Cad iad na príomhchineálacha na foghlama meaisín?

Question

Accepted Answer

Tá trí phríomhchineál ar foghlama meaisín ann — **foghlama faoi dhraíochta** (foghlama ó shampláidí lipéadaithe), **foghlama gan dhraíochta** (patrúin a aimsiú i sonraí gan lipéad), agus **foghlama tréinsithe** (foghlama trí dhríobháil agus ghealltanas). Tugann tuiscint ar na cineálacha seo soiléiriú ar conas a chuireann ML deis ar fhadhbanna éagsúla.

## Na trí phríomhchineál

```text
SUPERVISED LEARNING → learn from LABELED data (input → known correct output):
  → trained on examples with answers → learns to predict outputs for new inputs
  → for: classification (categorize), regression (predict numbers)
  → e.g. spam detection (labeled spam/not-spam), price prediction
UNSUPERVISED LEARNING → find patterns in UNLABELED data (no given answers):
  → discovers structure/groupings on its own
  → for: clustering (group similar items), dimensionality reduction, anomaly detection
  → e.g. customer segmentation, finding patterns
REINFORCEMENT LEARNING → learn through TRIAL and ERROR with REWARDS:
  → an agent takes actions, gets rewards/penalties, learns to maximize reward over time
  → for: game playing, robotics, control, decision-making
```

## An cineál a roghnú

```text
→ have LABELED data + want to predict outputs → SUPERVISED (most common in practice)
→ have unlabeled data + want to find structure → UNSUPERVISED
→ an agent learning from interaction/rewards → REINFORCEMENT
→ (also: semi-supervised, self-supervised — hybrids; LLMs use self-supervised learning)
```

## Cén fáth a bheidh sé i gceist

Tá tuiscint ar na príomhchineálacha foghlama meaisín bunúsach toisc go léiríonn siad **na bealai bunúsacha ina gcuireann ML deis ar fhadhbanna**, agus dá bhrí sin is litríocht bhunúsach ML an tuiscint orthu.

Oireann gach ceann de na trí chineál seo do dhifríochtaí fadhbanna agus sonraí.

Is an chineál is tábhachtaí a thuiscint **foghlama faoi dhraíochta** (foghlama ó sonraí lipéadaithe ina bhfuil torthaí ceart ar a bhfuil ar eolas, chun torthaí a thuar do ionchur nua, a úsáidtear do rangúchán agus aischúrsáil — an cineál is coitianta go praiticiúil, m.sh. brabúis a bhrath agus spriocdhíolachán a thuar), mar go bhfuil sé faoi bhunús do chuid is mó de na feidhmchláir phraktúil ML.

Tugann tuiscint ar **foghlama gan dhraíochta** (patrúin a aimsiú i sonraí gan lipéad gan freagraí tugtha, struchtúr agus grúpálacha a fhionnadh, a úsáidtear do bhréaclústearú, laghdú toiseachta, agus braistint anfhéadúlachta, m.sh. deighilt custaiméirí) soiléiriú ar conas a aimsíonn ML patrúin gan lipéid.

Tugann tuiscint ar **foghlama tréinsithe** (foghlama trí dhríobháil agus earráid le gealltanais, áit a nglacann gníomhaire gníomhartha agus a fhoghlaimíonn an gealltanas a uachtar, a úsáidtear do bhreithiúnú imirt, róbataic, agus rialú) soiléiriú ar an gcur chuige foghlama atá bunaithe ar idirghníomhú.

Tugann tuiscint ar **conas an cineál a roghnú** — faoi dhraíochta nuair atá sonraí lipéadaithe agat agus ba bhreá leat fála a thuar, gan dhraíochta chun struchtúr a aimsiú i sonraí gan lipéad, tréinsithe do ghníomhaire a fhoghlaimíonn ó idirghníomhú — agus go bhfuil leithéidí ann (leathfhraIochta, féin-dhraíochta, le LLM a úsáid féin-dhraíochta) — léiriú praiticiúil ar thuiscint ar chur chuige ML.

Is iad na cineálacha seo na catagóirí bunúsacha ar conas a fhoghlaimíonn ML, agus is riachtanach tuiscint ar an gcineál seo.

Toisc go léiríonn na príomhchineálacha foghlama meaisín (faoi dhraíochta, gan dhraíochta, tréinsithe) na bealai bunúsacha ina gcuireann ML deis ar fhadhbanna agus go bhfuil tuiscint ar an gcineál seo agus cathain a bhaineann gach ceann dóibh ar litríocht bhunúsach ML, is eolas bunúsach, bunaithe ar an tuiscint ar na príomhchineálacha foghlama meaisín — na catagóirí bunúsacha ML (foghlama ó lipéid, patrúin a aimsiú, foghlama ó ghealltanais), litríocht bhunúsach ML chun tuiscint ar conas a chuireann ML deis ar fhadhbanna éagsúla, agus bunaithe ar obair le nó ar phlé ML.