پیشرفت ها و چالش های یادگیری ماشینی در حوزه هوش مصنوعی و بررسی کاربرد های مهم یادگیری ماشین در نیاز های روزمره

نویسندگان: آرمین تهمتن، بهار پندیدن، ریحانه بیکدلی
سال انتشار: ۱۴۰۲
محل انتشار: نوزدهمین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات

چکیده مقاله:

هوش مصنوعی (AI) و یادگیری ماشینی (ML) نشان دهنده یک تحول مهم در علوم کامپیوتر و سیستم‌های پردازش داده که می‌توانند به منظور بهبود تقریبا هر سرویس، محصولی که دارای فناوری است، استفاده شود. در بسیاری از حوزه های کاربردی، داده‌ها از منابع مختلف و هرروزه در حال افزایش در دسترس هستند تا به طور کامل نظارت شوند و یک سیستم یا دستگاه را توصیف کنید. این روزها بسیاری از شرکت‌ها از یادگیری ماشینی استفاده می‌کنند. برای مثال در پیش بینی موجودی های مورد نیاز در فروشگاه، ارائه پنج پرواز پیشنهادی برتر شخصی در وبسایت یک شرکت هواپیمایی و .... برای انجام این موارد داده های بسیار زیادی باید بررسی شوند و انجام این اعمال وقت وهزینه زیادی نیاز دارد. داده های ناهمگن و تجزیه و تحلیل آن توجه زیادی را از تحقیقات را به خود جلب می کند، زیرا پتانسیل بهبود یا فعال کردن وظایف را دارد مانند تشخیص، تعمیر و نگهداری پیش بینی، و نظارت بر وضعیت را دارد. برای تجزیه و تحلیل داده ها، مبتنی بر یادگیری ماشین رویکردها بیشتر در ادبیات اخیر مورد استفاده قرار می گیرند، زیرا این الگوریتم‌ها به ما اجازه میدهند تاموارد بسیار پیچیده را بدون اتلاف وقت و هزینه بیش از حد با کمک الگوریتم‌های مربوطه انجام دهیم. برای تجزیه و تحلیل حتی داده های ناهمگن و به دست آوردن مزایایی از آن در یک برنامه کاربردی، داده های مختلف منابع برای اعمال الگوریتم‌های یادگیری ماشین باید به صورت یکپارچه، ذخیره و مدیریت شوند. در یک محیط با منابع داده ناهمگن، الگوریتم های تجزیه و تحلیل نیز باید قادر به مدیریت خرابی های منبع داده یا موارد جدید باشند. منابع داده اضافه شده علاوه بر این، دانش موجود باید برای بهبود یادگیری ماشینی مبتنی بر تجزیه و تحلیل یا فرآیند آموزش آن برای یافتن رویکردهای موجود برای تحلیل مبتنی بر یادگیری ماشینی استفاده شود.

کد : ۱۲۱۹

منبع مقاله : مقاله