اعصابی نیٹ ورکس کا وسیع پیمانے پر کئی شعبوں میں استعمال کیا گیا ہے، جیسے کہ تقریر کی شناخت، تصویر کی درجہ بندی، ٹائم سیریز کی پیشن گوئی، دوسروں کے درمیان۔ اس کی وجہ یہ ہے کہ وہ خام ڈیٹا سے پیچیدہ پیٹرن سیکھنے کے قابل ہوتے ہیں، اور زیادہ درست ہوتے جاتے ہیں کیونکہ انہیں مزید مثالوں کے ساتھ تربیت دی جاتی ہے۔
ایڈورٹائزنگ
تصور کریں کہ آپ کے پاس ایک ایپلی کیشن ہے جو جانوروں کی تصاویر کو پہچانتی ہے اور آپ ایپلی کیشن کو کتے کو پہچاننا سکھانا چاہتے ہیں۔ آپ ایپ کو کتوں کی متعدد تصاویر دکھاتے ہیں اور کہتے ہیں، "یہ ایک کتا ہے۔" ایپ کتے کی تصاویر کی خصوصیات کا تجزیہ کرنے کے لیے نیورل نیٹ ورک کا استعمال کرتی ہے اور وقت گزرنے کے ساتھ ساتھ دوسری تصاویر میں کتے کی شناخت کرنا سیکھتی ہے۔
جیسے جیسے آپ کتوں کی زیادہ سے زیادہ مثالیں دکھاتے ہیں، ایپ کتوں کو پہچاننے میں بہتر سے بہتر ہوتی جائے گی۔
عصبی نیٹ ورک حالیہ برسوں میں تیزی سے مقبول ہوئے ہیں، کمپیوٹیشنل طاقت میں ترقی اور تربیتی ڈیٹا کی دستیابی کی بدولت۔ اگر آپ اس موضوع کے بارے میں مزید جاننا چاہتے ہیں، تو آپ ایان گڈ فیلو، یوشوا بینجیو اور ایرون کورول کی کتاب "ڈیپ لرننگ"، جسے فیلڈ میں ایک حوالہ سمجھا جاتا ہے، یا مضمون "مشین لرننگ کے بارے میں جاننے کے لیے چند مفید چیزیں" دیکھ سکتے ہیں۔ بذریعہ Pedro Domingos، جو موضوع کا ایک قابل رسائی تعارف فراہم کرتا ہے۔
ایڈورٹائزنگ
*اس مضمون کا متن جزوی طور پر تیار کیا گیا تھا۔ ChatGPT، ایک مصنوعی ذہانت پر مبنی زبان کا ماڈل تیار کیا گیا ہے۔ OpenAI. متن کے اندراجات کی طرف سے تخلیق کیا گیا تھا Curto خبریں اور جوابات جان بوجھ کر مکمل طور پر دوبارہ پیش کیے گئے۔ سے جوابات ChatGPT خود بخود پیدا ہوتے ہیں اور کی رائے کی نمائندگی نہیں کرتے ہیں۔ OpenAI یا ماڈل سے وابستہ لوگ۔ شائع شدہ مواد کی تمام تر ذمہ داری اس پر عائد ہوتی ہے۔ Curto خبریں۔
