למידה חישובית
מתוך ויקיפדיה, האנציקלופדיה החופשית
למידה חישובית (Machine Learning) (לעתים מכונה גם למידת מכונה) היא תחום במדעי המחשב המשיק לבינה מלאכותית ולסטטיסטיקה ועוסק בפיתוח אלגוריתמים המיועדים לאפשר למחשב ללמוד מתוך דוגמאות. אין לבלבל בין תחום זה, שבו המחשב הוא הלומד, ובין למידה ממוחשבת, שבו המחשב משמש כעזר למידה, על ידי הרצת לומדה או בדרך אחרת.
מטרות ושימושים [עריכה]
המטרה המרכזית של למידה חישובית היא טיפול ממוחשב בנתונים מן העולם האמיתי. טיפול כזה יכול להיות מידול, חיזוי או גילוי (דטקציה) של עובדות לגבי העולם האמיתי. לדוגמה: עבור זיהוי תווים אופטי ניתן להשתמש בלמידה חישובית כדי לגלות מהי האות הכתובה או המודפסת. מערכות זיהוי דיבור יכולות גם הן להשתמש בלמידה חישובית כדי ללמוד, בהינתן אותות קוליים כלשהם, מהי ההברה שיצרה אותם.
סוגי למידה [עריכה]
נהוג לחלק את אלגוריתמי הלמידה החישובית למספר סוגים:
- למידה מונחית (supervised learning). כל דוגמה מגיעה ביחד עם תווית סיווג. מטרת האלגוריתם היא לחזות את הסיווג של דוגמאות חדשות שאותן לא פגש בתהליך הלמידה. אימון של רשת עצבית מלאכותית ("רשת נוירונים") מסתמך על אלגוריתמים מסוג זה.
- למידה בלתי מונחית (unsupervised learning). מטרת האלגוריתמים היא למצוא ייצוג פשוט וקל להבנה של אוסף הנתונים. שיטות נפוצות מסוג זה הן חלוקה לצברים (clustering), והטלה ליריעות ממד נמוך כגון Principle component analysis.
- למידת חיזוק (reinforcement learning). אלגוריתם הלמידה מקבל משוב חלקי על ביצועיו (רק לאחר סיום ביצוע המטלה) ועליו להסיק אילו מהחלטותיו הביאו להצלחה/כישלון.
קישורים חיצוניים [עריכה]
- המעבדה ללמידה חישובית באוניברסיטה העברית
- קבוצה העוסקת בלמידה חישובית ב-IBM
- קורס למידת מכונה סטטיסטית מאת Andrew NG (באנגלית)
