציע.
די דאַטן זענען פארוואנדלען, גערייניקט און לאָודיד אין די דאַטן ווערכאַוס אין אַ סטראַקטשערד פֿאָרמאַט אָפּטימיזעד פֿאַר אַנאַליטיקאַל צוועקן.
27. ביזנעס סייכל (BI)
געשעפט סייכל רעפערס צו דעם פּראָצעס פון קאַלעקטינג, אַנאַלייזינג און פּרעזענטירונג דאַטן אין אַ וועג וואָס העלפּס געשעפטן צו מאַכן ינפאָרמד דיסיזשאַנז און באַקומען ווערטפול ינסייץ. עס ינוואַלווז ניצן פאַרשידן מכשירים, טעקנאַלאַדזשיז און טעקניקס צו יבערמאַכן רוי דאַטן אין מינינגפאַל, אַקטיאָנאַבלע אינפֿאָרמאַציע.
פֿאַר בייַשפּיל, אַ געשעפט סייכל סיסטעם קען אַנאַלייז פארקויפונג דאַטן צו ידענטיפיצירן די מערסט רעוועכדיק פּראָדוקטן, מאָניטאָר ינוואַנטאָרי לעוועלס און שפּור קונה פּרעפֿערענצן.
עס קענען צושטעלן פאַקטיש-צייט ינסייץ אין שליסל פאָרשטעלונג ינדיקאַטאָרס (KPIs) ווי רעוועך, קונה אַקוואַזישאַן אָדער פּראָדוקט פאָרשטעלונג, אַלאַוינג געשעפטן צו מאַכן דאַטן-געטריבן דיסיזשאַנז און נעמען צונעמען אַקשאַנז צו פֿאַרבעסערן זייער אַפּעריישאַנז.
געשעפט סייכל מכשירים אָפט אַרייַננעמען פֿעיִקייטן ווי דאַטן וויזשוואַלאַזיישאַן, אַד האָק קווערינג און דאַטן עקספּלעריישאַן קייפּאַבילאַטיז. די מכשירים געבן ניצערס, אַזאַ ווי געשעפט אַנאַליס אָדער מאַנאַדזשערז, צו ינטעראַקט מיט די דאַטן, רעפטל און ביינדלעך עס, און דזשענערייט ריפּאָרץ אָדער וויזשאַוואַל רעפּראַזאַנטיישאַנז וואָס הויכפּונקט וויכטיק ינסייץ און טרענדס.
28. פּרידיקטיוו אַנאַליטיקס
פּרידיקטיוו אַנאַליסיס איז די פיר פון ניצן דאַטן און סטאַטיסטיש טעקניקס צו מאַכן ינפאָרמד פֿאָרויסזאָגן אָדער פאָרקאַסץ וועגן צוקונפֿט געשעענישן אָדער אַוטקאַמז. עס ינוואַלווז אַנאַלייזינג היסטארישע דאַטן, ידענטיפיצירן פּאַטערנז, און בויען מאָדעלס צו עקסטראַפּאָולירן און אָפּשאַצן צוקונפֿט טרענדס, ביכייוויערז אָדער געשעענישן.
עס יימז צו ופדעקן באציונגען צווישן וועריאַבאַלז און נוצן די אינפֿאָרמאַציע צו מאַכן פֿאָרויסזאָגן. עס גייט ווייַטער פון פשוט דיסקרייבינג פאַרגאַנגענהייט געשעענישן; אַנשטאָט, עס לעוועראַדזשאַז היסטארישע דאַטן צו פֿאַרשטיין און אַנטיסאַפּייט וואָס איז מסתּמא צו פּאַסירן אין דער צוקונפֿט.
פֿאַר בייַשפּיל, אין די פעלד פון פינאַנצן, פּרידיקטיוו אַנאַליסיס קענען זיין געוויינט צו פאָרויסזאָגן לאַגער פּריסעס באזירט אויף היסטארישע מאַרק דאַטן, עקאָנאָמיש ינדאַקייטערז און אנדערע באַטייַטיק סיבות.
אין פֿאַרקויף, עס קענען זיין געוויינט צו פאָרויסזאָגן קונה נאַטור און פּרעפֿערענצן, געבן טאַרגעטעד גאַנצע און פערזענליכען פֿאַרקויף קאַמפּיינז.
אין כעלטקער, פּרידיקטיוו אַנאַליסיס קענען העלפֿן ידענטיפיצירן פּאַטיענץ מיט הויך ריזיקירן פֿאַר זיכער חולאתן אָדער פאָרויסזאָגן די ליקעליהאָאָד פון רעמיססיאָן באזירט אויף מעדיציניש געשיכטע און אנדערע סיבות.
29. פּרעסקריפּטיוו אַנאַליטיקס
פּרעסקריפּטיוו אַנאַליטיקס איז די אַפּלאַקיישאַן פון דאַטן און אַנאַליטיקס צו באַשליסן די בעסטער מעגלעך אַקשאַנז צו נעמען אין אַ באַזונדער סיטואַציע אָדער באַשלוס-מאכן סצענאַר.
עס גייט ווייַטער פון דיסקריפּטיוו און פּרידיקטיוו אַנאַליטיקס דורך ניט בלויז פּראַוויידינג ינסייץ וועגן וואָס קען פּאַסירן אין דער צוקונפֿט, אָבער אויך רעקאַמענדיד די מערסט אָפּטימאַל לויף פון קאַמף צו דערגרייכן אַ געוואלט רעזולטאַט.
עס קאַמביינז היסטארישע דאַטן, פּרידיקטיוו מאָדעלס און אַפּטאַמאַזיישאַן טעקניקס צו סימולירן פאַרשידענע סינעריאָוז און אָפּשאַצן די פּאָטענציעל אַוטקאַמז פון פאַרשידן דיסיזשאַנז. עס באַטראַכטן קייפל קאַנסטריינץ, אַבדזשעקטיווז און סיבות צו דזשענערייט אַקטיאָנאַבלע רעקאַמאַנדיישאַנז וואָס מאַקסאַמייז די געוואלט רעזולטאַטן אָדער מינאַמייז ריסקס.
למשל, אין צושטעלן קייט פאַרוואַלטונג, פּרעסקריפּטיוו אַנאַליטיקס קענען פונאַנדערקלייַבן דאַטן אויף ינוואַנטאָרי לעוועלס, פּראָדוקציע קאַפּאַסאַטיז, טראַנספּערטיישאַן קאָס און קונה פאָדערונג צו באַשליסן די מערסט עפעקטיוו פאַרשפּרייטונג פּלאַן.
עס קענען רעקאָמענדירן די ידעאַל אַלאַקיישאַן פון רעסורסן, אַזאַ ווי ינוואַנטאָרי סטאַקינג לאָוקיישאַנז אָדער טראַנספּערטיישאַן רוץ, צו מינאַמייז קאָס און ענשור בייַצייַטיק עקספּרעס.
30. דאַטאַ-געטריבן מאַרקעטינג
דאַטאַ-געטריבן פֿאַרקויף רעפערס צו די פיר פון ניצן דאַטן און אַנאַליטיקס צו פאָרן פֿאַרקויף סטראַטעגיעס, קאַמפּיינז און באַשלוס-מאכן פּראַסעסאַז.
עס ינוואַלווז לעווערידזשינג פאַרשידן קוואלן פון דאַטן צו באַקומען ינסייץ אין קונה נאַטור, פּרעפֿערענצן און טרענדס און ניצן די אינפֿאָרמאַציע צו אַפּטאַמייז פֿאַרקויף השתדלות.
עס פאָוקיסיז אויף קאַלעקטינג און אַנאַלייזינג דאַטן פון קייפל טאָוטפּוינץ, אַזאַ ווי וועבזייטל ינטעראַקשאַנז, באַשטעלונג אויף געזעלשאַפטלעך מידיאַ, קונה דעמאָגראַפיקס, קויפן געשיכטע און מער. די דאַטן זענען דעמאָלט געניצט צו מאַכן אַ פולשטענדיק פארשטאנד פון די ציל וילעם, זייער פּרעפֿערענצן און זייער באדערפענישן.
דורך כאַרנאַסינג דאַטן, מאַרקעטערס קענען מאַכן ינפאָרמד דיסיזשאַנז וועגן קונה סעגמענטאַטיאָן, טאַרגאַטינג און פּערסאַנאַלאַזיישאַן.
זיי קענען ידענטיפיצירן ספּעציפיש קונה סעגמאַנץ וואָס זענען מער מסתּמא צו ריספּאַנד דורכויס צו פֿאַרקויף קאַמפּיינז און שנייַדער זייער אַרטיקלען און אָפפערס אַקאָרדינגלי.
אַדדיטיאָנאַללי, דאַטן-געטריבן פֿאַרקויף העלפּס אין אָפּטימיזינג פֿאַרקויף טשאַנאַלז, דיטערמאַנינג די מערסט עפעקטיוו פֿאַרקויף מישן און מעסטן די הצלחה פון פֿאַרקויף ינישאַטיווז.
פֿאַר בייַשפּיל, אַ דאַטן-געטריבן פֿאַרקויף צוגאַנג קען אַרייַנציען אַנאַלייזינג קונה דאַטן צו ידענטיפיצירן פּערטשאַסינג נאַטור און פּרעפֿערענצן פּאַטערנז. באַזירט אויף די ינסייץ, מאַרקעטערס קענען מאַכן טאַרגעטעד קאַמפּיינז מיט פערזענליכען אינהאַלט און אָפפערס וואָס רעזאַנייט מיט ספּעציפיש קונה סעגמאַנץ.
דורך קעסיידערדיק אַנאַליסיס און אַפּטאַמאַזיישאַן, זיי קענען מעסטן די יפעקטיוונאַס פון זייער פֿאַרקויף השתדלות און ראַפינירן סטראַטעגיעס איבער צייַט.
31. דאַטאַ גאַווערנאַנס
דאַטאַ גאַווערנאַנס איז די פריימווערק און גאַנג פון פּראַקטיסיז וואָס אָרגאַנאַזיישאַנז אַדאַפּט צו ענשור די געהעריק פאַרוואַלטונג, שוץ און אָרנטלעכקייַט פון דאַטן בעשאַס זיין לייפסייק. עס ענקאַמפּאַסאַז די פּראַסעסאַז, פּאַלאַסיז און פּראָוסידזשערז וואָס רעגירן ווי דאַטן זענען געזאמלט, סטאָרד, אַקסעסט, געוויינט און שערד אין אַן אָרגאַניזאַציע.
עס יימז צו פאַרלייגן אַקאַונטאַביליטי, פֿאַראַנטוואָרטלעכקייט און קאָנטראָל איבער דאַטן אַסעץ. עס ינשורז אַז דאַטן זענען פּינטלעך, פולשטענדיק, קאָנסיסטענט און טראַסטווערדי, וואָס אַלאַוז אָרגאַנאַזיישאַנז צו מאַכן ינפאָרמד דיסיזשאַנז, האַלטן דאַטן קוואַליטעט און טרעפן רעגולאַטאָרי רעקווירעמענץ.
דאַטאַ גאַווערנאַנס ינוואַלווז דיפיינינג ראָלעס און ריספּאַנסאַבילאַטיז פֿאַר דאַטן פאַרוואַלטונג, גרינדן דאַטן סטאַנדאַרדס און פּאַלאַסיז און ימפּלאַמענינג פּראַסעסאַז צו מאָניטאָר און דורכפירן העסקעם. עס ווענדט פאַרשידן אַספּעקץ פון דאַטן פאַרוואַלטונג, אַרייַנגערעכנט דאַטן פּריוואַטקייט, דאַטן זיכערהייט, דאַטן קוואַליטעט, דאַטן קלאַסאַפאַקיישאַן און דאַטן לייפסייק פאַרוואַלטונג.
פֿאַר בייַשפּיל, דאַטן גאַווערנאַנס קען אַרייַנציען ימפּלאַמענינג פּראָוסידזשערז צו ענשור אַז פערזענלעכע אָדער שפּירעוודיק דאַטן זענען כאַנדאַלד אין לויט מיט אָנווענדלעך פּריוואַטקייט רעגיאַליישאַנז, אַזאַ ווי די אַלגעמיינע דאַטאַ פּראַטעקשאַן רעגולירן (GDPR).
עס קען אויך אַרייַננעמען גרינדן דאַטן קוואַליטעט סטאַנדאַרדס און ימפּלאַמענינג דאַטן וואַלאַדיישאַן פּראַסעסאַז צו ענשור אַז דאַטן זענען פּינטלעך און פאַרלאָזלעך.
32. דאַטאַ סעקוריטי
דאַטאַ זיכערהייט איז וועגן בעכעסקעם אונדזער ווערטפול אינפֿאָרמאַציע זיכער פון אַנאָטערייזד אַקסעס אָדער גנייווע. עס ינוואַלווז גענומען מיטלען צו באַשיצן דאַטן קאַנפאַדענשיאַלאַטי, אָרנטלעכקייַט און אַוויילאַבילאַטי.
יסענשאַלי, עס מיטל ינשורינג אַז בלויז די רעכט מענטשן קענען צוטריט אונדזער דאַטן, אַז עס בלייבט פּינטלעך און אַנאָלטערד, און אַז עס איז בנימצא ווען דארף.
צו דערגרייכן דאַטן זיכערהייט, פאַרשידן סטראַטעגיעס און טעקנאַלאַדזשיז זענען געניצט. פֿאַר בייַשפּיל, אַקסעס קאָנטראָלס און ענקריפּשאַן מעטהאָדס העלפֿן באַגרענעצן אַקסעס צו אָטערייזד מענטשן אָדער סיסטעמען, וואָס מאכט עס שווערער פֿאַר אַוציידערז צו אַקסעס אונדזער דאַטן.
מאָניטאָרינג סיסטעמען, פירעוואַללס און ינטרוזשאַן דיטעקשאַן סיסטעמען אַקט ווי גאַרדיאַנז, אַלערטינג אונדז צו סאַספּישאַס אַקטיוויטעטן און פּרעווענטינג אַנאָטערייזד אַקסעס.
33. אינטערנעט פון טהינגס
דער אינטערנעץ פון טהינגס (IOT) רעפערס צו אַ נעץ פון גשמיות אַבדזשעקץ אָדער "זאַכן" וואָס זענען פארבונדן צו די אינטערנעט און קענען יבערגעבן מיט יעדער אנדערער. עס איז ווי אַ גרויס וועב פון וואָכעדיק אַבדזשעקץ, דעוויסעס און מאשינען וואָס זענען ביכולת צו טיילן אינפֿאָרמאַציע און דורכפירן טאַסקס דורך ינטעראַקטינג דורך די אינטערנעט.
אין פּשוט טערמינען, IoT ינוואַלווז געבן "קלוג" קייפּאַבילאַטיז צו פאַרשידן אַבדזשעקץ אָדער דעוויסעס וואָס זענען טראַדישאַנאַלי נישט קאָננעקטעד צו די אינטערנעט. די אַבדזשעקץ קענען אַרייַננעמען הויזגעזינד אַפּפּליאַנסעס, וועראַבאַל דעוויסעס, טערמאַסטאַטס, קאַרס און אפילו ינדאַסטריאַל מאַשינערי.
דורך קאַנעקטינג די אַבדזשעקץ צו די אינטערנעט, זיי קענען קלייַבן און טיילן דאַטן, באַקומען ינסטראַקשאַנז און דורכפירן טאַסקס אָטאַנאַמאַסלי אָדער אין ענטפער צו באַניצער קאַמאַנדז.
פֿאַר בייַשפּיל, אַ קלוג טערמאַסטאַט קענען מאָניטאָר טעמפּעראַטור, סטרויערן סעטטינגס און שיקן ענערגיע באַניץ ריפּאָרץ צו אַ סמאַרטפאָנע אַפּ. א וועראַבאַל טויגיקייט טראַקער קענען קלייַבן דאַטן וועגן דיין פיזיש אַקטיוויטעטן און סינק עס צו אַ וואָלקן-באזירט פּלאַטפאָרמע פֿאַר אַנאַליסיס.
34. באַשלוס טרי
א באַשלוס בוים איז אַ וויזשאַוואַל פאַרטרעטונג אָדער דיאַגראַמע וואָס העלפּס אונדז מאַכן דיסיזשאַנז אָדער באַשטימען אַ לויף פון קאַמף באזירט אויף אַ סעריע פון ברירות אָדער טנאָים.
עס איז ווי אַ פלאָווטשאַרט וואָס פירן אונדז דורך אַ באַשלוס-מאכן פּראָצעס דורך באַטראַכטן פאַרשידענע אָפּציעס און זייער פּאָטענציעל אַוטקאַמז.
ימאַדזשאַן איר האָבן אַ פּראָבלעם אָדער אַ קשיא, און איר דאַרפֿן צו מאַכן אַ ברירה.
א באַשלוס בוים ברייקס אַראָפּ די באַשלוס אין קלענערער סטעפּס, סטאַרטינג מיט אַן ערשט קשיא און בראַנטשינג אויס אין פאַרשידענע מעגלעך ענטפֿערס אָדער אַקשאַנז באזירט אויף די באדינגונגען אָדער קרייטיריאַ אין יעדער שריט.
35. קאָגניטיווע קאַמפּיוטינג
קאָגניטיווע קאַמפּיוטינג, אין פּשוט טערמינען, רעפערס צו קאָמפּיוטער סיסטעמען אָדער טעקנאַלאַדזשיז וואָס נאָכקרימען מענטשלעך קאַגניטיוו אַבילאַטיז, אַזאַ ווי לערנען, ריזאַנינג, פארשטאנד און פּראָבלעם סאַלווינג.
עס ינוואַלווז קריייטינג קאָמפּיוטער סיסטעמען וואָס קענען פּראָצעס און טייַטשן אינפֿאָרמאַציע אין אַ וועג וואָס ריזעמבאַלז מענטשלעך טראכטן.
קאָגניטיווע קאַמפּיוטינג יימז צו אַנטוויקלען מאשינען וואָס קענען פֿאַרשטיין און ינטעראַקט מיט מענטשן אין אַ מער נאַטירלעך און ינטעליגענט שטייגער. די סיסטעמען זענען דיזיינד צו אַנאַלייז וואַסט אַמאַונץ פון דאַטן, דערקענען פּאַטערנז, מאַכן פֿאָרויסזאָגן און צושטעלן מינינגפאַל ינסייץ.
טראַכטן פון קאַגניטיוו קאַמפּיוטינג ווי אַן פּרווון צו מאַכן קאָמפּיוטערס טראַכטן און אַקט מער ווי יומאַנז.
עס ינוואַלווז לעווערידזשינג טעקנאַלאַדזשיז אַזאַ ווי קינסטלעך סייכל, מאַשין לערנען, נאַטירלעך שפּראַך פּראַסעסינג און קאָמפּיוטער זעאונג צו געבן קאָמפּיוטערס צו דורכפירן טאַסקס וואָס זענען טראַדישאַנאַלי פארבונדן מיט מענטשלעך סייכל.
36. קאַמפּיוטיישאַנאַל לערנען טעאָריע
קאַמפּיוטיישאַנאַל לערנען טעאָריע איז אַ ספּעשאַלייזד צווייַג אין די מעלוכע פון קינסטלעך סייכל וואָס ריוואַלווז אַרום די אַנטוויקלונג און דורכקוק פון אַלגערידאַמז ספּאַסיפיקלי דיזיינד צו לערנען פון דאַטן.
דעם פעלד יקספּלאָרז פאַרשידן טעקניקס און מעטאַדאַלאַדזשיז פֿאַר קאַנסטראַקטינג אַלגערידאַמז וואָס קענען אָטאַנאַמאַסלי פֿאַרבעסערן זייער פאָרשטעלונג דורך אַנאַלייזינג און פּראַסעסינג גרויס אַמאַונץ פון אינפֿאָרמאַציע.
דורך כאַרנאַסינג די מאַכט פון דאַטן, קאַמפּיוטיישאַנאַל לערנען טעאָריע יימז צו ופדעקן פּאַטערנז, באציונגען און ינסייץ וואָס געבן מאשינען צו פֿאַרבעסערן זייער באַשלוס-מאכן קייפּאַבילאַטיז און דורכפירן טאַסקס מער יפישאַנטלי.
די לעצט ציל איז צו שאַפֿן אַלגערידאַמז וואָס קענען אַדאַפּט, גענעראַליזירן און מאַכן פּינטלעך פֿאָרויסזאָגן באזירט אויף די דאַטן זיי האָבן שוין יקספּאָוזד צו, קאַנטריביוטינג צו די העכערונג פון קינסטלעך סייכל און זייַן פּראַקטיש אַפּלאַקיישאַנז.
37. טורינג טעסט
די טורינג פּראָבע, ערידזשנאַלי פארגעלייגט דורך די בריליאַנט מאַטעמאַטיקער און קאָמפּיוטער געלערנטער Alan Turing, איז אַ קאַפּטיווייטינג באַגריף געניצט צו אַססעסס צי אַ מאַשין קענען ויסשטעלונג ינטעליגענט נאַטור פאַרגלייַכלעך צו, אָדער פּראַקטאַקלי ינדיסטינגגווישאַבאַל פון, אַז פון אַ מענטש.
אין די טורינג פּראָבע, אַ מענטש עוואַלואַטאָר פאַרקנאַסט אין אַ נאַטירלעך שפּראַך שמועס מיט ביידע אַ מאַשין און אן אנדער מענטש באַטייליקטער אָן וויסן וואָס איינער איז די מאַשין.
די ראָלע פון די עוואַלואַטאָר איז צו דערקענען וואָס ענטיטי איז די מאַשין בלויז באזירט אויף זייער רעספּאָנסעס. אויב די מאַשין איז ביכולת צו איבערצייגן די עוואַלואַטאָר אַז עס איז דער מענטש אַנטקעגענער, עס איז געזאגט צו האָבן דורכגעגאנגען די טורינג פּראָבע, דערמיט דעמאַנסטרייטינג אַ שטאַפּל פון סייכל וואָס מירערז מענטש-ווי קייפּאַבילאַטיז.
Alan Turing פארגעלייגט דעם פּראָבע ווי אַ מיטל צו ויספאָרשן דעם באַגריף פון מאַשין סייכל און צו שטעלן די קשיא צי מאשינען קענען דערגרייכן מענטש-מדרגה דערקענונג.
דורך פראַמינג די פּראָבע אין טערמינען פון מענטשלעך ינדיסטינגגווישאַביליטי, Turing כיילייטיד די פּאָטענציעל פֿאַר מאשינען צו ויסשטעלונג נאַטור וואָס איז אַזוי קאַנווינסינגלי ינטעליגענט אַז עס ווערט טשאַלאַנדזשינג צו דיפערענשיייט זיי פון יומאַנז.
די טורינג פּראָבע האָט געפֿירט ברייט דיסקוסיעס און פאָרשונג אין די פעלדער פון קינסטלעך סייכל און קאַגניטיוו וויסנשאַפֿט. בשעת דורכגיין די טורינג פּראָבע בלייבט אַ באַטייטיק מיילסטאָון, דאָס איז נישט די בלויז מאָס פון סייכל.
פונדעסטוועגן, די פּראָבע סערוועס ווי אַ געדאַנק-פּראַוואָוקינג בענטשמאַרק, סטימיאַלייטינג אָנגאָינג השתדלות צו אַנטוויקלען מאשינען וואָס קענען עמיאַלייטינג מענטש-ווי סייכל און נאַטור און קאַנטריביוטינג צו די ברייטערער ויספאָרשונג פון וואָס עס מיטל צו זיין ינטעליגענט.
38. ריינפאָרסמאַנט לערנען
ריינפאָרסמאַנט לערנען איז אַ טיפּ פון לערנען וואָס כאַפּאַנז דורך פּראָצעס און טעות, ווו אַ "אַגענט" (וואָס קענען זיין אַ קאָמפּיוטער פּראָגראַם אָדער אַ ראָבאָט) לערנט צו דורכפירן טאַסקס דורך ריוואָרדז פֿאַר גוט נאַטור און פייסינג די קאַנסאַקווענסאַז אָדער שטראָף פֿאַר שלעכט נאַטור.
ימאַדזשאַן אַ סצענאַר ווו דער אַגענט איז טריינג צו פאַרענדיקן אַ ספּעציפיש אַרבעט, אַזאַ ווי נאַוואַגייטינג אַ מייז. אין ערשטער, דער אַגענט קען נישט וויסן די ריכטיק וועג צו נעמען, אַזוי עס פרוווט פאַרשידענע אַקשאַנז און יקספּלאָרז פאַרשידן רוץ.
ווען עס טשוזיז אַ גוט קאַמף וואָס געץ עס נעענטער צו דעם ציל, עס באקומט אַ באַלוינונג, ווי אַ ווירטואַל "קלאַפּ אויף די צוריק." אָבער, אויב עס מאכט אַ נעבעך באַשלוס וואָס פירט צו אַ טויט סוף אָדער נעמט עס אַוועק פון דעם ציל, עס באקומט שטראָף אָדער נעגאַטיוו באַמערקונגען.
דורך דעם פּראָצעס פון פּראָצעס און טעות, דער אַגענט לערנז צו פאַרבינדן זיכער אַקשאַנז מיט positive אָדער נעגאַטיוו אַוטקאַמז. עס ביסלעכווייַז פיגיערז די בעסטער סיקוואַנס פון אַקשאַנז צו מאַקסאַמייז זייַן ריוואָרדז און מינאַמייז שטראָף, לעסאָף ווערן מער געניט אין דער אַרבעט.
ריינפאָרסמאַנט לערנען דראָז ינספּיראַציע פון ווי מענטשן און אַנימאַלס לערנען דורך ריסיווינג באַמערקונגען פון די סוויווע.
דורך אַפּלייינג דעם באַגריף צו מאשינען, ריסערטשערז צילן צו אַנטוויקלען ינטעליגענט סיסטעמען וואָס קענען לערנען און אַדאַפּט צו פאַרשידענע סיטואַטיאָנס דורך אָטאַנאַמאַסלי אַנטדעקן די מערסט עפעקטיוו ביכייוויערז דורך אַ פּראָצעס פון positive ריינפאָרסמאַנט און נעגאַטיוו קאַנסאַקווענסאַז.
39. ענטיטי יקסטראַקשאַן
ענטיטי יקסטראַקשאַן רעפערס צו אַ פּראָצעס אין וואָס מיר ידענטיפיצירן און עקסטראַקט וויכטיק שטיק פון אינפֿאָרמאַציע, באקאנט ווי ענטיטיז, פון אַ בלאָק פון טעקסט. די ענטיטיז קענען זיין פאַרשידן זאכן ווי די נעמען פון מענטשן, נעמען פון ערטער, נעמען פון אָרגאַניזאַציעס, און אַזוי אויף.
זאל ס ימאַדזשאַן איר האָבן אַ פּאַראַגראַף דיסקרייבינג אַ נייַעס אַרטיקל.
ענטיטי יקסטראַקשאַן וואָלט אַרייַנציען אַנאַלייזינג די טעקסט און פּיקינג אויס ספּעציפיש ביטן וואָס פאָרשטעלן פאַרשידענע ענטיטיז. צום ביישפּיל, אויב דער טעקסט דערמאנט די נאָמען פון אַ מענטש ווי "יוחנן סמיט," די אָרט "ניו יארק סיטי," אָדער די אָרגאַניזאַציע "OpenAI," דאָס וואָלט זיין די ענטיטיז וואָס מיר צילן צו ידענטיפיצירן און עקסטראַקט.
דורך דורכפירן ענטיטי יקסטראַקשאַן, מיר יסענשאַלי לערנען אַ קאָמפּיוטער פּראָגראַם צו דערקענען און יזאָלירן באַטייַטיק עלעמענטן פון דעם טעקסט. דער פּראָצעס ינייבאַלז אונדז צו אָרגאַניזירן און קאַטאַגערייז אינפֿאָרמאַציע מער יפישאַנטלי, מאכן עס גרינגער צו זוכן, אַנאַלייז און באַקומען ינסייץ פון גרויס וואַליומז פון טעקסטשאַוואַל דאַטן.
קוילעלדיק, ענטיטי יקסטראַקשאַן העלפּס אונדז אָטאַמייט די אַרבעט פון פּינפּוינטינג וויכטיק ענטיטיז, אַזאַ ווי מענטשן, ערטער און אָרגאַנאַזיישאַנז, אין דעם טעקסט, סטרימליינינג די יקסטראַקשאַן פון ווערטפול אינפֿאָרמאַציע און פֿאַרבעסערן אונדזער פיייקייט צו פּראָצעס און פֿאַרשטיין טעקסטשאַוואַל דאַטן.
40. לינגוויסטיק אַנאַטיישאַן
לינגגוויסטיק אַנאַטיישאַן ינוואַלווז באַרייַכערן טעקסט מיט נאָך לינגגוויסטיק אינפֿאָרמאַציע צו פאַרבעסערן אונדזער פארשטאנד און אַנאַליסיס פון די שפּראַך געניצט. עס איז ווי צו לייגן נוציק לאַבעלס אָדער טאַגס צו פאַרשידענע פּאַרץ פון אַ טעקסט.
ווען מיר דורכפירן לינגגוויסטיק אַנאָטאַציע, מיר גיין ווייַטער פון די יקערדיק ווערטער און זאצן אין אַ טעקסט און אָנהייבן לייבלינג אָדער טאַגינג ספּעציפיש עלעמענטן. פֿאַר בייַשפּיל, מיר קענען לייגן טייל-פון-רעדע טאַגס, וואָס אָנווייַזן די גראַמאַטיק קאַטעגאָריע פון יעדער וואָרט (ווי נאָמינירן, ווערב, אַדזשיקטיוו, אאז"ו ו). דאָס העלפּס אונדז פֿאַרשטיין די ראָלע וואָס יעדער וואָרט פיעסעס אין אַ זאַץ.
אן אנדער פאָרעם פון לינגגוויסטיק אַנאָטיישאַן איז געהייסן ענטיטי דערקענונג, ווו מיר ידענטיפיצירן און לאַבעלס ספּעציפיש געהייסן ענטיטיז, אַזאַ ווי נעמען פון מענטשן, ערטער, אָרגאַנאַזיישאַנז אָדער דאַטעס. דאָס אַלאַוז אונדז צו געשווינד געפֿינען און עקסטראַקט וויכטיק אינפֿאָרמאַציע פון דעם טעקסט.
דורך אַנאַטייטינג טעקסט אין די וועגן, מיר מאַכן אַ מער סטראַקטשערד און אָרגאַניזירט פאַרטרעטונג פון דער שפּראַך. דאָס קען זיין זייער נוציק אין אַ פאַרשיידנקייַט פון אַפּלאַקיישאַנז. פֿאַר בייַשפּיל, עס העלפּס פֿאַרבעסערן די אַקיעראַסי פון זוכן ענדזשאַנז דורך פֿאַרשטיין די קאַוואָנע הינטער באַניצער פֿראגן. עס אויך אַסיס אין מאַשין איבערזעצונג, סענטימענט אַנאַליסיס, אינפֿאָרמאַציע יקסטראַקשאַן און פילע אנדערע נאַטירלעך שפּראַך פּראַסעסינג טאַסקס.
לינגוויסטיק אַנאָטאַציע דינט ווי אַ וויטאַל געצייַג פֿאַר ריסערטשערז, לינגוויסטן און דעוועלאָפּערס, וואָס אַלאַוז זיי צו לערנען שפּראַך פּאַטערנז, בויען שפּראַך מאָדעלס און אַנטוויקלען סאַפיסטאַקייטיד אַלגערידאַמז וואָס קענען בעסער אַנאַלייז און פֿאַרשטיין דעם טעקסט.
41. היפּערפּאַראַמעטער
In מאַשין וויסן, אַ היפּערפּאַראַמעטער איז ווי אַ ספּעציעל באַשטעטיקן אָדער קאַנפיגיעריישאַן וואָס מיר דאַרפֿן צו באַשליסן איידער טריינינג אַ מאָדעל. עס איז נישט עפּעס וואָס דער מאָדעל קענען לערנען זיך פון די דאַטן; אַנשטאָט, מיר האָבן צו באַשליסן עס פריער.
טראַכטן פון עס ווי אַ קנופּ אָדער באַשטימען וואָס מיר קענען סטרויערן צו פיין-טון ווי דער מאָדעל לערנז און מאַכן פֿאָרויסזאָגן. די כייפּערפּאַראַמאַטערז רעגירן פאַרשידן אַספּעקץ פון די לערנען פּראָצעס, אַזאַ ווי די קאַמפּלעקסיטי פון די מאָדעל, די גיכקייַט פון טריינינג און די האַנדל-אַוועק צווישן אַקיעראַסי און גענעראַליזיישאַן.
פֿאַר בייַשפּיל, לאָזן אונדז באַטראַכטן אַ נעוראַל נעץ. איינער וויכטיק היפּערפּאַראַמעטער איז די נומער פון לייַערס אין די נעץ. מיר האָבן צו קלייַבן ווי טיף מיר וועלן די נעץ, און דער באַשלוס אַפעקץ זייַן פיייקייט צו כאַפּן קאָמפּלעקס פּאַטערנז אין די דאַטן.
אנדערע פּראָסט כייפּערפּאַראַמעטערס אַרייַננעמען די לערנען קורס, וואָס דיטערמאַנז ווי געשווינד דער מאָדעל אַדזשאַסטיד זיין ינערלעך פּאַראַמעטערס באזירט אויף די טריינינג דאַטן, און די רעגולאַריזאַטיאָן שטאַרקייַט, וואָס קאָנטראָלס ווי פיל דער מאָדעל פּינאַליזיז קאָמפּלעקס פּאַטערנז צו פאַרמייַדן אָוווערפיטטינג.
באַשטעטיקן די כייפּערפּאַראַמאַטער ריכטיק איז קריטיש ווייַל זיי קענען באטייטיק פּראַל די פאָרשטעלונג און נאַטור פון די מאָדעל. עס אָפט ינוואַלווז אַ ביסל פון פּראָצעס און טעות, עקספּערימענטינג מיט פאַרשידענע וואַלועס און אָבסערווירן ווי זיי ווירקן די פאָרשטעלונג פון די מאָדעל אויף אַ וואַלאַדיישאַן דאַטאַסעט.
42. מעטאַדאַטאַ
מעטאַדאַטאַ רעפערס צו נאָך אינפֿאָרמאַציע וואָס גיט דעטאַילס וועגן אנדערע דאַטן. עס איז ווי אַ גאַנג פון טאַגס אָדער לאַבעלס וואָס געבן אונדז מער קאָנטעקסט אָדער באַשרייַבן די קעראַקטעריסטיקס פון די הויפּט דאַטן.
ווען מיר האָבן דאַטן, צי עס איז אַ דאָקומענט, אַ פאָטאָגראַפיע, אַ ווידעא אָדער קיין אנדערע טיפּ פון אינפֿאָרמאַציע, מעטאַדאַטאַ העלפּס אונדז פֿאַרשטיין וויכטיק אַספּעקץ פון די דאַטן.
פֿאַר בייַשפּיל, אין אַ דאָקומענט, מעטאַדאַטאַ קען אַרייַננעמען דעטאַילס ווי דער מחבר 'ס נאָמען, די דאַטע עס איז באשאפן אָדער די טעקע פֿאָרמאַט. אין דעם פאַל פון אַ פאָטאָגראַפיע, מעטאַדאַטאַ קען זאָגן אונדז די אָרט ווו עס איז גענומען, די אַפּאַראַט סעטטינגס געניצט, אָדער אפילו די דאַטע און צייט עס איז קאַפּטשערד.
מעטאַדאַטאַ העלפּס אונדז אָרגאַניזירן, זוכן און ינטערפּריט דאַטן מער יפעקטיוולי. דורך אַדינג די דיסקריפּטיוו שטיק פון אינפֿאָרמאַציע, מיר קענען געשווינד געפֿינען ספּעציפיש טעקעס אָדער פֿאַרשטיין זייער אָריגין, ציל אָדער קאָנטעקסט אָן צו גראָבן די גאנצע אינהאַלט.
43. דימענשאַנאַליטי רעדוקציע
דימענשאַנאַליטי רעדוקציע איז אַ טעכניק געניצט צו פאַרפּאָשעטערן אַ דאַטאַסעט דורך רידוסינג די נומער פון פֿעיִקייטן אָדער וועריאַבאַלז עס כּולל. עס איז ווי קאַנדענסינג אָדער סאַמערייזינג די אינפֿאָרמאַציע אין אַ דאַטאַסעט צו מאַכן עס מער מאַנידזשאַבאַל און גרינגער צו אַרבעטן מיט.
ימאַדזשאַן אַז איר האָט אַ דאַטאַסעט מיט פילע שפאלטן אָדער אַטריביוץ וואָס רעפּראַזענץ פאַרשידענע קעראַקטעריסטיקס פון די דאַטן פונקטן. יעדער זייַל מוסיף צו די קאַמפּלעקסיטי און קאַמפּיוטיישאַנאַל רעקווירעמענץ פון מאַשין לערנען אַלגערידאַמז.
אין עטלעכע קאַסעס, אַ הויך נומער פון דימענשאַנז קענען מאַכן עס טשאַלאַנדזשינג צו געפֿינען מינינגפאַל פּאַטערנז אָדער שייכות אין די דאַטן.
רעדוקציע פון דימענשאַנאַליטי העלפּס צו אַדרעס דעם אַרויסגעבן דורך יבערמאַכן די דאַטאַסעט אין אַ נידעריקער-דימענשאַנאַל פאַרטרעטונג בשעת ריטיינינג ווי פיל באַטייַטיק אינפֿאָרמאַציע ווי מעגלעך. עס יימז צו כאַפּן די מערסט וויכטיק אַספּעקץ אָדער ווערייישאַנז אין די דאַטן בשעת דיסקאַרדינג יבעריק אָדער ווייניקער ינפאָרמאַטיוו דימענשאַנז.
44. טעקסט קלאַסאַפאַקיישאַן
טעקסט קלאַסאַפאַקיישאַן איז אַ פּראָצעס וואָס ינוואַלווז אַסיינינג ספּעציפיש לאַבעלס אָדער קאַטעגאָריעס צו בלאַקס פון טעקסט באזירט אויף זייער אינהאַלט אָדער טייַטש. עס איז ווי סאָרטינג אָדער אָרגאַנייזינג טעקסטשאַוואַל אינפֿאָרמאַציע אין פאַרשידענע גרופּעס אָדער קלאסן צו פאַסילאַטייט ווייַטער אַנאַליסיס אָדער באַשלוס-מאכן.
זאל ס באַטראַכטן אַ בייַשפּיל פון E- בריוו קלאַסאַפאַקיישאַן. אין דעם סצענאַר, מיר ווילן צו באַשליסן צי אַ ינקאַמינג E- בריוו איז ספּאַם אָדער ניט-ספּאַם (אויך באקאנט ווי שינקע). טעקסט קלאַסאַפאַקיישאַן אַלגערידאַמז אַנאַלייז די אינהאַלט פון די E- בריוו און באַשטימען עס אַ פירמע אַקאָרדינגלי.
אויב דער אַלגערידאַם דיטערמאַנז אַז די E- בריוו יגזיבאַץ קעראַקטעריסטיקס קאַמאַנלי פֿאַרבונדן מיט ספּאַם, עס אַסיינז די פירמע "ספּאַם." קאָנווערסעלי, אויב די E- בריוו איז לאַדזשיטאַמאַט און ניט-ספּאַמי, עס אַסיינז די פירמע "ניט-ספּאַם" אָדער "שינקע."
טעקסט קלאַסאַפאַקיישאַן געפינט אַפּלאַקיישאַנז אין פאַרשידן דאָומיינז ווייַטער פון E- בריוו פֿילטרירונג. עס איז געניצט אין סענטימענט אַנאַליסיס צו באַשליסן די סענטימענט אויסגעדריקט אין קונה באריכטן (positive, נעגאַטיוו אָדער נייטראַל).
נייַעס אַרטיקלען קענען זיין קלאַסאַפייד אין פאַרשידענע טעמעס אָדער קאַטעגאָריעס ווי ספּאָרט, פּאָליטיק, פאַרווייַלונג און מער. קונה שטיצן שמועס לאָגס קענען זיין קאַטאַגערייזד באזירט אויף די קאַוואָנע אָדער אַרויסגעבן וואָס איז גערעדט.
45. שוואַך אַי
שוואַך אַי, אויך באקאנט ווי שמאָל אַי, רעפערס צו קינסטלעך סייכל סיסטעמען וואָס זענען דיזיינד און פּראָוגראַמד צו דורכפירן ספּעציפיש טאַסקס אָדער פאַנגקשאַנז. ניט ענלעך מענטשלעך סייכל, וואָס ענקאַמפּאַסאַז אַ ברייט קייט פון קאַגניטיוו אַבילאַטיז, שוואַך אַי איז לימיטעד צו אַ באַזונדער פעלד אָדער אַרבעט.
טראַכטן פון שוואַך אַי ווי ספּעשאַלייזד ווייכווארג אָדער מאשינען וואָס יקסעלז אין פּערפאָרמינג ספּעציפיש דזשאָבס. פֿאַר בייַשפּיל, אַ שאָך-פּלייינג אַי פּראָגראַם קען זיין באשאפן צו פונאַנדערקלייַבן שפּיל סיטואַטיאָנס, סטראַטידזשייז מאָוועס און קאָנקורירן קעגן מענטש פּלייַערס.
אן אנדער ביישפּיל איז אַ בילד דערקענונג סיסטעם וואָס קענען ידענטיפיצירן אַבדזשעקץ אין פאָוטאַגראַפס אָדער ווידיאס.
די אַי סיסטעמען זענען טריינד און אָפּטימיזעד צו יקסעל אין זייער ספּעציפיש געביטן פון עקספּערטיז. זיי פאַרלאָזנ זיך אַלגערידאַמז, דאַטן און פאַר-דיפיינד כּללים צו ויספירן זייער טאַסקס יפעקטיוולי.
אָבער, זיי האָבן נישט אַ גענעראַל סייכל וואָס אַלאַוז זיי צו פֿאַרשטיין אָדער דורכפירן טאַסקס אַרויס זייער דעזיגנייטיד פעלד.
46. שטאַרק אַי
שטאַרק אַי, אויך באקאנט ווי גענעראַל אַי אָדער קינסטלעך אַלגעמיינע סייכל (AGI), רעפערס צו אַ פאָרעם פון קינסטלעך סייכל וואָס פארמאגט די פיייקייט צו פֿאַרשטיין, לערנען און דורכפירן קיין אינטעלעקטואַל אַרבעט וואָס אַ מענטש קען.
ניט ענלעך שוואַך אַי, וואָס איז דיזיינד פֿאַר ספּעציפיש טאַסקס, שטאַרק אַי יימז צו רעפּלאַקייט מענטש-ווי סייכל און קאַגניטיוו אַבילאַטיז. עס סטרייווז צו שאַפֿן מאשינען אָדער ווייכווארג וואָס ניט בלויז יקסעל אין ספּעשאַלייזד טאַסקס אָבער אויך האָבן אַ ברייטערער פארשטאנד און אַדאַפּטאַבילאַטי צו מאַכנ אַ ברייט קייט פון אינטעלעקטואַל טשאַלאַנדזשיז.
דער ציל פון שטאַרק אַי איז צו אַנטוויקלען סיסטעמען וואָס קענען סיבה, באַגרייַפן קאָמפּלעקס אינפֿאָרמאַציע, לערנען פון דערפאַרונג, אָנטייל נעמען אין נאַטירלעך שפּראַך שמועסן, ויסשטעלונג שעפֿערישקייט און ויסשטעלונג אנדערע קוואַלאַטיז פֿאַרבונדן מיט מענטש סייכל.
אין עסאַנס, עס אַספּיירז צו שאַפֿן אַי סיסטעמען וואָס קענען סימולירן אָדער רעפּלאַקייט מענטש-מדרגה טראכטן און פּראָבלעם סאַלווינג אַריבער קייפל דאָומיינז.
47. פֿאָרווערטס טשאַינינג
פֿאָרווערטס טשאַינינג איז אַ מעטאָד פון ריזאַנינג אָדער לאָגיק וואָס סטאַרץ מיט די בנימצא דאַטן און ניצט עס צו מאַכן ינפעראַנסאַז און ציען נייַע קאַנקלוזשאַנז. עס איז ווי קאַנעקטינג די דאַץ דורך ניצן די אינפֿאָרמאַציע אין האַנט צו פאָרויס און דערגרייכן נאָך ינסייץ.
ימאַדזשאַן איר האָבן אַ סכום פון כּללים אָדער פאקטן, און איר ווילן צו באַקומען נייַע אינפֿאָרמאַציע אָדער דערגרייכן ספּעציפיש קאַנקלוזשאַנז באזירט אויף זיי. פאָרווערטס טשאַינינג אַרבעט דורך יגזאַמינינג די ערשט דאַטן און אַפּלייינג לאַדזשיקאַל כּללים צו דזשענערייט נאָך פאקטן אָדער קאַנקלוזשאַנז.
צו פאַרפּאָשעטערן, לאָזן אונדז באַטראַכטן אַ פּשוט סצענאַר פון דיטערמאַנינג וואָס צו טראָגן באזירט אויף וועטער טנאָים. איר האָט אַ כלל וואָס זאגט "אויב עס רעגן, ברענגען אַ שירעם," און אן אנדער כלל וואָס זאגט "אויב עס איז קאַלט, טראָגן אַ רעקל." איצט, אויב איר אָבסערווירן אַז עס איז טאַקע רעגן, איר קענען נוצן פאָרויס טשאַינינג צו אָנפירן אַז איר זאָל ברענגען אַ שירעם.
48. צוריק טשאַינינג
צוריק טשאַינינג איז אַ ריזאַנינג אופֿן וואָס סטאַרץ מיט אַ געוואלט מסקנא אָדער ציל און אַרבעט קאַפּויער צו באַשליסן די נייטיק דאַטן אָדער פאקטן צו שטיצן דעם מסקנא. עס איז ווי טרייסינג דיין סטעפּס פון די געוואלט רעזולטאַט צו די ערשט אינפֿאָרמאַציע פארלאנגט צו דערגרייכן עס.
צו פֿאַרשטיין קאַפּויער טשאַינינג, לאָזן אונדז באַטראַכטן אַ פּשוט בייַשפּיל. רעכן איר ווילן צו באַשליסן אויב עס איז פּאַסיק צו גיין פֿאַר אַ שווימען. דער געוואלט מסקנא איז צי שווימערייַ איז צונעמען באזירט אויף זיכער טנאָים.
אַנשטאָט צו אָנהייבן מיט די באדינגונגען, צוריק טשאַינינג הייבט מיט די מסקנא און אַרבעט קאַפּויער צו געפֿינען די שטיצן דאַטן.
אין דעם פאַל, צוריק טשאַינינג וואָלט אַרייַנציען אַסקינג פֿראגן ווי "איז די וועטער וואַרעם?" אויב דער ענטפער איז יאָ, איר וואָלט פרעגן, "איז עס אַ בעקן בנימצא?" אויב דער ענטפער איז יאָ ווידער, איר וואָלט פרעגן נאָך פֿראגן אַזאַ ווי, "איז עס גענוג צייט צו גיין שווימערייַ?"
דורך יטעראַטיוולי ענטפֿערן די פראגעס און ארבעטן קאַפּויער, איר קענען באַשליסן די נויטיק טנאָים וואָס דאַרפֿן צו זיין באגעגנט צו שטיצן די מסקנא פון גיין פֿאַר אַ שווימען.
49. כיוריסטיק
א כיוריסטיק, אין פּשוט טערמינען, איז אַ פּראַקטיש הערשן אָדער סטראַטעגיע וואָס העלפּס אונדז מאַכן דיסיזשאַנז אָדער סאָלווע פּראָבלעמס, יוזשאַוואַלי באזירט אויף אונדזער פאַרגאַנגענהייַט יקספּיריאַנסיז אָדער ינטוישאַן. עס איז ווי אַ גייַסטיק דורכוועג וואָס אַלאַוז אונדז צו געשווינד קומען מיט אַ גלייַך לייזונג אָן דורכגיין אַ לאַנג אָדער יגזאָסטיוו פּראָצעס.
ווען פייסט מיט קאָמפּלעקס סיטואַטיאָנס אָדער טאַסקס, כיוריסטיקס דינען ווי גיידינג פּרינסאַפּאַלז אָדער "גומען פון גראָבער פינגער" וואָס פאַרפּאָשעטערן באַשלוס-מאכן. זיי צושטעלן אונדז אַלגעמיין גיידליינז אָדער סטראַטעגיעס וואָס זענען אָפט עפעקטיוו אין זיכער סיטואַטיאָנס, כאָטש זיי קען נישט גאַראַנטירן די אָפּטימאַל לייזונג.
פֿאַר בייַשפּיל, לאָמיר באַטראַכטן אַ כיוריסטיק פֿאַר געפֿינען אַ פּאַרקינג אָרט אין אַ ענג געגנט. אַנשטאָט מאַטיקיאַלאַסלי אַנאַלייזינג יעדער בנימצא אָרט, איר קען פאַרלאָזנ זיך די כיוריסטיק פון קוקן פֿאַר פּאַרקט קאַרס מיט זייער ענדזשאַנז פליסנדיק.
דעם כיוריסטיק אַסומז אַז די קאַרס זענען וועגן צו פאַרלאָזן, ינקריסינג די גיכער צו געפֿינען אַן בנימצא אָרט.
50. נאַטירלעך שפּראַך מאָדעלינג
נאַטירלעך שפּראַך מאָדעלינג, אין פּשוט טערמינען, איז דער פּראָצעס פון טריינינג קאָמפּיוטער מאָדעלס צו פֿאַרשטיין און דזשענערייט מענטש שפּראַך אין אַ וועג וואָס איז ענלעך צו ווי מענטשן יבערגעבן. עס ינוואַלווז לערנען קאָמפּיוטערס צו פּראָצעס, טייַטשן און דזשענערייט טעקסט אויף אַ נאַטירלעך און מינינגפאַל שטייגער.
דער ציל פון נאַטירלעך שפּראַך מאָדעלינג איז צו געבן קאָמפּיוטערס צו באַגרייַפן און דזשענערייט מענטש שפּראַך אין אַ וועג וואָס איז גלאַט, קאָוכיראַנט און קאָנטעקסטואַללי באַטייַטיק.
עס ינוואַלווז טריינינג מאָדעלס אויף וואַסט אַמאַונץ פון טעקסטשאַוואַל דאַטן, אַזאַ ווי ביכער, אַרטיקלען אָדער שמועסן, צו לערנען די פּאַטערנז, סטראַקטשערז און סעמאַנטיקס פון שפּראַך.
אַמאָל טריינד, די מאָדעלס קענען דורכפירן פאַרשידן שפּראַך-פֿאַרבונדענע טאַסקס, אַזאַ ווי שפּראַך איבערזעצונג, טעקסט סאַמעריזיישאַן, קשיא ענטפֿערן, טשאַטבאָט ינטעראַקשאַנז, און מער.
זיי קענען פֿאַרשטיין די טייַטש און קאָנטעקסט פון זאצן, עקסטראַקט באַטייַטיק אינפֿאָרמאַציע און דזשענערייט טעקסט וואָס איז גראַמאַטיקלי ריכטיק און קאָוכיראַנט.
לאָזן אַ ענטפֿערן